诸如制造,能源,运输和医疗保健等行业在很大程度上依赖于复杂的机械,并且其操作中的任何干扰都会对整个供应链产生级联的影响。传统维护策略通常在解决设备故障的动态性质时通常不足以解决设备的动态性质,这会导致在降低设备的范围,而在降低设备的情况下,它会导致降低设备的范围,而在降低设备时,它会导致降落,而降低了降低的设备,该设备降低了降低的范围,该设备降低了降低的范围。风险和增加的维修费用。基于时时间的维护仪,涉及以预定的间隔进行维护,而无论实际设备状况如何导致不必要的维护成本和潜在的设备故障,如果间隔未最佳设置。所有这些方法都缺乏预测失败的能力并根据实际设备条件进行优化维护时间表(Nguyen等人,2022年)。在本文中,我们探讨了AI在预测各个行业的设备故障中的作用,评估对各种AI和机器学习技术在失败预测中的挑战,讨论AI的各种AI和机器学习技术的有效性失败预测。
本文档仅用于信息目的。设备的所有者/操作员的唯一责任是执行与他们的选择,安装,操作,检查,维护,维修以及与设备相关的其他问题相关的任何职责和任务。此外,此处的任何信息都不会修改或无效任何适用HSB政策的任何规定,排除,条款或条件。有关特定条款和条件,请参阅您的保险单。
HSB工程保险有限公司,在英格兰和威尔士注册:02396114,Chancery Place,Brown Street 50,曼彻斯特M2 2JT。在爱尔兰注册为分支机构:906020,28 Windsor Place,下彭布罗克街,都柏林2。HSB工程保险有限公司由审慎监管局授权,并由英国金融行为管理局和审慎的监管机构监管,并由爱尔兰中央银行作为爱尔兰共和国的第三国分支机构授权和监管。
条件监测盟友的预测维护行业所使用的设备避免了称为纠正措施的维护,这反过来又可能造成严重的经济损失。使用行业概念4.0作为人工智能来预测和检测此类设备中的故障,从而增加了系统挑战。这项工作着重于应用机器学习技术,例如支持向量机(SVM),随机森林,最近的KNN-LITTLITER(KNN),多层Perptron(MLP),线性回归等,以预测和检测两种工业设备的故障,旨在比较这些技术的性能。根据传感器收集的数据,使用了该设备的工业齿轮箱,用于该设备,使用监督的分类算法来检测可能的故障。获得的最佳结果是使用SVM和MLP算法。第二个工业设备是一种工业切割刀片,因为使用该设备有监督的算法,这种方法与第一种方法不同,因为可以预见的数据是传感器的数值,所执行的最佳预测是使用线性回归的算法。
Qualtech Systems, Inc. (QSI) 的集成工具集由 TEAMS-Designer ® 和 TEAMS-RDS ® 组成,提供全面的数字孪生驱动和基于模型的系统工程方法,可用于整个设备生命周期内的故障管理 - 从故障管理设计到部署设备的基于条件的维护。在本文中,我们介绍了 QSI 对其现有基于模型的系统工程 (MBSE) 方法的调整和增强,以实现全面的数字孪生,该数字孪生结合了开发过程故障模式、影响和危害性分析 (P-FMECA) 所需的构造,并将其与设备故障模式、影响和危害性分析 (FMECA) 相结合。本文将讨论整合这些模型构造的各种自动化级别及其重用,以实现不同数字孪生的自动化开发,以及随后自动生成组合过程和设备 FMECA。这种自动化开发集成 FMECA 的能力结合了流程级故障模式和设备级故障模式,使系统设计人员和操作员能够关联和识别流程故障,直至设备级的根本原因,从而产生
无形风险制冷系统的微电子覆盖范围一所学校在大型步入式冰柜中确定了变质的冷冻食品,发现其制冷系统无法运行。在恢复系统的合理尝试期间,电子电路控制板的固件被重新加载,但没有将设备返回运行。没有证据表明电路板可检测到物理损害。更换电路板时,冷藏系统将返回使用。支付:
美国联邦航空管理局 (FAA) 为实现 ATC 系统的现代化而做出的努力的核心是高级自动化系统 (AAS),该系统于 20 世纪 80 年代中期启动,在一系列进度延误和成本超支之后于 1994 年 6 月进行了全面重组。美国联邦航空管理局目前的现代化工作包括重组后的 AAS 的部分内容。作为 AAS 一部分的计算机和控制器工作站现代化工作被缩减并重新命名为显示系统更换 (DSR)。AAS 的另一部分,即语音交换和控制系统,被保留下来以增强航路设施的通信能力。美国联邦航空管理局还增加了一个名为显示通道综合体重新托管的项目,该项目将用现成的硬件替换美国联邦航空管理局两个显示计算机系统中较旧的一个 (IBM 9020E),直到 DSR 实施。该报告讨论了这些项目以及 ARTCC 关键和基本电力系统计划,该计划是设施电力系统的升级项目。