AI+工业设备预测性维护方案.pptxVIP

AI+设备（预测性维护）方案;背景;

预测性维护是工业大数据和人工智能结合落地的重要应用场景，为企业带来多方面效益

预测性维护（PredictiveMaintenance，简称PDM）是以设备状态为依据的新兴的维护方式，在设备运行时对其主要部位进行周期性或

持续监测，判定其所处的状态，预测状态未来的发展趋势，并依据该状态发展趋势和可能的故障模式，预先制定维修计划，确定机器应该修理的时间、内容、方式。预测性维护可以为企业带来以下效益：

?降低维保成本?延长设备寿命?提高设备使用率?减少库存成本?提升生产安全;

综合Gartner、IDC、MachinaResearch、

思科、贝恩等多方分析数据来看，工业物联网在整个IoT领域势必会占到很大的份额，到2021年整个市场规模有望达到2000亿美元。据GSMA智库预测，到2025年全球的工业物联网(IIoT)连接数将达到138亿，其中中国地区的连接数约为41亿，约占全球市场份额的三分之一。

预测性维护是工业大数据和人工智能结合落

地的重要应用场景。在《2019-2024年预测维护市场报告》中，IoTAnalytics公司预计，2018年全球预测维护市场规模达33亿美元，预计到2024年，其复合年增长率将超过39%，达到235亿美元。;

维护模式迭代;解决方案;解决思路;解决思路;AI+在工业的应用——产品;AI+设备管理（预测性维护）;AI+设备管理（预测性维护）技术架构;AI+设备管理（预测性维护）——产品清单;AI+设备管理（预测性维护）——产品矩阵

;AI+设备管理（预测性维护）——知识库简介;;AI+设备管理（预测性维护）——数据分析与建模的应用内容;AI+设备管理（预测性维护）——设备+工艺数采的方式;18;AI+设备管理（预测性维护）——三轴加速度温振一体传感器（锂电子龙头案例举例）;20;项目;;AI+设备管理（预测性维护）——综合价值;案例;25;26;27;

u采集数据

需要不同状态的传感器数据(如:温度、电流、振动....)

u模型训练

定义预测的业务目标（剩余寿命/故障类型/是否故障）

u生产阶段

模型部署后，自动进行设备健康状态的判断

可以设置预警规则，直接将预警结果发送到指定责任人

u模型更新

可以使用新的测量数据对模型进行更新，保证识别的准确率;29;亿纬锂能——AI项目（二）

;亿纬锂能——AI项目（三）;32;33;Thanks

AndYourSloganHere.