思科預測性維護解決方案

??設備和零部件的故障、損耗是引起生產線停工、甚至導致嚴重故障的常見問題。制造業傳統的預防性維護(PM-Preventive Maintenance)，也就是對設備零部件定期檢驗和檢修的方式，雖在一定程度上可提前排除故障，但若頻率過高或過低，很容易造成過度維護或缺乏維護；而且停工檢測、維護更不可取，按分鐘計算損耗的制造業，稍有半點差池就會極大影響生產效率、增加生產成本。
??思科預測性維護解決方案其附加技能是提升故障預測的準確度，讓預測性維護變得更通用、可持續、可擴展，它的終極目標是有效提升產能和降低成本、節約能源。本領是能準確估算設備和零部件的剩余壽命以及進行故障預測，使命是改善和解決用戶在制造生產核心環節上業務痛點。
??思科預測性維護解決方案基于邊緣計算、霧計算、云計算三位一體的系統架構，擁有通用可擴展性，解決傳統制造業中的維護問題：
??1、邊緣計算：負責收集和傳遞零部件傳感器數據，對接思科數據總線 - Cisco Kinetic EFM
??2、霧計算：匯集數據，有效存儲數據，實現對數據的分析和預測，用圖表結構友好的展現數據
??3、云計算 ：永久存儲歷史數據，利用云平臺訓練機器學習和深度學習模型
??為了達到準確預測的目的，通過關鍵技術來實現剩余壽命（RUL-Remained Useful Life）估算和故障預測：

??為了確保方案實施的嚴謹性，通常在預測開始之前，會針對剩余壽命（RUL）和故障預測（failure prediction）兩類典型場景進行可實施性指標和可評測性的指標估算：
??1、剩余壽命估算：利用平均估算得分來評估
??2、故障預測：這是一個二分類問題，基于二分類問題的誤差矩陣，利用準確率和漏檢率來評估預測準確性，事實上，能達到的準確率高于 85%，而漏檢率低于 5%

想及時了解曉通宏志更多資訊，請掃描網站右下角二維碼關注“曉通宏志”官方微信。