预测性维护
通过预测机器出现故障的时间，预测性维护可让您估计进行维护的最佳时间。这样，您可以最大限度地减少停机时间并延长设备寿命。在本系列中，您将了解预测性维护是如何工作的，以及它与其他策略（如反应性维护和预防性维护）的区别。视频还将引导您完成一个工作流，该工作流将帮助您开发预测性维护算法。您将了解条件指示器，以及如何从数据中提取它们以区分健康状态和故障状态。机器学习模型使用提取的条件指标进行训练，以分类不同类型的故障。这些视频还将帮助您了解用于估计机器剩余使用寿命的不同估算模型，如生存、相似性和退化。
第一部分：导言了解不同的维护策略和预测性维护工作流程。预测性维护使您能够通过估计故障时间来找到计划维护的最佳时间。
第2部分：识别条件指示器的特征提取观看此视频，了解如何从数据中提取条件指示器。状态指示器可帮助您区分机器的正常和故障状态。
第3部分：剩余使用寿命估算通过预测性维护，您可以估计机器的剩余使用寿命（RUL）。探索评估RUL的三种常见模型：相似性、生存和退化。
第4部分：如何使用诊断特征设计器进行特征提取了解如何使用诊断功能设计器提取时域和光谱功能，以开发预测性维护算法。
第五部分：数字孪生兄弟了解您如何使用digital twins提前预测故障并减少停机时间、监控和管理您的车队、进行假设模拟以及优化运营。
您还可以从以下列表中选择网站：