XiaoMi-AI文件搜索系统
World File Search System故障预测
设备使用机器学习的设备健康监测...
现代文明中科学技术的快速增长导致机械和设备的规模，复杂性和自动化的增加。现代工业生产的两个最重要方面是问题识别和机械状况监测。通过有效的状况监测使早期问题检测成为可能，这在考虑到生产效率，操作可靠性，维护成本和停机时间等变量时至关重要。研究问题的识别和机械的健康监测具有实际意义。为了进行设备监控和故障诊断的目的，记录了有关设备的温度，振动，噪声水平和润滑状态的信息。之后，该信息被用来确定该问题的主要来源，并采取补救措施。条件监视系统的核心元素是故障预测，功能提取和问题诊断。特征提取和故障诊断对于正常检测，问题定位和失败严重性预测至关重要。本文包括故障诊断和计算智能在状态监控和故障检测中的应用，本文还介绍了一种使用机器学习（ML）技术进行设备状态监测的方法。流行的机器学习（ML）分类方法，例如随机森林（RF），随机树（RT），天真贝叶斯（NB），XG Boost（XGB）和Logistic Recression（LR），用于组装。紧迫需要提高机器的可靠性并减少由于机器故障而导致的生产损失的可能性，这是对机器状况监测的越来越重视的原因。关键字：故障预测，机器学习，天真的贝叶斯，生产，随机森林，随机树，意外的停机时间。
人工智能在预测和预防高风险环境中汽车故障中的作用
人工智能模仿人类智能，用于预测和预防关键的汽车故障。这些故障通常发生在测试情况下，可能很危险。了解组件行为对于实施有效的故障防御措施至关重要。目前，预测随机组件故障具有挑战性。人工智能通过智能模拟真实世界条件来实现预测性故障模拟。通过将模拟的组件行为与实际数据进行比较，可以实现故障预测。这对于维护和备件供应计划非常有价值。汽车系统中的人工智能技术正在不断发展，对于解决当前问题和防止未来故障至关重要。模拟和预防性维护对于了解系统行为和防止故障至关重要。
人工智能在银行业客户体验和服务质量上的应用
[摘要] 本文强调了人工智能 (AI) 及其应用通过提升银行业服务质量来改善客户体验的重要性和方式。本研究论文系统地研究了有关人工智能各种新兴应用及其对银行业影响的文献。系统地全面回顾现有文献，讨论人工智能在银行业的应用。人工智能无疑增强了银行业数百万客户和员工的银行体验。人工智能通过提供信用评分检查、系统故障预测、紧急警报系统、欺诈检测、网络钓鱼网站检测、流动性风险评估、客户忠诚度评估和智能系统来促进各种流程，以减少员工的工作量。另一方面，客户体验通过各种应用程序得到提升，即手机银行、聊天机器人和增强现实。
结合布朗运动和相似原理的方法来改进剩余使用寿命预测
如今，基于状态的维护 (CBM) [1] 是制造业越来越多地尝试采用的一种维护策略，目的是降低设备单元的生命周期成本并延长其可用性。CBM 使用实时信息通过恢复设备单元的功能特性来优化维护时机。它基于设备单元的当前健康监测，因此添加预测工具来预测未来状态和预测维护非常重要。故障预测是 CBM 的主要任务之一。它根据状态监测信息估计设备单元的 RUL。通常，预测方法可以根据所用信息的类型分为三大类。这些类别 [2]、[3] 被定义为基于物理模型的方法、数据驱动的方法和基于融合的方法。基于物理模型的方法 [4] 使用显式数学模型来表示动态系统的退化。数据驱动的方法基于状态监测，
飞机维护、修理和大修中的人工神经网络数学方法
摘要 - 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有诸多优势，包括可以延长航空电子设备的维修间隔和预测故障，同时考虑到运行的外部因素。这必然会降低 LCC 并提高安全性。
增材制造缺口聚乳酸样品的平均应变能密度标准的验证
