Pronósticos y su relación con el análisis predictivo

Pronósticos es un campo de la ingeniería que tiene como objetivo predecir el estado futuro de un sistema. Pronósticos mejora el proceso de programación del mantenimiento, la solicitud de piezas, y el uso de los recursos. Prof. David Nagel, un reconocido experto en energía nuclear, educador e investigador deriva una interesante correlación entre el campo de análisis predictivo y el campo de edad pronósticos.

Video: Análisis demanda y pronostico

El diseño, la producción y el funcionamiento de la maquinaria son varios billones de dólares industrias globales. La anticipación de las necesidades de mantenimiento de la maquinaria y el reemplazo es de gran valor para los fabricantes de todo tipo. Por lo tanto, el campo de pronóstico y Gestión de la Salud (MSP) desarrollado durante las últimas décadas. Un buen ejemplo es el libro El diagnóstico de fallos inteligente y el pronóstico de Ingeniería de Sistemas por G. Vachtsevanos (Wiley).

La idea central es que las máquinas de servicio en las líneas de producción cuando lo necesitan, no de acuerdo con un calendario basado en el tiempo excesivamente conservador. Con el desarrollo y la disponibilidad comercial de los sistemas económicos microelectromecánicos (MEMS) y otros sensores pequeños, y la realización de cálculos en tiempo real sofisticados, el campo de la CRH se desarrolló rápidamente. Se necesitan datos históricos y actuales, y las utiliza para predecir cuando las máquinas requerirán caro y poco ágil atención. Que permite la planificación económica para el cuidado de la maquinaria crítica en diversas líneas de producción. La Sociedad PHM sirve este tipo de trabajo.

Del mismo modo, el análisis predictivo (PA), un campo relativamente nuevo que surgió en los últimos años, se lleva a grandes volúmenes de datos de muchas fuentes, a menudo a través de empresas completas o campos. PA procesa datos con una amplia variedad de algoritmos en diversas computadoras para predecir los tiempos y las condiciones en las que se deben tomar acciones. El campo desarrollado de la CRH y el nuevo campo de la PA comparten metodologías y objetivos comunes.

Actualmente, PA y PHM siguen siendo distintos el uno del otro. Es posible que PHM se mantendrá separado de PA. Puede ser que sea más probable que los dos campos van a interactuar en beneficio mutuo en los próximos años. Los beneficios económicos de tales interacciones podrían ser sustanciales para ambos escenarios.

De hecho, en 2015 la General Motors anunció la creación de una tecnología de pronóstico que tiene como objetivo determinar si algunos componentes del vehículo necesitan atención y mantenimiento debido a un posible fracaso futuro.

Es importante tener en cuenta que un sistema de pronósticos consta de sensores, sistema de adquisición de datos, los algoritmos de predicción para llevar a cabo la fusión de sensores, y el modelo predictivo para interpretar los resultados. Las fuentes de datos involucrados en la construcción de un Sistema de Gestión de la Salud pronóstico incluyen principalmente

Video: Introducción a los métodos de pronóstico

• Datos del fabricante:

• Fabricante datos de ingeniería basados ​​en modelos informáticos y experiencia en el campo de otros sistemas o similares.
• Representa la línea base de rendimiento nominal esperado.
• actualizaciones de datos a cabo mediante la descarga de las últimas rutinas de pronóstico de una base de datos central sitio de análisis a través de medios automáticos (telemetría).

Video: Series de tiempo y pronósticos

• datos de sensor adicional:

• La temperatura del aceite, presiones de aire, vibraciones.
• datos de los sensores que incluyen el ruido como ruido podrían ser indicativos del problema subyacente.
• Plataforma de datos de la CPU

Video: PRONOSTICO DEMANDA 2 promedio, Suavización, regresión lineal

• Muchos algoritmos se han utilizado en los sistemas de pronóstico:

• Regresión lineal.
• Análisis de series temporales.
• Los modelos bayesianos lineales dinámicos.
  regresión no lineal.