智能工厂机器学习试验台启动

工业互联网联盟(IIC)宣布了用于预测性维护的智能工厂机器学习测试平台，该测试由excess IIoT和Xilinx领导。

该测试平台旨在探索机器学习技术，并评估时间关键型预测性维护的算法方法。这些知识带来了可操作的见解，使公司能够从传统的预防性维护转向预测性维护，从而最大限度地减少计划外停机时间并优化系统运行。这旨在帮助制造商提高可用性，提高能源效率，并延长大批量CNC制造生产系统的使用寿命。

“测试平台是IIC及其成员的主要关注点和活动。我们为大大小小的公司提供了合作的机会，并帮助解决将推动许多行业采用物联网应用的问题。”IIC执行董事理查德·马克·索利博士说。“未来的智能工厂将需要高级分析，就像这个测试平台旨在提供的那样，在系统故障之前识别系统退化。这种类型的机器学习和预测性维护可以扩展到制造车间之外，对其他工业应用产生更广泛的影响。”

“一些制造商的停机成本高达每分钟2.2万美元。因此，意外故障是维护成本的主要参与者之一，因为它们的负面影响是由于反应性和计划外的维护行动。能够在故障前预测系统退化对机器可用性有很强的积极影响:提高生产力，减少停机时间、故障和维护成本，”过剩IIoT团队负责人Javier Diaz说。

其他参与测试平台的IIC成员公司提供了支持智能工厂机器学习测试平台的技术，包括:

-工厂自动化
—OT (Operational technology)和IT (information technology)安全
-边缘到云的机器学习和分析
—TSN (Time-sensitive networking)
-数据采集
-智能传感器技术
-设计实施
-嵌入式可编程SoC技术
—安全认证。

-编辑自CFE媒体发布的工业互联网联盟(IIC)新闻稿。查看更多控制工程工业物联网和工业4.0故事．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。