XiaoMi-AI文件搜索系统
World File Search System诺维萨德
塞尔维亚 GrCF3 W2 – 诺维萨德太阳能热电厂
4DH 第四代区域能源 Ca。大约资本支出 资本支出 CHP 热电联产 CO 2 二氧化碳 DH 区域供热 DHC 区域供热公司 DHW 生活热水 EBITDA 息税折旧摊销前利润 EIRR 经济内部收益率 ESAP 环境与社会行动计划 ESDD 环境与社会尽职调查 ESIA 环境与社会影响评估 EU 欧盟 EUR 欧元 EURIBOR 欧洲银行间同业拆借利率 ETI 预期转型影响 FDI 外国直接投资 GCAP 绿色城市行动计划 GDP 国内生产总值 GET 绿色经济转型 GHG 温室气体 GrCF3 W2 绿色城市框架 3 – 窗口 II IMF 国际货币基金组织 Km 公里 LGD 违约损失率 MEI 市政和环境基础设施 MoF 财政部 MoME 矿业和能源部 MW 兆瓦 MWh / GWh 兆瓦时 / 千兆瓦时 NDC 国家自主贡献 NECP 国家能源与气候计划 PD 违约概率 PSD公开摘要披露 PIU 项目实施单位 PP&R 银行采购政策与规则 PV 光伏 RAROC 风险调整资本回报率 ReDEWeB 西巴尔干地区可再生区域能源计划 RES 可再生能源 RoS 塞尔维亚共和国 RSD 塞尔维亚第纳尔 SBA 备用安排 TC 技术合作 WBIF 西巴尔干投资框架 YE 年末
Bahrudin Hrnjica，Selver Softic。制造业中的可解释人工智能：预测性维护案例研究。IFIP 生产管理系统进步国际会议 (APMS)，2020 年 8 月，塞尔维亚诺维萨德。第 66-73 页，�10.1007/978-3-030-57997-5_8�。�hal-03635701�
预测性维护 (PdM) 可预测维护需求，以避免与计划外停机相关的成本。通过连接设备并监控设备生成的数据，我们可以识别导致潜在问题或故障的模式。这些见解可用于在问题发生之前解决问题。这种预测设备或资产何时需要维护的能力使我们能够优化设备寿命并最大限度地减少停机时间 [1]。可解释人工智能 (XAI) 的基本试金石是机器学习算法和其他人工智能系统，它们产生的结果人类可以轻松理解并追溯到起源 [2]。在本案例研究中，我们将考虑制造业中的维护领域。更准确地说，我们将通过将可解释的 AI 输出作为决策和预测的基础来处理 PdM。