I dette blogindlæg vil vi se, hvor meget bedre en Machine Learning model vi kan skabe, ved at have flere nedbrud tilgængelige til at træne på. Således har vi opdelt datasættet til 7, 30 og 100 nedbrud og vil se, hvor meget bedre en Machine Learning model bliver, når vi får en større repræsentation af nedbrydning grundet slitage.

Valg af de rigtige sensorer til prædiktiv vedligeholdelse kan være en jungle. Dette blogindlæg giver dig råd om, hvad du skal kigge efter, og hvordan du kan komme i gang på din rejse. Vi vil også se på typiske faldgruber, og hvad du skal være opmærksom på som kunde for at få de rigtige sensorer, der passer til din produktion.

Hvad er P-F-intervallet, og hvorfor er det vigtigt, når man taler om prædiktiv vedligeholdelse? I dette blogindlæg får du en introduktion til P-F-intervallet, og hvordan prædiktiv vedligeholdelse med machine learning kan forbedre påvisningen af potentielle fejl og give dig muligheden for at planlægge vedligeholdelse, før en fejl opstår.

Mange addressere Machine Learning projekter som en black-box løsning eler en produkt leverance.
Machine Learning-projekter, der leveres med rigtigt, er dog meget mere end det.
Det giver dig indsigt i, om du opsampler det rette data, og om dine hypoteser omkring mønstre i din produktion er sande.

Vi har talt om det i årevis. Konsulentfirmaer har sagt i lang tid, at vi har brug for det. Måske sigter du endda mod det i din strategi?
Hvad er nøjagtigt Big Data? og hvordan kom vi til at snak så meget om det?
Inden du læser videre, så prøv at besvare følgende spørgsmål for dig selv - ingen snyderi: Hvor mange V'er definerer Big Data?

I dette blogindlæg vil vi tale om fordelene ved at anvende begrebet resterende brugbare levetid, eller remaining useful life, på en maskinkomponent som en hoveddriver til planlægning af vedligeholdelse og påvisning af slid, før der opstår nedbrud. Der er et stort potentiale for både at reducere de samlede omkostninger ved vedligeholdelse og reservedele, men også for at øge den samlede oppetid ved at bruge data, når man planlægger vedligeholdelsesintervaller.

I dette blogindlæg gennemgår vi de forskellige tilgange til prædiktiv vedligeholdelse. Right data er altid grundlaget, og forskellige typer maskinlæringsalgoritmer kan bruges afhængigt af den aktuelle situation og det problem / den værdi, vi sigter mod.