XiaoMi-AI文件搜索系统
World File Search System维护方法
柴油发动机状态监测
应急柴油发电机系统或广泛领域中的任何柴油发动机的可靠性至关重要。这些发动机的传统维护程序遵循基于时间或基于统计的方法。由于柴油发动机的用途广泛，这些维护形式不可能像基于状态的监控那样有效。基于状态的监控比传统维护方法具有许多优势。它允许更早地检测和诊断故障，并允许计划维护工作，避免昂贵和意外的停机。它还降低了总体维护成本，因为只有在零件磨损或出现故障时才需要更换，而不是基于时间表。不引人注目地监控发动机的能力也有很多优点，包括降低传感器成本和消除永久篡改发动机的需要。声学监测被认为是实现这一目标最突出和最有效的方法。因此，在各种速度、负载和故障下对大型和小型柴油发动机进行了广泛的实验，然后分析了数据。首先对数据进行统计调查，然后在发现统计结果不佳后使用独立成分分析进行处理。编写了一个程序来自动比较收集到的数据，本文中提出的结果表明，ICA 和声发射能够帮助检测和诊断发动机故障。结果表明，该方法可靠、一致，并且能够区分发动机是处于健康状态还是故障状态。
Microsoft Word - PhD_Thesis_Gary_final 更正以粘贴到可打印版本
在经济的短期主义框架内管理制造业的维护并考虑随之而来的长期成本影响是困难的。管理维护的复杂性日益增加及其对业务结果的影响要求采用更先进的方法来通过在生产系统环境中开展有效活动来支持长期发展。这种基于问题的设计科学研究已经发展成为一种新颖的基于混合模拟的优化 (SBO) 框架概念，该框架分别将多目标优化 (MOO) 与系统动力学 (SD) 和离散事件模拟 (DES) 相结合。其目标是支持管理人员在战略和运营层面进行决策，以确定活动的优先顺序，从而提高维护和生产绩效。为了举例说明混合 SBO 框架，本研究提出了一个 SD 模型来研究维护性能和成本的动态行为，旨在为支持维护实践的长期战略发展提供见解。该模型提倡从系统角度看待维护成本，其中包括动态后果成本，这是整个组成反馈结构中多个相互作用的维护级别的综合结果。这些级别包括从应用的维护方法组合到由此产生的生产主动性，例如计划停机时间与计划外停机时间之间的比率，持续性
煤炭状态维护的发展...
1.0 摘要： - 在热电厂中，燃料的最大需求是煤。处理这种燃料是一项艰巨的工作。为了处理燃料，即煤，每个发电站都配备了煤炭处理厂。如今，几乎所有的热电联产都涉及反应性维护和预防性维护。在当前的商业环境下，成本竞争力和有效的维护管理已被接受为降低成本的企业战略的关键。这导致维护管理功能与生产和业务问题（而不仅仅是设备问题）相结合。设备故障导致高昂的维护和运营成本。实施现代的基于条件的维护概念可以显著降低维护成本并提高机器性能的可靠性。本文讨论的煤炭处理厂的基于条件的维护概念将提供显着的好处。本文介绍的系统将测量和检测退化机制的开始，从而允许在组件物理状态出现任何重大恶化之前消除或控制偶然应力。本文还讨论了在热电联产中实施 CBM 的指南。 2.0 简介： - CBMS 或预测性维护方法是预防性维护的延伸，已被证明可以最大限度地降低维护成本，提高操作安全性，并降低故障的频率和严重程度。
Gratia 2 Edition 2024
•启动人类技术互动研究中心，旨在探索人与技术之间的变革性关系。该中心由卡拉加迪锰的创始人兼董事长达芙妮·马希尔·纳科西（Daphne Mashile-Nkosi）博士正式开设，他还为进一步建立和开发该中心捐款10090万兰特。•我们的新理事会主席Cllr Rajesh Mahabeer的欢迎，他是一位有成就的领导人，在财务领域拥有广泛的背景。Cllr Mahabeer带来了丰富的经验，并致力于高等教育和治理。•在各自领域获得赞誉的学者和研究人员的庆祝活动。