近年来,随着工业4.0的推进,工业设备的智能化和复杂程度都大大提升,传统的基于模型的方法得到的效果不能满足对设备健康状态的评估要求,而典型的工业设备剩余寿命预测具有很大的科学和工程价值。
工业设备在设计时,往往考虑的是典型的,代表性的工况,可设备在实际的使用过程中,受各种因素的影响,环境,用途,使用频率,作业状态等等,这些因素很难在设计上考虑的面面俱到,那么就导致每个设备的剩余使用寿命会出现很大的差异。目前,得到大家普遍认同的方法是利用机器学习的方法,针对以往大量的实际历史数据,通过构建数据分析模型,来预测设备的剩余使用寿命。
本案例就是介绍了使用 Altair 数据分析产品来预测设备的使用寿命,首先在机器学习工具 Knowledge Studio 对数据进行处理,然后构建多个数据模型,比如深度学习,随机森林,线性回归等模型,然后比较模型的差异,推选出最合适的模型。最后,利用 Knowledge Studio 的强大的自动生成代码功能,输出 Python 代码,并部署到 Altair 实时可视化工具 Panopticon 中,然后以可视化的方式来显示经过数学模型预测后的剩余使用寿命。
什么是 Knowledge Studio?
Altair® Knowledge Studio® 是一个先进的数据挖掘和预测分析工作台,以其行业领先的专利决策树、策略树以及工作流和向导驱动的图形用户界面而闻名。
凭借先进的预测建模功能,Knowledge Studio 为数据挖掘周期的所有阶段提供全面的预测分析,在模型开发和部署方面功能尤其强大。