创科方案 |
开发用于升降机的预测性保养人工智能模型
(编号: S-1138) |
试验项目 |
|
方案特点 |
- 项目团队具有数据科学、企业资产管理、风险管理和创新科技的相关专业领域,更在全球和本地获得多个奖项。
- 系统架构为开放原始码、灵活(可就地或云端设置)、可延展、实时获取数据和备用数据安全和治理。
- 15 个月CRISP-DM 的AI 建模系统:环境设置和行业分析数据准备、建模、模型实施和微调、评估和反馈、项目交接和蓝图。
- 根据电梯工程师的意见,分析感应器数据及其他潜在外部因素,以确认因素的相关性及预测性保养的要求。
- 方案将选择机器学习算法,包括Random Forest分类和ARIMA时间序列。此选择将考虑各参数,如准确度、精确度、均方根误差。
|
试验应用及预期成果 |
- 与工程师合作15 个月,用约两个月开发及微调每个AI预测性保养模型、提高其准确性。
- 进行相关性分析去瞭解数据集中两个变量之间的关系,有利删除高度相关的变量的影响以获取更好的性能结果。
- 使用资料变换技术提高数据质素并作模型训练,技术包括标准化及处理噪声、离群、缺失数和时间标记数据。
- 因不同的机器学习演算法会产生不同的预测性保养结果,考量相关演算法结果并提供适当的演算法建议。
- 知悉开源 AI 模型需存储于EMSD伺服器。 鉴于疫情和远端存取限制,可能提出择选云端或混合式设置项目实施的建议。
|
附加方案资料 |
Predictive Maintenance of Lifts Discussion Document - EMSD v1.0.pdf
|
方案提供者资料 |
|