10.3969/j.issn.1004-132X.2019.02.008
大数据在设备健康预测和备件补货中的应用
提出了一种设备健康预测和库存优化方法.使用自编码器提取监测信号特征,基于深度神经网络模型进行时序预测,构建设备健康度指标;采用统计分布判定和参数拟合的预测方法实现库存优化;最后,根据设备健康状态与备件数量实现生产主动预警.实例结果表明,该方法预测精度高于LSTM算法,可对设备故障进行精确预警,且备件库存优化模型的可靠性高达90.4%,可有效减少备件库存.
石油化工设备、设备健康监测、统计库存控制、大数据
30
TH17
国家自然科学基金资助项目71371005
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
183-187