案例分享|使用数字孪生体进行预测性维护
当工业设备发生故障时，导致的问题往往不是更换设备的费用，而是被迫停机。一条生产线静止不动可能意味着每分钟损失数千美元。定期维护可以帮助避免计划外停机，但不能保证设备不会发生故障。如果机器能显示出某个部件何时会发生故障呢？甚至如果机器能告诉您哪个部件需要更换呢？这样一来，计划外停机时间将大大减少。计划的维护只在必要时进行，而不是以固定的时间间隔进行。这便是预测性维护的目标：通过使用传感器数据预测何时需要维护，以此来避免停机。在任何预测性维护算法的开发过程中，核心都是传感器数据，传感器数据可以用来训练故障检测的分类算法。在预处理步骤中，将从这些数据中提取出有意义的特征，并使用这些特征训练用于预测
文件下载
评论信息
其他资源
- 颜色增强算法Opencv
- terraform-azurerm-kubernetes：以CoreOS构造方式安装Kubernetes集群：HA，自托管，RBAC，etcd Operator等-源码
- Veriwave Apps用户使用手册（企业内部教程，绝对独家）
- 基于Python的机器学习K-means聚类分析NBA球员案例
- C#通讯录源码
- crimestat软件包
- 中控考勤机iface702固件备份BS版本
- 6s模型 大气校正资料
- C语言课程设计记事本
- QCC_Lock_6_v1.0.0.zip
- OCP 1Z0-071 Q233 (190726).vce
- 2017年IROS稀疏点SLAM论文集合
- 轿车ASR的ADAMS_CAR和MATLAB联合仿真
- ifix图符集安装包
- 1z0-888 MYSQL5.7 OCP
- 哈工大操作系统实验五
- mantis入门使用介绍PPT
- java 利用Kmeans的jar包进行聚类---代码
- 美国等级保护SP800系列标准
- 基于labview虚拟功率分析与设计
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明