Amongst them are Prof. Jaco Gericke who was elected as a Fellow of the South African Institution of Civil Engineering (SAICE), Prof. Kanzumba Kusakana, who is amongst the top-cited scientists globally, Prof. Tshepiso Makhafola who was awarded the Iso Lomso Fellowship for his extensive research in genotoxicity and the use of natural products to prevent mycotoxin-induced遗传毒性和致癌性和Lize Theron教授，他在基于社区的项目类别下获得了2024年Sanral Saice National奖，这是一项创新计划和潜在的游戏改变者项目，该项目改变了所有省份的道路维护方法。
通过沉浸式虚拟现实（Virtual-HF）提高对心力衰竭患者康复的依从性：一种随机对照试验的方案
由于锂离子电池已经变得越来越普遍，因此由于其对系统的可用性和安全性的影响，估计其剩余使用寿命（RUL）已成为必要。rul对于建立预后价值而建立预测维护策略特别有用。电池降解模型还应结合不同用法和环境条件对电池性能的影响，以对RUL进行可靠的预测。电池降解行为必须通过加速降解测试来表征，该测试是根据最佳设计理论计划的，以预测统治并区分竞争模型。可以通过使用基于良好降解模型的增强学习方法来选择最佳的维护策略。本文介绍了所有这些方法的简要概述。单独地，它们在文献中得到了很好的代表，但是考虑它们是一种新颖的维护方法。由于电池经常在不受控制的环境中使用，因此这种方法的综合政策和模型学习方面似乎尤其有希望。锂离子电池的健康状况（SOH）在降低过程中呈指数衰减。可以使用各种方法来估计SOH参数，包括从放电能力或开路电压（OCV），传感器融合算法或间接处理等效串联电阻（ESR）的直接估计。几个因素导致电池降解，包括电池化学，尺寸和操作条件。重要的是要注意，总体趋势始终是特征的
人工智能在预测性维护中的作用
摘要 城市交通基础设施包括道路、桥梁和隧道，对城市交通至关重要，但随着时间的推移，它们仍然容易磨损和损坏。传统的维护方法依赖于被动维修和定期检查，往往无法防止突然发生故障，从而导致代价高昂的中断和安全风险。本研究探讨了人工智能 (AI) 如何通过预测性维护彻底改变基础设施管理。通过部署智能传感器和利用预测分析，AI 能够持续监测结构健康状况，并在潜在问题升级为严重故障之前主动识别它们。该研究开发并测试了一种基于 AI 的预测性维护模型，该模型分析城市基础设施中嵌入式传感器的实时数据，以检测异常并预测故障模式。结果表明，预测性维护模型可以缩短响应时间，将维护成本降低 30%，并防止大约 92% 的意外故障。这些发现强调了 AI 驱动的方法在减少计划外中断、优化资源配置和延长基础设施使用寿命方面的潜力，最终创建更安全、更可持续的城市交通系统。然而，数据变化和环境干扰方面的挑战也值得关注，这表明未来还有改进的空间。这项研究为将人工智能融入城市基础设施维护提供了一个框架，凸显了人工智能在改变城市长期基础设施健康和可靠性方面所具有的潜力。
使用...对工业旋转机械进行多故障诊断
摘要：工业 4.0 是智能制造的时代。没有机械，制造就不可能实现。这些机器大部分由旋转部件组成，因此被称为旋转机器。工程师的首要任务是维护这些关键机器，以减少计划外停机并延长机器的使用寿命。预测性维护 (PdM) 是当前智能维护的趋势。PdM 中的挑战性任务是诊断故障类型。随着人工智能 (AI) 的进步，数据驱动的预测性维护方法正朝着智能制造迈进。一些研究人员发表了与旋转机器故障诊断相关的研究成果，主要探讨单一类型的故障。然而，缺乏对旋转机器“多故障诊断”的综合文献综述。需要系统地涵盖从传感器选择、数据采集、特征提取、多传感器数据融合到系统评价多故障诊断中使用的人工智能技术的所有方面。在这方面，本文试图通过使用“系统评价和荟萃分析的首选报告项目”（PRISMA）方法对工业旋转机械多故障诊断的数据驱动方法进行系统文献综述来实现这一点。PRISMA 方法是系统评价和其他荟萃分析的组成和结构的指南集合。本文确定了该领域的基础工作，并对与工业旋转机械多故障诊断相关的不同方面进行了比较研究。本文还确定了主要挑战和研究差距。它利用人工智能的最新进展提供了实现多故障诊断的解决方案，为该领域的未来研究奠定了坚实的基础。
战略性焦炭电池维护提供......
