本文探讨了一种用于制造业的基于云的预测和健康管理(PHM)框架，旨在增强传统云平台的数据分析能力，预测设备故障并提高生产效率。通过OEE(Overall Equipment Effectiveness)指标评估设备性能，采用微服务模式、代理计算和GPU异构计算平台确保敏感数据安全。案例研究中，使用震动和声学传感器数据，通过小波变换和聚类算法对旋转轴承状态进行监测和分析。
寒假看的第一篇论文，A Cloud Based Framework of Prognostics and Health Management for Manufacturing Industry，写个笔记。
通篇一览，也没啥干货，就是概念，接下来按照文中顺序捋捋。
传统的云平台大部分都只有数据采集、存储和可视化功能，缺少数据分析功能。基于云的PHM就是增加了数据分析的功能，即对设备状态进行预测和健康评估。当然，该架构的最终目标依然是提高生产效率。
基础概念
PHM
Prognostics and Health Management 的简写，也是就是预测和健康管理，工业上针对的对象就是生产设备。
该技术能够预测生产设备故障出现的位置、类型、时间并预测整个生产系统的RUl(Remaining Useful Life)，即剩余寿命。
最终的目的即最大化设备的生产效率（在这里对应一个衡量标准OEE)。
OEE
Overall Equipment Effectiveness，即前面提到的衡量设备生产效率的标准
下面是几个参数的公式定义，结合图很容易理解：
OEE=A⋅P
最低0.47元/天 解锁文章
扫一扫
9578
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
