Решение CLOVER PMM ENERGY для прогнозного обслуживания и мониторинга всех видов российского и зарубежного оборудования

Решение Clover PMM ENERGY (Predictive Maintenance and Monitoring) – прогнозное обслуживание и мониторинг сложного технологического оборудования на базе Clover Predictive.

Clover PMM ENERGY это собственная разработка Clover Group. Инновационность подхода заключается в сплаве науки и технологий Machine Learning, Big Data, IIoT, AI. Комплексы, состоящие из физико-математических моделей, прогнозных моделей и сырья обучения (данных), дают лучший результат для оценки технического состояния технологически-сложных решений и высокую точность прогноза отказов. Продукт содержит декларативный язык для поиска нарушений режимов эксплуатации оборудования и предотказных состояний в телеметрии. Указанные механизмы оптимизированы по результатам исследовательских работах в следующих видах анализа: предиктивный анализ, статистическом анализ, прогнозирование и регрессионный анализ.

Для создания решения Clover были применены современные технологические тренды, отражающие накопленный опыт. Подходы и концепции обмена данными между машинами «M2M», легли в основу IoT и IIoT, что нашло отражение в разработанных механизмах сбора данных с оборудования, а главное – отличительной особенности Clover PMM ENERGY к развёртыванию на существующих промышленных IoT/IIoT-платформах.

Технологии обработки Big Data были использованы для «много-температурного» хранилища данных, что позволяет Clover PMM ENERGY работать с высокодинамичным потоком, а также с объёмом накопленных данных более 10Пб.

Технологические тренды Machine Learning и Deep Learning позволили усилить научную составляющую решения и выявлять причины выхода из строя, невидимые при использовании аналогов.

Рейтинг проекта +27

Команда

+ Вступить в команду
Показать еще

Обсуждения

В чем нуждается проект

Технологические площадки, сырье обучения(данные) - для построения гибридных МХ-моделей, состоящих из физико-математических моделей, прогнозных моделей и сырья обучения, которые позволяют обучить систему с использованием «искусственного интеллекта» и дает лучший результат для оценки технического состояния технологически-сложных решений и высокую точность прогноза отказов энергетического оборудования. Возможность тестирования и пилотного внедрения решения на площадках ПАО «Россети».

Комментарии

Светлана Зернес

Здравствуйте, уважаемые коллеги.
Редакция нашего журнала "Энергобезопасность и энергосбережение" поздравляет вас с выходом в финал.
Будем рады видеть вас среди наших авторов и читателей.

Ответить 0 4 октября 2018 в 12:38

Добавление комментария