„Бисквитки“ на уебсайта на SKF

Ние използваме „бисквитки“, за да се уверим, че ви предлагаме най-доброто възможно изживяване по време на работата с нашите уебсайтове и уеб приложения. При продължаване без промяна на настройките на вашия браузър ние приемаме, че давате съгласието си да получавате „бисквитки“. Въпреки това, можете да промените настройките за „бисквитки“ на браузъра си по всяко време.

Преминаване от големи към интелигентни данни

  • История

    2017 Февруари 22, 09:00 CEST

    Събирането на данни за процес и правилното им използване е жизненоважна част от програмите за прогнозна поддръжка - и доказва поговорката, че знанието е сила, обяснява Ъруин Вайс, ръководител на технология Интернет на нещата към СКФ

    Събирането на данните е едно, но това, което добавя стойност е извличането на смисъла им. На модерен промишлен жаргон става въпрос за превръщане на „Големите данни“ в „Интелигентни данни“.

    Големите данни често се възприемат просто като голямо количество данни – генерирани от датчици, устройства, системи и друго измерващо оборудване – от които след това трябва да извлечете смисъла. Въпреки това обаче, те всъщност са малко повече от това.

    Не всички данни приемат една и съща форма. Някои са „структурирани“ - под формата на изходящи данни от датчик например - като обикновено могат да бъдат организирани във формат на база данни. Други данни са „неструктурирани“ и могат да включват текст, изображения, аудио или видео. Смесването на тези два много различни пакета данни е част от сложността на „Големите данни“.

    Общо взето Големите данни се характеризират с ново ниво на сложност и с изисквания по отношение на обема, скоростта, разнообразието и истинността, изисквайки нови системи бази данни за анализиране и използване на данните.

    Предизвикателството е след това да им се придаде смисъл и да бъдат превърнати в „Интелигентни данни“. Обогатяването на суровите данни, използвайки знания и експертиза, е начинът за постигане на това. В промишлен контекст този процес най-често се прилага към операции и техническо обслужване. Събирането на голямо количество данни от процес и правилното им обработване дава на операторите информацията, от която се нуждаят, за да подобрят условията на работа. Правилното пресяване и тълкуване на данните може да спомогне за подобряване на производителността на машина или да удължи експлоатационния ѝ срок, регулирайки условията въз основа на резултатите. Най-просто казано, опитен оператор може да вземе редица отчитания - например температура, налягане и трептения - и да постави „диагноза“.

    Тези структурирани данни образуват основата за режимите на основаващо се на състоянието техническо обслужване („condition based monitoring“ - CBM) и прогнозна поддръжка. Вземането на правилните измервания и предприемането на действия веднага щом те се отклонят от нормата спомага за поддържане работата на машините за по-продължително време. Прост пример е мониторингът на трептенията за лагери, при който единичен пакет данни може да спомогне за удължаване на експлоатационния срок на машините и значително да повиши надеждността.

    Инженери на СКФ наскоро помогнаха на отбора от F1 Скудерия Ферари да получава данни от тестовите си камери в реално време. Платформа, основаваща се на платформата IMx на СКФ, непрекъснато следи поведението при трептения на компоненти на задвижването в тестовата камера, обработвайки до 100000 наблюдения в секунда. Данните бяха съпоставяни до 20 пъти в секунда – за раздробяването им на по-лесно управляеми части – и анализирани. Това, каза Скудерията, помогна на екипа „да се съсредоточи върху резултатите, вместо върху данните“.

    Преди непрекъснатия мониторинг екипът трябваше да отива във всяка отделна тестова камера, за да види какво точно се случва вътре. Онлайн проверката на високочестотни данни - в реално време - беше невъзможна. Това направи откриването и отстраняването на неизправности бавен процес и направи невъзможно създаването на предвиждания за експлоатационния срок на възлите, въз основа на стойностите от тенденциите. 

    СКФ приспособи платформата си IMx, така че да отговаря на това приложение, тъй като то беше по-пригодено към приложения за мониторинг например на ветрогенераторни турбини, които се нуждаят от далеч по-малки количества данни, по-малко на брой канали и по-ниски скорости на обработване.

    Структуриран напредък
    Структурираните данни могат да бъдат тълкувани автоматично: ако например някой параметър се повиши, нормалното или ненормалното поведение може да бъде разпознато и той може да бъде регулиран или да бъде направена диагностика. Текущото предизвикателство е автоматизирането на всичко, включително неструктурираните данни.

    Днес на клиентите често се дава писмен доклад за поведението на машина. Въз основа на опита, инженерни специалисти, като СКФ, подават голям брой такива доклади на клиентите си всяка година. Така че, какво става, ако резултатите от тези доклади могат да бъдат извлечени автоматично и да бъдат използвани за подобряване на възможностите за анализ?

    За това съществуват прецеденти. Системите за машинно зрение например „знаят“ дали даден дефект е сериозен, защото са им били „показани“ много примери. Принципът се използва за проверяване на всичко, от продукти до проверка на качеството. В не много далечното минало подобни дефекти можеха да бъдат разпознати само от оператор-човек.

    Сега подобен принцип се използва за по-сложни машинни проблеми. Автоматизираните системи скоро ще могат да тълкуват голямо количество както структурирани, така и неструктурирани данни и автоматично да диагностицират проблема. Те могат например да сравнят настоящо изображение с минало такова или да извлекат данни направо от писмен доклад. С всеки текст, аудио или видео автоматизираната система ще се учи и ще се подобрява. В същото време експертите могат да се съсредоточат върху проблеми, които все още са непознати на системата и могат да предизвикат надзиравано обучение.

    Разбира се има пречки, които да бъдат преодолени преди да стигнем до тази точка. Докато хардуерът и софтуерът вече са почти готови, все още се нуждаем всички системи – произведени от различни продавачи – безпроблемно да обменят данни една с друга. Достъпът до, обменът и възможността за взаимно обработване на данни дълго време беше повод за притеснение, но това са признаци, че нещата стават по-„отворени“. Особено крайните потребители, обслужвани от множество доставчици, настояват за системи, работещи в хармония едни с други.

    Преминаването от големи данни към интелигентни данни означава преминаване от знание за това, което се случва към знание за това, което ще се случи, защо ще се случи и какво трябва да бъде направено. Ако успеем да постигнем тази проницателност в реално време, ще успеем да създадем полза и стойност за промишлеността.

    Aktiebolaget SKF
    (publ)

    За повече информация, моля обърнете се към:
    Връзки с пресата: Ниа Килстрьом, +46 706 67 28 97; nia.kihlstrom@skf.com

    СКФ е водещ световен доставчик на лагери, уплътнения, мехатроника, смазочни системи и услуги, включително услуги за техническа поддръжка, обслужване и осигуряване на надеждността, инженерингови консултации и обучение. СКФ има представителства в над 130 страни и около 17 000 пункта за дистрибуция по цял свят. Годишните продажби през 2015 г. възлизат на 75 997 милиона шведски крони, а броят на служителите е 46 635. www.skf.com

    ® СКФ е регистрирана търговска марка на SKF Group.
    ™ BeyondZero е търговска марка на SKF Group.

  • Изображение

Изтегляне на пакет за медиите

Пакет за медиите (1.6 MB)

SKF logo