AI數據分析之機械手臂故障預測｜RapidMiner

.......客戶為零件製造商，為了減少人力成本與提升效率，已在工廠引入大量機器手臂協助貨物的搬運。為了避免機械手臂故障而造成停工的損失，希望藉由AI大數據分析提早預判故障發生，並進而規劃機器手臂保養時程。
 

.......使用 Knowledge Studio 及 RapidMiner ，根據蒐集到的機械手臂數據，包含運轉時間、用途、驅動方式、手臂長度、手臂類型等等，將相關數據進行AI預測模型訓練，以該預測模型進行機器手臂故障預測，最終建立一套完善的保養流程。
 

• 針對機械手臂故障預測的需求，藉由 Knowledge Studio 及 RapidMiner 觀察不同因子與故障的關聯性。
• 根據資料建立AI模型達成機械手臂的故障預測。
• 加入KPI協助管理者安排保養維修的優先程度，完成維修保養流程最佳化。
• AI大數據分析有許多演算法可供運用，比如聚群分析(K-means)、K-NN模型可判斷歸類、關聯分析、監督預測學習(決策樹、隨機森林、Deep learning、Bagging、線性回歸…等)，來建構預測模型。