Predictive Maintenance – od czego zacząć?

Ostatnie osiągnięcia w zakresie technologii uczenia maszynowego pozwalają wykorzystać ogromne zasoby danych pochodzących z fabryk, budynków, maszyn i czujników nie tylko do monitorowania ich kondycji, ale również do przewidywania potencjalnych usterek lub awarii. Potrzebne informacje pozyskuje się wieloma dostępnymi metodami, takimi jak termografia, analiza wibracji, dźwięku i ultradźwięku czy analiza oleju. Często dane te są niekompletne albo jest ich za mało do zbudowania modelu lub zdefiniowania zależności pozwalających wykrywać pojawiające się anomalie. Cenne są wszystkie zarejestrowane awarie sprzętu, co w praktyce jest rzadkim przypadkiem, jeśli nie dysponujemy odpowiednią historią danych. Analiza częściowych informacji prowadzi do niepełnego uczenia się modelu i nieprecyzyjnej prognozy. System może generow...