尽管缺口和裂纹在工程应用中无处不在，但它们仍然对准确的故障预测构成挑战。对于许多实际应用，希望有一种简单而可靠的方法，使用简单的线弹性有限元模拟和粗网格来局部预测任意形状的缺口和裂纹部件的故障。实现这一目标的众多方法中的两种是临界距离理论 (TCD) [ 2 ] 和平均应变能密度 (ASED) [ 1 ] 标准。虽然后者已广泛应用于传统材料，但它在增材制造领域的局限性仍未得到充分探索 [ 3 ]。增材制造具有许多潜在的优势和用例，例如快速成型、复杂拓扑优化和大规模减重，涉及从医学到航空工程等许多学科，显然需要深入了解增材制造，以弥合其能力与当前工业应用之间的巨大差距。增材制造的概念
文章 数字孪生驱动的半物理仿真，用于智能制造系统中工业软件的测试和评估
摘要：为满足产品个性化制造的需求，智能制造系统（SMS）需要频繁进行重构。为了快速验证工业软件在针对新产品订单或升级产品订单重构SMS时的可靠性和适应性，提出了一种基于数字孪生驱动技术的工业软件测试评估半实物仿真方法。通过建立SMS半实物仿真模型，通过在各种制造场景中运行工业软件来快速验证软件系统的可靠性和鲁棒性。本文详细阐述了面向SMS开展工业软件半实物仿真测试评估的关键技术，包括如何同步信息系统和物理系统、如何进行半实物加速仿真测试、如何快速识别实际生产环境中使用的工业软件中的缺陷等。通过建立步进电机半实物仿真生产线模型，验证了所提方法的有效性和实用性，并显著缩短了工业软件的测试验证时间。最后，通过故障注入测试进一步验证了SMS工业软件的鲁棒性，以期为故障预测或故障预防研究提供参考。
基于数字孪生的复杂产品设计-制造-运维集成
摘要：针对智能制造背景下复杂产品设计、制造和运维阶段的信息孤岛问题，实现复杂产品设计、制造和运维流程的集成，提出一种基于数字孪生技术的复杂产品设计-制造-运维集成方法。针对复杂产品设计、制造、运维业务集成的集成需求，首先提出了基于数字孪生的复杂产品设计-制造-运维集成框架，设计了数字孪生模型虚实结合的模型和运行机制。然后，对基于数字孪生的设计-制造-运维集成过程的多阶段协同设计技术、数据智能感知技术、数据集成与融合技术实现进行了分析和探讨。最后，通过某动车组转向架关键部件故障预测案例，展示了动车组设计-制造-运维流程的集成运行模式。它验证了所提出的框架、流程和方法的有效性。
出版详情：Hsu, P.-N.、Shie, K.-C.、Chen, K.-P.、Tu, J.-C.、Wu, C.-C.、Tsou, N.-T.、Lo, Y.-C.、Chen, N.-Y.、Hsieh, Y.-F.、Wu, M.、Chen, C. 和 Tu, K.-N. (2022)。人工智能深度学习用于 3D IC 可靠性预测。科学报告，12，第 6711 篇文章。https://doi.org/10.1038/s41598-022-08179-z
由于 2D IC 的摩尔定律即将终结，三维集成电路 (3D IC) 技术最近备受关注。然而，3D IC 的可靠性受制造过程中互连中的空洞和故障的影响很大，通常需要缓慢测试并依赖于人的判断。因此，对 3D IC 的不断增长的需求引起了人们对可靠性分析和故障预测重要性的极大关注。本研究结合基于卷积神经网络 (CNN) 的 AI 深度学习，对 3D X 射线断层扫描图像进行无损分析。通过使用可靠的收集图像数据库训练 AI 机器，AI 可以根据无损 3D X 射线断层扫描图像快速检测和预测焊点的互连操作故障，准确率高达 89.9%。还揭示了决定回流微凸块“良好”或“故障”条件的重要特征，例如中间横截面的面积损失百分比。
基于数字孪生的复杂产品设计-制造-运营和维护 (O&M) 集成
摘要：本文提出一种基于数字孪生技术的复杂产品设计-制造-运维一体化方法，旨在解决智能制造背景下复杂产品设计、制造和运维阶段的信息孤岛问题，实现复杂产品设计、制造和运维流程的一体化。针对复杂产品设计、制造、运维业务一体化的集成需求，首先提出了基于数字孪生的复杂产品设计-制造-运维一体化框架，设计了数字孪生模型虚实结合的模型和运行机制。然后，对基于数字孪生的设计-制造-运维一体化过程的多阶段协同设计技术、数据智能感知技术、数据集成与融合技术实现进行了分析和探讨。最后，通过某动车组转向架关键部件故障预测案例，展示了动车组设计-制造-运维流程的一体化运行模式。它验证了所提出的框架、流程和方法的有效性。