雖然估計故障前的時間很有用，但更有價值的是描述預(yù)期發(fā)生的故障類型（根本原因）的信息?？梢愿鶕?jù)歷史故障數(shù)據(jù)對預(yù)測故障類型的模型進(jìn)行訓(xùn)練，但是，工程師通常會遇到各種故障場景缺乏故障數(shù)據(jù)的情況。在我的第三篇也是最后一篇博客中，我們將探討預(yù)測性維護(hù)中最關(guān)鍵且經(jīng)常被忽略的組件之一：工作流故障以及知道如何預(yù)測它們。

以下是兩個可行的解決方案，團(tuán)隊可以利用它們來阻止這種缺乏故障數(shù)據(jù)成為預(yù)測性維護(hù)實施過程中的致命缺陷：

生成樣本故障數(shù)據(jù)：故障模式影響分析 （FMEA） 等歷史上使用的工具為確定要模擬的故障提供了有用的起點。從這里開始，工程師可以在各種場景中將行為整合到模型中，通過調(diào)整溫度、流速或振動或添加突發(fā)故障來模擬故障。模擬時，場景會產(chǎn)生故障數(shù)據(jù)，這些數(shù)據(jù)可以被標(biāo)記和存儲以供進(jìn)一步分析。

圖 1. 使用 Simulink 生成故障數(shù)據(jù)

了解可用數(shù)據(jù)：根據(jù)可用的傳感器，某些類型的故障可能需要同時查看多個傳感器以識別不良行為。但是查看來自數(shù)十或數(shù)百個傳感器的原始數(shù)據(jù)可能會令人生畏。在這種情況下，諸如主成分分析 （PCA） 等無監(jiān)督學(xué)習(xí)技術(shù)（機器學(xué)習(xí)的一個分支）將原始傳感器數(shù)據(jù)轉(zhuǎn)換為低維表示。這些數(shù)據(jù)比高維原始數(shù)據(jù)更容易可視化和分析，使您能夠在未標(biāo)記數(shù)據(jù)中找到有價值的模式和趨勢。即使不存在故障數(shù)據(jù)，操作數(shù)據(jù)也可能表明機器如何隨時間退化的趨勢，并估計組件的剩余使用壽命 （RUL）。

減少學(xué)習(xí)曲線的簡單步驟

工程師面臨的另一個常見障礙是對看似陌生和令人生畏的算法進(jìn)行建模和測試。

希望減少這種學(xué)習(xí)曲線的工程師可以遵循以下三個簡單步驟：

定義目標(biāo)：預(yù)先定義您的目標(biāo)是什么（例如，更早地識別故障、更長的周期、減少停機時間），以及預(yù)測性維護(hù)算法將如何影響它們。作為早期步驟，構(gòu)建一個可以測試算法并根據(jù)您的目標(biāo)估計其性能的框架，以實現(xiàn)更快的設(shè)計迭代。這將確保在公平的競爭環(huán)境中比較所有不同的方法。

從小處著手：練習(xí)使用具有深入理解系統(tǒng)的項目，越簡單越好。例如，從組件級別而不是系統(tǒng)或子系統(tǒng)級別開始。這將減少需要調(diào)查的故障數(shù)量并縮短開發(fā)初始原型的時間。

圖 2. 對三種類型的故障進(jìn)行建模：氣缸泄漏、進(jìn)氣口阻塞和軸承摩擦增加

獲得信心：當(dāng)您開始看到有希望的結(jié)果時，請使用團(tuán)隊內(nèi)的領(lǐng)域知識根據(jù)成本和嚴(yán)重程度預(yù)測不同的結(jié)果。在現(xiàn)有維護(hù)程序的背景下運行預(yù)測性維護(hù)模型，以了解模型在實踐中的工作原理。

總之，定義明確的目標(biāo)，從小處著手，根據(jù)數(shù)據(jù)進(jìn)行驗證，然后迭代直到對結(jié)果充滿信心。

審核編輯：郭婷