Credit:Unsplash/CC0 Public Domain来自西澳大利亚大学的一个数学家和工程师团队利用网络科学提供了一种见解，即可以在哪里进行有针对性的维护，以帮助工业加工厂变得更加可靠。这项发表在IEEE Xplore上的新研究是作为ARC通过数据科学转变维护培训中心的一部分进行的，该中心是UWA大学、科廷大学、CSIRO和行业合作伙伴美国铝业、必和必拓和罗伊·希尔以及核心创新中心和西澳大利亚矿物研究所之间的合作伙伴。
该中心正在利用网络科学帮助澳大利亚资源部门转变资产维护方式，推动数字化改革，通过计算方法、统计、应用数学和人工智能的发展来确定维护的方式、时间和原因。
网络科学是一个快速发展的学术领域，它专注于研究广泛的物理和社会现象中的联系模式，并涉及新的数据收集方法、创新的数学技术和预测理论。
领导该中心主题之一的UWA物理、数学和计算学院的迈克尔·斯莫尔教授说，这项研究是在人们认识到对一项资产的纠正性维护工作之后，往往会在短时间内对同一项资产或相关资产开展工作之后进行的。
“这是一个被称为连锁故障的问题，但当你考虑到我们在这种规模的公司中谈论的资产数量以及维护和运营数据量时，识别和确认这些事件是非常困难的，”Small教授说。
“我们的行业合作伙伴运营着充满设备的大型复杂工厂，他们在SAP等系统中存储了大量记录，每次进行维护时都会记录下来。”
该团队与该中心的合作伙伴之一一家矿业公司合作，调查了描述该组织水泵维护工作的工作订单，分析了2011年至2019年八年期间5655台不同水泵的88545份工作订单。
“但不仅仅是工作订单，我们还与地面上的维护工程师合作，他们手里拿着扳手，他们通常掌握着不成文的机构知识，用复杂的网络分析来模拟过去的行为，试图找到模式，”Small教授说。
“使用我们的模型，它背后有一些非常沉重的数学计算，我们能够识别出‘超级传播者’泵——经历了纠正性维护事件的泵，导致对其他泵的纠正性维护。
“有趣的是，我们发现在某些泵中存在‘自循环’，在这种情况下，一项资产出现故障并被修复，然后再次出现故障，并且在备用泵中普遍存在隐藏故障。”
CSIRO-UWA复杂工程系统讲座教授Small表示，该模型正在进一步开发中，已经可以应用于多个工作场所，并将用于帮助公司改变运营、维护和记录实践。
他说:“做一些积极的事情，将数据科学应用于最终能帮助公司真正节约成本的事情，这是值得的。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
