I dette blogindlæg vil vi diskutere, hvorfor du skal stoppe med at fokusere på Big Data og specielt big -delen, som ofte fortolkes som antallet af observationer, vi har i et datasæt.

I dette blogindlæg vil vi diskutere, hvorfor du skal stoppe med at fokusere på Big Data og specielt big -delen, som ofte fortolkes som antallet af observationer, vi har i et datasæt.
I tidligere blogpost viste vi, hvordan Machine Learning kan estimere den resterende brugbare levetid på en jetmotor), I dette blogindlæg sætter vi vores interne bibliotek, Cohen, på prøve ved at estimere det resterende brugbare levetid på NASAs jetmotor med seks forskellige forhold (0 til 20.000 fod) og en fejltilstand, HPC-nedbrud Bagefter vil vi teste den, når vi har to fejltilstande: HPC-nedbrud og blæsernedbrud.
Ofte når vi snakker om prædiktiv vedligeholdelse, referere vi til den metode hvor vi forudsiger nedbrud på en motor eller et leje, ved brug af data som vibration og omdrejningshastigheder. Der findes dog en anden metode, hvor vi anvender kameraer, til at kunne detektere slitage på eksempelvis stegebånd, rullebånd, rust på eksempelvis vindmøller eller lækage i rør.
Vi har tidligere givet en introduktion til superviseret læring, men der findes også usuperviseret læring. Denne blog post vil give dig en introduktion til usuperviseret læring og hvorfor det kan være smart at bruge til visse typer af problemer.
Skal Prædiktiv Vedligeholdelse følge med når i indkøber nye maskiner eller kan det tilføjes til materiel som i allerede har? Tidligere har vi skrevet om hvad du skal kigger efter i sensorer til prædiktiv vedligehold. I denne blog post vil vi dykke i dybden med hvordan du kan eftermontere sensorer på maskinerne som du har i din produktion i dag og komme i gang med prædiktiv vedligehold.
Indenfor machine learning er der en læringsform kaldet superviseret læring. Men hvad betyder “superviseret”? Er der nogle særlige overvejelser du skal gøre når du benytter superviseret læring? Læs videre og få en introduktion til superviseret læring.
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.