Korzystając ze strony wyrażasz zgodę na używanie cookie, zgodnie z aktualnymi ustawieniami przeglądarki. OK

E. K. Juuso
Intelligent performance analysis with a natural language interface
DOI 10.1515/mspe-2017-0025
Streszczenie: Najważniejszym celem zarządzania aktywami jest poprawa wydajności. Zaawansowana analiza danych jest potrzebna, aby efektywnie integrować dane monitorowania stanu maszyn podczas działania i konserwacji. Inteligentne wskaźniki obciążeń i stanu zostały opracowane w celu kontroli i monitorowania stanu poprzez połączenie uogólnionych norm z efektywnym skalowaniem nieliniowym. Nieliniowe metody skalowania mogą być również wykorzystane do pomiarów wydajności używanych do zarządzania, ponieważ wskaźniki zarządzania mogą być prezentowane w tej samej skali co inteligentne wskaźniki stanu i obciążeń. Wskaźniki efektywności to odpowiedzi procesu, maszyny lub systemu, na obciążenia analizowane z danych pochodzących z monitorowania procesu i stanu. Skalowane wartości są bezpośrednio stosowane w inteligentnej analizie czasowej do obliczania fluktuacji i trendów. Wszystkie te metody mogą być stosowane w prognostyce i przewidywaniu obciążenia. Znaczenie zmiennych jest korzystne w zdobywaniu wiedzy eksperckiej i prezentowaniu informacji w języku naturalnym. Idea dzielenia problemów na znaczenie w zmienności specyficznych i kierunków interakcji, zapewnia wiele ulepszeń w monitorowaniu wydajności i podejmowaniu decyzji. Zintegrowana analiza czasowa i przetwarzanie niepewności ułatwiają efektywne wykorzystanie wiedzy specjalistycznej. Pomiary mogą być monitorowane za pomocą uogólnionej statystycznej kontroli procesu (GSPC) opartej o te same funkcje skalowania.
Słowa kluczowe: analiza danych, skalowanie nieliniowe, analiza trendu, systemy rozmyte, język naturalny
Czytaj artykuł »

   
© wydawnictwo.panova.pl