制造業(yè)大數(shù)據(jù)分析和預測性維護的實踐

1、制造業(yè)大數(shù)據(jù)分析 和預測性維護的實 踐和思考傳感器/數(shù)據(jù)采集機器人云計算MES/WMS數(shù)據(jù)分析算法/ 可視化數(shù)據(jù)分析算法/可視化案例一如何“防患于未然”？設(shè)備預警系統(tǒng)報警，提前檢修設(shè)備每天產(chǎn)生10萬余條預警數(shù)據(jù)AI0.0570.0000.1700.0570.0430.0000.1000.0430.0000.0000.0000.0000.0570.0000.0430.0000.0000.0000.0000.1140.0000.0000.0000.0430.0000.0000.0000.0430.0000.0000.0000.0430.0000.2700.0000.0430.0000.0430.0

2、570.00010.4390.0570.0000.0000.00017.3990.2840.00041.8710.0000.1283.5230.000模型準確預測六月份的三次設(shè)備硬件故障6/20與6/21，1349設(shè)備連續(xù)發(fā)生故障；模 型預測故障指數(shù)為41.871，遠高于平均6/29，1341設(shè)備發(fā)生故障；模型預 測故障指數(shù)為10.439，遠高于平均故障閾值0.0570.0000.1700.0570.0430.0000.1000.0430.0000.0000.0000.0000.0570.0000.0430.0000.0000.0000.0000.1140.0000.0000.0000.043

3、0.0000.0000.0000.0430.0000.0000.0000.0430.0000.2700.0000.0430.0000.0430.0570.00010.4390.0570.0000.0000.00017.3990.2840.00041.8710.0000.1283.5230.0001301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 13

4、31 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 故障閾值工程師響應速度5天之內(nèi)模型響應速度實時如何盡量避免故障？工程師操作設(shè)備生命周期檢修流程電氣環(huán)境案例二圖像自動畸變校正深度學習智能檢測如何盡量避免故障？設(shè)備規(guī)格與廠商運維流程電站環(huán)境工人操作人機料法環(huán)料案例三人工檢測：漏檢率：15%檢測速度：2535秒AI 檢測：漏檢率：1%檢測速度：2秒案例四漿液質(zhì)量原材料質(zhì)量物料投放時間生產(chǎn)狀態(tài)進風速度排風風量進風風量蠕動泵轉(zhuǎn)速

5、（頻率）排風電機頻率進風電機頻率滾筒轉(zhuǎn)速（頻率）排風門3狀態(tài)排風門2狀態(tài)排風門1狀態(tài)噴液狀態(tài)加熱狀態(tài)蠕動泵狀態(tài)滾筒電機反轉(zhuǎn)狀態(tài)滾筒電機正轉(zhuǎn)狀態(tài)排風電機狀態(tài)進風電機狀態(tài)AI漿液質(zhì)量原材料質(zhì)量物料投放時間生產(chǎn)狀態(tài)進風速度排風風量進風風量蠕動泵轉(zhuǎn)速（頻率）排風電機頻率進風電機頻率滾筒轉(zhuǎn)速（頻率）排風門3狀態(tài)排風門2狀態(tài)排風門1狀態(tài)噴液狀態(tài)加熱狀態(tài)蠕動泵狀態(tài)滾筒電機反轉(zhuǎn)狀態(tài)滾筒電機正轉(zhuǎn)狀態(tài)排風電機狀態(tài)進風電機狀態(tài)利用率提升10%優(yōu)化后優(yōu)化前1500萬/年成本節(jié)約利用率提升10%優(yōu)化前優(yōu)化后人機料法環(huán)人機料法環(huán)人臉識別故障預測外觀缺陷檢測良品率智能優(yōu)化維護決策支持姿態(tài)識別預測性維護棒材計數(shù)器原材料利用率

6、智能優(yōu)化錯誤操作診斷生產(chǎn)周期智能優(yōu)化高級排產(chǎn)各場景協(xié)同人機料環(huán)法機器的配置參數(shù)機器的報警數(shù)據(jù)在制品庫存數(shù)據(jù) 原材料信息工人的操作記錄數(shù)據(jù) 工人的培訓數(shù)據(jù)溫度、濕度、壓力空氣質(zhì)量數(shù)據(jù)工藝數(shù)據(jù)生產(chǎn)計劃數(shù)據(jù) 質(zhì)量數(shù)據(jù)AI制造企業(yè)數(shù)據(jù)全鏈條打通想象一下，如果這些案例，場景融合基于機器視覺的缺陷智能檢測基于統(tǒng)計分析模型的設(shè)備參數(shù)智能控制錯誤操作識別與診斷設(shè)備故障識別與診斷融合圖像及統(tǒng)計分析的缺陷智能追蹤基于機器視覺的缺陷智能檢測融合圖像及統(tǒng)計分析的缺陷智能追蹤AzureAuto MLAzureIoT Edge基于統(tǒng)計分析模型的設(shè)備參數(shù)智能控制錯誤操作識別與診斷設(shè)備故障識別與診斷工廠用戶工廠用戶設(shè)備Traffic ManagerAzure LoadBala