透过人工智能进行仪器预测性维护
创科方案 |
透过人工智能进行仪器预测性维护
(编号: S-0164) |
已配对创科愿望 |
|
试验项目 |
|
方案特点 |
- 备件预测:人工智能的预测将比传统的统计方法更准确,从而实现更精准的库存量
- 预测性维护:将维护原因,故障的数据与备件库存量等数据结合起来,再使用人工智能计算预测性维护的进程表
- 了解用户文本备注:通过使用NLP,人工智能可以理解及分类非结构化的数据,达致理解用户的评论及文本备注
|
试验应用及预期成果 |
- 数据发现,挖掘和规划:进行数据库和结构知识发现并挖掘数据以识别数据相关性从以制定模型。
- RNN模型制定:RNN能够学习多维数据之间的相关性,从而对备件需求,可用性,维护计划等进行全面预测。
- NLP用户评论总结:通过NLP技术,如分词,标记和关键字提取。从而将数据汇总并分类为有用的集群。
- 模型拟合和微调:模型开发后,使用真实数据评估模型的准确度等参数,并利用用户备注对模型进一步微调。
- 安装:由于仅使用局域服务器的限制,将在机电工程署的局域服务器中完成。步骤包括代码传输和完整安装测试。
|
方案提供者资料 |
|
有关上述创新科技解决方案的详情,请联络方案提供者查询。