預(yù)測性維護(hù)場景分析與落地研討

預(yù)測性維護(hù)概要介紹預(yù)測性維護(hù)場景分析業(yè)務(wù)場景落地研討設(shè)備每天產(chǎn)生大量的數(shù)據(jù)預(yù)警設(shè)備故障Assetdowntime&maintenance

costs分析故障原因Productquality&brand

perception降低維護(hù)成本Futureclaims&remaininguseful

life我們?nèi)绾卫眠@些數(shù)據(jù)做更好的決策？維護(hù)策略被動式維護(hù)預(yù)防式維護(hù)預(yù)測性維護(hù)如何實現(xiàn)預(yù)測性維護(hù)構(gòu)建數(shù)據(jù)可視化應(yīng)用，以及相應(yīng)維護(hù)流程，實現(xiàn)價值分析業(yè)務(wù)場景，建立預(yù)測模型并訓(xùn)練，生成預(yù)測結(jié)果采集并整合相關(guān)的數(shù)據(jù)資產(chǎn)（傳感器日志，設(shè)備日志等）withrich,

interactivedashboards&reportsusing

thetoolsyou

knowtoincreaseprofitabilityand

customersatisfactionfrom

multipleinternal&

IoT預(yù)測性維護(hù)實現(xiàn)方法Performance

LogsSensor

DataProduction

LogsEnvironment

DataMaintenance

LogsProduceScoresandRecommendationsUsefor

maintenanceplanningPredictiveMaintenanceDataPredictClusterAssociatePreventProactive

maintenancecallsCAPTUREPREDICTACTFeedbackMaintenance

Reports預(yù)測性維護(hù)實現(xiàn)算法決策樹某個時間設(shè)備出現(xiàn)故障，任一零件引起的可能性是多少？某個設(shè)備出現(xiàn)故障的可能性是多少？造成故障的主要因素是什么？最優(yōu)的維護(hù)時間安排是什么？邏輯回歸支持向量機預(yù)測性維護(hù)實現(xiàn)結(jié)果預(yù)測性維護(hù)場景分析（1）業(yè)務(wù)場景：設(shè)備性能診斷預(yù)警場景描述：生產(chǎn)裝置的報警，是設(shè)備性能的一種表征反應(yīng)。從報警中發(fā)現(xiàn)運行裝置潛在的性能問題，作出預(yù)測性維護(hù)，對維護(hù)設(shè)備健康，提升裝置運行周期具有重要的意義。裝置設(shè)備綜合監(jiān)控、報警分析報警信息，發(fā)現(xiàn)隱含的裝置性能問題預(yù)測設(shè)備故障及剩余壽命，提前安排切換維修，實現(xiàn)預(yù)測性維護(hù)采用大數(shù)據(jù)分析技術(shù)，結(jié)合報警信息、設(shè)備數(shù)據(jù)、生產(chǎn)工藝參數(shù)等數(shù)據(jù)，定位裝置中存在問題的設(shè)備部位預(yù)測性維護(hù)場景分析（2）業(yè)務(wù)場景：智能化報警管理場景描述：生產(chǎn)裝置短時間內(nèi)會出現(xiàn)多處報警，多數(shù)報警是由主動報警引起的從動報警，快速定位主動報警并通過合理操作消除報警，對保證裝置平穩(wěn)運行具有重要的意義。報警點所在報警變量因果鏈，以有向圖的形式表示（綠色代表所選的報警點，紅色為主動報警，藍(lán)色為因果鏈上的其他報警點）與主動報警相關(guān)的過程變量因果圖，以紅圈標(biāo)出根本原因預(yù)測性維護(hù)場景分析（3）進(jìn)料情況原料性質(zhì)原料工藝條件操作參數(shù)生產(chǎn)產(chǎn)品產(chǎn)量產(chǎn)品性質(zhì)產(chǎn)品業(yè)務(wù)場景：設(shè)備運行參數(shù)優(yōu)化場景描述：使用PIMS、ORION等軟件進(jìn)行計劃、調(diào)度優(yōu)化時，模型所需參數(shù)目前由經(jīng)驗進(jìn)行設(shè)置。通過大數(shù)據(jù)技術(shù)，從歷史生產(chǎn)加工方案中推送最優(yōu)參數(shù)給優(yōu)化模型，可提高模型的準(zhǔn)確性，且優(yōu)化方案更具有可執(zhí)行性。根據(jù)當(dāng)前原料性質(zhì)，使用大數(shù)據(jù)技術(shù)從歷史加工數(shù)據(jù)中選定最優(yōu)模型參數(shù)PIMSORION加工方案庫排產(chǎn)方案大數(shù)據(jù)業(yè)務(wù)場景落地研討大數(shù)據(jù)&分析速贏項目建議詳細(xì)講解。闡述大數(shù)據(jù)主要概念，行業(yè)應(yīng)用，參考案例，理解數(shù)據(jù)洞察力*的新發(fā)展趨勢*數(shù)據(jù)洞察力：BI、大數(shù)據(jù)、預(yù)測分析和機器學(xué)習(xí)協(xié)同工作。了解客戶業(yè)務(wù)問題，分析業(yè)務(wù)場景案例，提出解決方案建議和實時路線圖，制定業(yè)務(wù)場景實現(xiàn)效果及可視化應(yīng)用設(shè)計方案建議。最終確定后續(xù)步驟，根據(jù)解決方案建議，設(shè)計并實現(xiàn)1-2個業(yè)務(wù)場景案例，并開發(fā)數(shù)據(jù)可視化應(yīng)用，完成應(yīng)用部署，實現(xiàn)功能快速見效大數(shù)據(jù)&分析速贏服務(wù)計劃2

天研討會

第

1-2

周構(gòu)想和用戶體驗

第

3-7

周開發(fā)

第

8

周穩(wěn)定化和部署

Microsoft

主持的討論業(yè)務(wù)和技術(shù)問題的構(gòu)想會議，推動貴方場景的選擇可交付結(jié)果——所選的場景、架構(gòu)、計劃制定業(yè)務(wù)、用戶和系統(tǒng)要求

可交付結(jié)果——要求、技術(shù)方法、用戶體驗

(UX)

設(shè)計

Microsoft

使用數(shù)據(jù)洞察力解決方案模式、PowerBI

和Microsoft

數(shù)據(jù)平臺來開發(fā)應(yīng)用程序可交付結(jié)果——應(yīng)用程序、支持評估研討會應(yīng)用程序完成和執(zhí)行簡報可交付結(jié)果——部署的應(yīng)用程序、路線圖、計劃和相關(guān)的估算、支持建議

大數(shù)據(jù)&分析速贏服務(wù)交付內(nèi)容與客戶主要利益干系人協(xié)作，確定和規(guī)劃一個有效且適當(dāng)?shù)挠美?。設(shè)計和加載一個與所選用例相關(guān)的數(shù)據(jù)模型，包括支持?jǐn)?shù)據(jù)字典。對數(shù)據(jù)進(jìn)行迭代建模和分析，按需擴充新數(shù)據(jù)，同時與客戶一起驗證和提煉。使用MicrosoftPower

BI工具開發(fā)一組可視化數(shù)據(jù)并向客戶主要利益干系人演示。Microsoft

Azure基礎(chǔ)結(jié)構(gòu)即服務(wù)MicrosoftAzure存儲和HDInsight