江苏龙网

  1. 首页 > 人文 > >

前沿研究丨用于智能维护的大数据调度和全球标准方法( 六 )


工业5.0环境允许更容易、更有效地定制用于数据收集、管理和辅助决策工具的数字系统 。 当名为SVA的Android主管应用程序收到警报后 ， 它会要求对出现故障的机器或部件拍照 ， 并记录机器的状态和环境（如工作场所安全隐患） ， 同时根据预览体验提供观点 。 主管在这一阶段获得的信息由应用程序进行处理 ， 并按照被称为单点课程（OPL）的说明来评估如何修复机器 。 单点课程通过相关的识别协议将操作员所阐述的部件信息与检查员警报执行的分析相结合 ， 以尽量减少在传感器和执行器之间实施持续改进所涉及的故障风险 。 当发生故障时 ， 高级诊断算法会在MNA应用程序上显示警报 ， 并与单点课程一起逐步支持维护活动 ， 以减少外包支持 。 此外 ， 高级诊断考虑了组织合作者的必要技能（如机械、电气、电子、软件等） ， 并根据可用性和一些重要参数（如维修时间和保证质量）分配等级 。 高级诊断还考虑了人类经验 ， 通过运行人工神经程序（根据实际案例的历史数据进行趋势分析 ， 从而获得任务成功的可能性） ， 并选择维护人员（即从公司现有人员名单中选出最适合的专业技术人员）进行维修 。 主管管理恢复活动 ， 在这些阶段中 ， 系统支持将为他提供帮助 。
当主管结束此描述和选择步骤时 ， 将向选定的维护人员发送一个带有照片和注释的请求 ， 该维护人员在执行维护的同时可以使用MNA Android应用程序访问云中存储的警报 。 一旦获得正确数量的已验证的操作过程 ， 协作机器人就可以被逐步改进以进行自动化维护活动 。
五 数据评估方法（大数据价值链）
为了实现接近零故障的高级诊断的自动运行与维护 ， 在众所周知的大数据价值链分析之后进行了初步分析 。
（一）数据采集
灵活且模块化的系统的实施需要数据调度标准化 。 我们的目标是提供一个与重要机器消息相关的数据结构（库） ， 然后对其进行定义 ， 以便更好地解释数据收集以供下次使用 。 针对硬件组件识别协议和关键性控制分析两个宏观领域 ， 开发与生产线组件相关的人机界面记录和显示 。
该数据库是通过分析每一个硬件和软件设备开发的 ， 根据维护过程中遇到的典型问题 ， 对相关的功能代码（参见硬件组件识别协议）进行数字化：“发生了什么事？”和“怎么办？” 。 对于快速的地理定位 ， 硬件组件识别协议可以在生产线上显示“发生了什么事？” ， 同时回答：“哪里出了问题？” 。 “为什么会这样？”考虑了与硬件及其相关风险相关的因素 ， 而“谁可以恢复它？”则包括有关设备功能使用和更换的所有附加信息 。 为了提供必要的数字支持 ， 根据以往的经验和关键性控制分析 ， 熟练的人力资源会对快速更换部件进行指导 。 关键性控制分析通过提供关于“要做什么？”的必要信息 ， 并通过确定3个子记录来实现快速的问题评估 ， 即“要使用哪些设备和工具？”的手段描述、“什么时候做？”的优先级 ， 以及“如何做好它？”的为了更好地修复、改进并最终回收组件所必需的操作活动 。 在这种情况下 ， 分析侧重于人工神经网络的适当布局记录 ， 从而形成一个数据分析模型 ， 其中唯一的身份证明文件（ID）与链接到相关操作过程的每个微功能区域有关（表2） 。
前沿研究丨用于智能维护的大数据调度和全球标准方法文章插图
表2 “8 W”（或“7W 1H”）用于接近零故障进程的过程区域分区 ， 即发生了什么？哪里发生了问题？为什么会发生？谁能修复？怎么办？使用哪些设备和工具？什么时候做？如何做好？
因此 ， 我们实现了一个基于一些基本和间接的人类问题的调度 。 自古以来 ， 这些问题对于任何类型的假设和论证的发展都非常重要 ， 因此对于问题解决阶段（发现、形成和解决）也非常重要 。
事实上 ， 人脑可以被视为一个处理器 ， 一旦收到刺激（警报） ， 就会明白“发生了什么？”“为什么会发生？”以及“哪里发生了问题？” ， 最后给出解决方案 。 同样的方法（确定问题、原因和位置 ， 以及可以实施解决方案的人员）也可被用于智能维护操作过程 ， 以提供基本的操作说明 ， 即“怎么办？”和“如何做好？”来恢复正常活动 ， 并考虑主题类型及其“使用哪些设备和工具？”的功能以及问题的重要性 ， 即“什么时候做？” 。


推荐阅读


上一篇：支付宝超过1年没有登录，会被自动注销吗？网友看完：涨知识了

下一篇：无论微信里有没有钱，手机里这3类照片都要删除，避免财产受损