螺旋焊管厂家的数据采集-天津市朋展钢管有限公司

螺旋焊管厂家的数据采集

浏览：161 发表时间：2020-05-28 15:59:54

螺旋焊管厂家随着时间的推移，这个分布可能会有慢慢向某一个状态发展的趋势，我们所量化的结果就形成了一个时间序列，这个时间序列代表的就是衰退的轨迹，进而对这个趋势的未来发展迸行预测，就可以推断出在未来的什么时间会发生什么问题或故障。如果故障模式不止有一种，这些特征的组合就会形成代表不同故障模式的区域，称之为特征地图，如图1-7所示，可以用来判断设备当前所处的状从分析的实施流程来说，数据驱动的智能分析系统采用了如图1-8所示的分析框架，包括5个主要步骤：数据采集、特征提取、性能评估、性能预测和性能可视化以及性能诊断。可用数据包括了传感器信号、状态监控数据、维护历史记录等。这些数据可以用特征提取的方法进行处理，从而得到衰退性的特征。基于性能特征，生产系统的运行状况可以通过健康置信值（coη fidence value）来评估和量化。另外，可以在时域内预测特征在将来的值，从而可以预测性能的衰退趋势和问题发生的剩余时间。最后，诊断方法可以用来分析问题产生的根本原因和问题诊断。这个智能分析系统的范例已经被广泛地应用，尤其是在生产系统中设备的预测性维护和健康关系方面，从简单的机械元件（如轴承）到复杂的工程系统（如发动机），从机械设备到结构，从单个机器到生产线，从制造产业到半导体产业等，都有非常成功的应用。

螺旋焊管厂家不论各个应用区别如何，它们都有一个共同的特征，就是通过算法或技术在关键步骤上获取信息并传输信息。即使对于同一个应用领域，也要根据不同应用的实际情况（如稳态或瞬态信号、数据维度、有无足够样本等）来选择算法工具。因此，美国辛辛那提大学NSF产学硏合作智能维护硏究中心（IMS〕提出并发展了针对预诊断与健康管理的工具箱，将广泛使用的智能分析算法整合在一起，并且评估每一个算法在不用情况下的优势和劣势，采用一种系统化的方法把每个算法的适用度进行优先级排序，从而减少了实际应用开发中反复试验的次数。

第三个方向：螺旋焊管厂家利用反向工程，利用知识对整个生产流程进行剖析和精细建模，从产品设计和制造系统设计端避免问题与前文所描述的两个方向不同的是，反向工程既不是从问题，也不是从数据端来分析问题，而是从结果或知识端去反推问题。其核心是找到隐性问题的显性根源，简单地说就是从结果里找原因，再从原因中开发及制定关键技术和优化6- sigma的控制流程。如果说前文所提到的两个方向是讲隐性的问题显性化，再把显性的问题抽象化，从而固化成知识被保存和传承下去的过程，那么这里要介绍的就是如何将这些知识再具象化，从而形成能够被执行和用来解决问题的"ABC〔简单易行的操作流程）?的过程从一个工程师的角度来看反向工程，他可能会问这几个问题：反向工程可以做些什么？反向工程不可能做到的是什么？如何利用反向工程来辅助现阶段硏发和改善的过程？我们可以在图19中找到前两个问题的答案。这是一张风扇叶片图，它展示了叶片的设计参数。利用反向工程，我们可以得到这些参数的数值，却不会知晓隐藏在这些参数（如叶片形状或厚度分布等）之后的秘密。这张图传递的最重要的信息就是，反向工程可以告诉我们某个部件的外形是什么样的，却不能告诉我们，螺旋焊管厂家为什么是这个样子的。但是反向工程与大数据分析相配合，或许能够解决这个问题，也可以回答如何利用反向工程来辅助研发和改进的过程。