Richard A. Randolph 4 摘要 有效的焦炉维护需要在焦炭生产和耐火材料保存之间取得平衡。Fosbel 的完整电池维护 (CBM) 提供了一种战略性的焦炉维护方法，可优化炉子可用性并延长电池寿命。这包括全面的状态监测，以及全方位的预防性维护和补救性维修。本演讲将重点介绍 CBM 方法的两项关键技术：焦炉管理信息技术 (COMIT) 和模块化联锁焦炉壁 (MICOWALL)。COMIT 是一款专有的基于 Web 的应用程序，可实现全面的焦炉状态监测。它基于这样的理念：炉壁状况代表电池耐火材料的损坏和操作实践。因此，日常状态监测对于防止炉子故障风险和优化耐火材料寿命至关重要。COMIT 提供电池老化和改进的图形表示，从而可以确定电池维修的优先级并持续评估维护计划。MICOWALL 是一种获得专利的创新焦炉壁重建技术，它使用明显更少的形状来减少停机时间并保持结构完整性。与传统设计相比，这些形状更易于管理且更安全，因为重量减轻，可以快速安装。炉壁的原始结构和热力学完整性也通过特殊的联锁设计得以保持，尤其是在水平烟道周围。关键词：焦炭电池维护；延长电池寿命；耐火材料维修；预防性维护。
基于IoT的工业机械预测维护系统
由行业4.0驱动的工业领域的快速发展强调了需要智能维护策略，以确保不间断的操作和优化的绩效。工业机械在制造过程中起着至关重要的作用，其意外故障可能会导致昂贵的生产停顿，降低生产率和产品质量损害。传统的维护方法，例如反应性维护（失败后修复设备）和预防性维护，通常证明效率低下，昂贵且耗时。预测维护（PDM）通过基于实时数据分析的设备故障提供了更有效的替代方案。这种方法允许维护团队采取积极行动，减少停机时间，延长设备的寿命并最大程度地减少运营费用。物联网（IoT）的出现通过对工业机械进行持续的实时监控，进一步彻底改变了预测性维护。IoT传感器可以捕获关键数据，例如温度，振动和压力，并将其传输到分析平台进行处理。与高级数据分析和机器学习算法的集成在一起，有助于准确的故障检测和预测。但是，实施基于IoT的预测维护系统提出了一些挑战，例如数据安全性，网络延迟以及有效处理大量传感器数据的需求。本文旨在通过提出一个可扩展和强大的基于物联网的预测维护框架来解决这些挑战。本研究的主要贡献包括：
美国空军和日本航空自卫队进行维护训练
2023 年 11 月 24 日 A1C 贾勒特·史密斯 第 374 空运联队公共事务 10 月 31 日至 11 月 3 日，第 374 维修组在横田空军基地接待了日本航空自卫队 (JASDF) 成员，进行双边维护培训。 此次训练由第 374 维修中队、飞机维修中队和作战支援中队的飞行员主持，旨在加深彼此的维护知识并加强沟通，以提高美日军队之间的互操作能力。 “日本航空自卫队来此是为了加深对美国军事维护方法的了解，以及如何将其应用于日常行动，”第 374 维护联队维护行动主管戴维·阿诺德上士说。“我们希望日本航空自卫队维护人员能够通过这次联合训练学习如何合作并开发创新解决方案。” 日本航空自卫队参与者与各自的部队一起度过了一天，观察了各种维护程序，了解了横田空军基地的虚拟现实训练，参观了飞机并与维护专家进行了互动。 “我很高兴我们有机会在这次训练中看到 C-130J 超级大力神运输机，”第三航空运输中队 KC-46 机组长 Fuka Hashiba 下士说道。“了解美国军队的工作方式并相互学习非常有意义。” 横田空军基地经常与空军自卫队合作伙伴一起举办训练，为专家提供交流信息的机会，以加强美日联盟并提高联合任务能力。