İçeriğe geç

Kestirimci Bakım ve Makine Sağlığı Analitiği

Titreşim, sıcaklık, akım ve SCADA verisinden makine başına canlı sağlık skoru; arıza olmadan önce bakım kararı üreten anomali tespiti ve kalan faydalı ömür (RUL) tahmini.

Sahadaki her makineyi ölçülebilir bir sağlık skoruna bağlıyoruz. Mevcut sensörlerden ve SCADA/PLC kayıtlarından akan veriyi temizler, makinenin normal davranış modelini öğrenir ve sapmaları etiketli veri gerektirmeden yakalarız. Fizik tabanlı arıza sınıflandırması (yatak, dişli kutusu, hizalama, elektriksel) alarmı bir bakım iş emrine dönüştürür; kalan faydalı ömür tahmini ise bakımı takvime değil, makinenin gerçek durumuna göre planlamanızı sağlar. Sonuç: planlanmamış duruş ve yedek parça stoku azalır, bakım ekibi doğru makineye doğru zamanda gider.

Öne çıkanlar

  • Makine başına canlı sağlık skoru (0–1)
  • Etiketsiz anomali tespiti — Isolation Forest, otokodlayıcı
  • Fizik tabanlı arıza sınıflandırması ve kök neden ipuçları
  • Kalan faydalı ömür (RUL) ve bakım penceresi önerisi
  • CMMS / ERP iş emri entegrasyonu
1–48 sa
Arıza öncesi uyarı penceresi
%90
Konformal tahmin aralığı güveni
6
Fizik tabanlı arıza kategorisi
0
Etiketli arıza verisi gereksinimi (başlangıç)

Yetenekler

  1. 01

    Veri Toplama ve Temizleme

    OPC UA, Modbus, MQTT ve SCADA dışa aktarımlarından zaman serisi alımı; eksik ve hatalı okumaların otomatik onarımı, duruş dönemlerinin ayrıştırılması.

  2. 02

    Sağlık Skoru ve Anomali

    Her makine için öğrenilen “normal” zarfı; titreşim spektrumu, sıcaklık gradyanı ve yük eğrisindeki sapmalar tek bir sağlık skoruna indirgenir, eşikler işletme deneyimiyle kalibre edilir.

  3. 03

    Arıza Sınıflandırma ve RUL

    Yatak, dişli, hizalama, dengesizlik ve elektriksel arıza kategorileri; bozulma eğrisine oturtulan kalan ömür tahmini ve %90 güven aralığı.

  4. 04

    Bakım Karar Döngüsü

    Alarm → önceliklendirme → CMMS/ERP iş emri → geri bildirim. Teknisyenin bulgusu modele geri yazılır; sistem her bakımdan sonra daha iyi öğrenir.

Nasıl çalışırız

  1. Adım 01

    Sensör ve veri envanteri

    Hangi makine, hangi sinyal, hangi frekans? Mevcut SCADA/PLC ile 2 haftada ilk veri akışı.

  2. Adım 02

    Normal modelinin öğrenilmesi

    4–8 haftalık geçmiş veriyle makine başına taban çizgisi; işletmeyle birlikte eşik kalibrasyonu.

  3. Adım 03

    Pilot ve doğrulama

    Seçilen hat ya da türbin grubunda canlı alarm; her alarm teknisyen bulgusuyla karşılaştırılır.

  4. Adım 04

    Yaygınlaştırma

    CMMS/ERP iş emri entegrasyonu, panolar, yeniden eğitim döngüsü ve SLA’lı izleme.

Sektörler

  • Rüzgar Enerjisi
  • Üretim Hatları
  • Pompa & Kompresör Parkları
  • HVAC & Tesis

Teknoloji

  • Python / FastAPI
  • scikit-learn / LightGBM
  • TimescaleDB
  • OPC UA / MQTT
  • Grafana

İlgili projeler

Tümü →

Hattınızı ya da sahanızı birlikte inceleyelim.

Keşif görüşmesi planla[email protected]

Sıradaki · 01

Endüstriyel Kriptografik Takip ve Serileştirme Sistemleri →