预测分析管道：真实世界 AI、预测性维护和时间序列数据

作者：Jason Myers / 开发者
2024 年 7 月 23 日

导航至

真实世界 AI

如今关于 AI 的讨论如此之多，以至于我们似乎很快忘记了 AI 不是单一类型的技术。它是一个类别，几乎是各种不同技术、应用和方法的统称。“生成式 AI”和“机器学习 AI”（通常称为“真实世界 AI”）描述了属于更广泛的 AI 标题下的两个不同分支。

生成式 AI 是指旨在生成新内容的模型和算法，例如文本、图像、音乐，甚至类似于用于训练这些模型的数据的代码。但是，我们更关心的是真实世界 AI。这种机器学习使用算法和统计模型，这些模型依赖于模式和推理，使计算机能够在没有明确指令的情况下执行特定任务。当我们谈论创建更智能的系统时，真实世界 AI 是背后的驱动力。

工业运营不断努力进行优化和改进。即使效率提高 1%，也可能为公司节省数百万美元。真实世界 AI 使公司能够使用数据来推动改进并提高其利润。在工业领域，基于数据的预测可能产生巨大影响。让我们看一下预测过程的构成，然后考虑一个真实世界的例子。

预测分析

预测分析使组织能够预测未来的事件和结果。这使企业能够提高运营效率、降低风险并获得竞争优势。

了解预测分析

预测分析利用统计模型和数据分析来预测基于历史和当前（对于时间序列数据，实时）数据的未来事件。这种方法有助于识别潜在的风险和机遇，从而实现主动决策。公司无需依赖基于过去经验或直觉的“轶事数据”的传统方法。

预测分析帮助各行各业的公司简化运营、减少停机时间并有效地分配资源。例如，在制造业中，预测分析可以通过分析维护记录和传感器数据来预测设备故障，从而实现及时维护并减少运营中断。

预测分析在工业运营中的主要优势

当正确实施和使用时，预测分析为工业和制造业领域的组织提供了显著优势。

  • 减少停机时间： 反应性维护，基本上是等待某些东西损坏，极具破坏性。通过预测设备故障，组织可以主动安排维护。这确保他们可以采取措施最大限度地减少生产线离线的影响，更好地协调维修人员，并全面提高生产力。
  • 提高运营效率： 总体设备效率 (OEE) 是工业运营商的关键指标。生产机械的效率和一致性越高，对公司越有利。预测分析可以识别复杂工业流程中的低效率和瓶颈。这使操作员能够查明问题区域并做出更明智的决策。
  • 提高产品质量： 与前一点相关，工业设备越一致和可靠，其产出就越一致。实时数据分析有助于识别生产异常，确保高质量的产出。这减少了浪费，并节省了资金。
  • 增强库存和供应链管理：预测分析的连锁反应也影响着供应链。公司可以更好地了解和预测原材料的需求。优化库存采购、存储和管理可以降低成本并提高服务水平。

预测分析的实际应用

在介绍了预测分析的一些主要优势之后，现在让我们快速浏览一下公司用来实现这些优势的技术和方法。

随着我们深入 工业 4.0，使用 AI 变得越来越普遍。工业环境中的预测分析涉及使用历史数据、统计算法和机器学习技术来预测未来结果。

工业传感器和系统生成各种数据，其中大部分是时间序列数据（即带有时间戳的数据）。跟踪随时间的变化对于建立基线并了解机械功能与这些基线的比较情况至关重要。

时间序列数据和机器学习是预测分析的基础。让我们看一下预测性维护形式的预测分析的真实世界示例。InfluxDB 是一个专门构建的时间序列数据库，用于管理和处理时间序列数据。

LBBC Technologies

LBBC Technologies 是世界领先的工业高压釜技术设计商和制造商。航空航天客户在其高性能铸件（如涡轮叶片）的制造中使用此设备。LBBC 为全球客户提供支持。所有 LBBC 设备都配备了工业网关，可简化工业 PLC 和 Web 服务（如 AWS）之间的数据连接。LBBC 使用这些技术为其客户提供“互联支持”和 Web SCADA。

我们可以在 LBBC 供应给许多航空航天制造商的核心浸出机上看到真实世界 AI 和时间序列数据的实际应用。核心浸出过程使用氢氧化钾，这是一种危险且昂贵的化学品。在此过程中，氢氧化钾会缓慢产生硅酸盐，随着硅酸盐逐渐积累，会损害机器浸出岩心的能力。

高二氧化硅水平会增加质量缺陷的可能性，但测量二氧化硅水平并预测客户何时需要更换氢氧化钾是一项技术挑战。LBBC 使用 InfluxDB 收集和可视化来自这些岩心浸出机的数据，发现了一种数据模式，使他们能够在无需复杂、灵敏且非常昂贵的在线分析设备或繁琐的实验室测试的情况下监测氢氧化钾的状况。

最终，数据显示硅酸盐的积累影响了强氢氧化物的自然低蒸气压。在确定这种关系后，LBBC 使用 InfluxDB 处理数据以量化氢氧化物质量，而不是对机械本身进行机械更改，或投资其他检测方法。

在一年多的时间里，LBBC 收集了数据用于其计算，包括有关压力、温度、阀门、泵和其他重要特性的工艺细节。数据点跨越 150 个循环，包括新鲜和用过的氢氧化钾，总共超过 130 万个数据点。图 1 显示了其中一个循环的数据可视化。数据处理算法隔离了每个循环的某些数据集，并应用最小二乘回归来生成一个名为静止蒸气压 (RVP) 的新变量。

图 1

使用此算法，LBBC 确认 RVP 随着硅酸盐的积累而增加，然后在客户刷新氢氧化钾供应时下降。凭借从时间序列数据生成此信息的能力，LBBC 跟踪 RVP，并在 RVP 达到表明更换氢氧化钾将减轻质量问题的水平时主动通知客户。

图 2

随着 LBBC Technologies 在使用时间序列数据方面获得更深入的专业知识，他们将继续改进其预测性维护方法和最佳实践。

要开始使用您的时间序列数据，立即试用 InfluxDB。