跳到正文
⁨NDDev RnD⁩,首页
社区
语言: 简体中文
显示
主题
动效

设备预测性分析

NDDev 构建设备预测性分析:模型基于传感器和维修历史数据,提前显示故障征兆,并提示何时安排维护。RnD 实践先从简单的规则和统计方法入手,在数据能够支撑时再转向机器学习。团队已完成超过 100 个项目,NDDev 自 2019 年起开展业务。

适合谁?

面向生产企业与服务部门:已有设备运行历史和维修记录,且计划外停机代价高昂。

  • 基于您的故障历史进行预测
  • 从规则到机器学习的方法
  • 实测后给出准确度数值
  • 面向维修部门的提示

预测建立在什么基础之上

预测始于数据:设备遥测数据、维修与故障记录,以及运行模式。我们首先验证从数据中能否看出故障,以及它们在设备损坏前多久开始显现。解答这一问题正是研究阶段的工作,您在签订主合同前即可获得这一结果。

  • 梳理故障历史与遥测数据
  • 验证数据中能否看出故障
  • 基础规则与异常检测
  • 预测模型及准确度实测
  • 面向维修部门的提示与告警
  • 观察模型并基于新数据重新训练

所用的方法由简入繁:先是阈值与规则、统计与异常检测,随后是基于 scikit-learn、XGBoost、LightGBM 或 CatBoost 的模型。对于需要在设备旁运行的模型,我们会将其转换为 ONNX。准确度取决于数据,因此我们保证工作流程、迭代与文档,并在实测后给出准确度数值。

从维修记录到预测

  1. 数据审计

    收集遥测数据与维修记录,按时间对齐,查看历史记录中有多少次故障。

  2. 基准水平

    构建简单的规则,测量它们能捕捉多少故障。后续的所有工作都将与这一数值进行对比。

  3. 模型

    尝试机器学习模型,保留在留出数据上表现超过基准水平的模型。

  4. 部署

    将预测接入数据流,并将提示输出到维修部门能够看到的地方。

  5. 跟踪观察

    跟踪预测质量,当设备或运行模式发生变化时重新训练模型。

关于故障预测的问题

进行预测需要多少数据?

这取决于故障发生的频率以及遥测数据的详细程度。我们会在研究阶段基于您的数据回答这一问题;如果目前数据还不够,我们也会直接告知。

如果历史记录中几乎没有故障怎么办?

这时我们会从异常检测入手:模型通过设备的正常运行数据进行学习,并标记偏离正常运行的情况。这样同时也能为未来的预测积累有标注的历史数据。

贵司保证预测的准确度吗?

我们保证商定的流程、迭代、实测与文档。准确度会在使用模型训练时未见过的留出数据完成验证后给出。

如果传感器不多,这项分析适用吗?

有时现有数据就已经足够:维修记录、运行时长,以及记录系统中的运行模式。如果现有数据不足,我们会建议补充哪些测量指标,并编写用于采集这些数据的软件部分。

预测性分析的费用是多少?

费用取决于数据量、设备类型的数量,以及是否需要实时预测。起始价格已列在价格模块中,最终价格在完成数据审计后确定。

₽560,000 起

免费保修
80 天

所列为起步价格,仅供参考,不构成公开要约。最终价格在技术规格书中确定。

Software for equipment and industry

向我们展示维修记录与设备数据

请描述您的设备以及代价最高的故障,我们将评估从您的数据中能否看出这些故障。

我们将在 24 小时内回复

助手

正在加载助手…