【數據分析】 機器學習工業應用系列之--設備剩餘壽命預測

近年來，隨著工業4.0的推進，工業設備的智能化和複雜程度都大大提升，傳統的基於模型的方法得到的效果不能滿足對設備健康狀態的評估要求，而典型的工業設備剩餘壽命預測具有很大的科學和工程價值。

工業設備在設計時，往往考慮的是典型的，代表性的工況，可設備在實際的使用過程中，受各種因素的影響，環境，用途，使用頻率，作業狀態等等，這些因素很難在設計上考慮的面面俱到，那麼就導致每個設備的剩餘使用壽命會出現很大的差異。目前，得到大家普遍認同的方法是利用機器學習的方法，針對以往大量的實際歷史數據，通過構建數據分析模型，來預測設備的剩餘使用壽命。

本案例就是介紹了使用 Altair 數據分析產品來預測設備的使用壽命，首先在機器學習工具 Knowledge Studio 對數據進行處理，然後構建多個數據模型，比如深度學習，隨機森林，線性回歸等模型，然後比較模型的差異，推選出最合適的模型。最後，利用Knowledge Studio 的強大的自動生成代碼功能，輸出 Python 代碼，並部署到 Altair 實時可視化工具 Panopticon 中，再以可視化的方式來顯示經過數學模型預測後的剩餘使用壽命。

什麼是 Knowledge Studio ?

Altair Knowledge Studio  是一個先進的數據挖掘和預測分析工作台，以其行業領先的專利決策樹、策略樹以及工作流和嚮導驅動的圖形用戶界面而聞名。

憑藉先進的預測建模功能， Knowledge Studio 為數據挖掘週期的所有階段提供全面的預測分析，在模型開發和部署方面功能尤其強大。

想了解更多，歡迎聯絡我們申請試用或產品展示。

• 電話 : (02)2518-9060
• 郵件 : info@agilesim.com.tw