• С помощью методов статистического анализа и визуализации были идентифицированы паттерны вибрации, предшествующие этапу разрушения подшипника.

• Был протестирован ряд алгоритмов машинного обучения (включая статистические авторегрессионные модели, линейные модели и градиентные бустинги над решающими деревьями). В итоге использовалась устойчивая линейная регрессионная модель, которая обладает точность в 97 % по показателям вибрации. Работа модели была проверена на тестовой выборке, что подтвердило ее способность выдавать статистически значимые предупреждения за несколько часов до резкого роста вибрации.

Созданный прототип системы предиктивного обслуживания продемонстрировал значительный потенциал для внедрения в промышленных процессах организации Заказчика:

• Система позволяет идентифицировать критические состояния подшипников на ранней стадии, предотвращая дорогостоящий ремонт и незапланированные простои компрессора.

• Вместо плановой замены подшипников по регламенту появилась возможность перейти к замене по фактическому состоянию, что увеличивает межремонтный цикл и экономит ресурсы.
• Результаты исследования и построенный дашборд с прогнозами предоставили инженерам организации Заказчика наглядный аналитический инструмент для принятия обоснованных решений.

Закажите звонок, и мы перезвоним Вам и договоримся о проведении коллективного видеосозвона для обсуждения ваших задач, ответов на вопросы, демонстрации возможностей платформы Expasys BI для решения задач по анализу экспортной деятельности в вашем регионе.

Оставить заявку Узнать больше о платформе Expasys BI