IBM使用大数据来防止采矿设备故障

IBM今天正在宣布，它可以帮助采矿公司预测当他们的设备将失败时，使用从设备传感器和丰富的运营数据中剔除一起剔除的实时分析。

这是一种使用超级计算的电力和传感器，来自“物联网”来解决工业公司的巨大财务头痛。

以上：Thiess采矿设备

你永远不知道接下来的大数据将是什么，因为它是一种改变了大量行业的变革技术。在这种情况下，IBM将使用它为每年省数十亿美元，例如挖掘矿业设备的主要运营商等公司。这项工作是由加利福尼亚州圣何塞的IBM Almaden研究中心的研究结果的结果。和Thies。

IBM Research的智慧星球建模和分析经理Matt Denesuk表示，在对VentureBeat进行的采访中表示，建模和分析工作可以改变运营采矿设备的5万亿美元业务。

Denesuk表示，自然资源行业的信息技术支出的支出较低，1％（相比，大多数企业为5 - 7％）。但是，为了安全和其他原因，Denesuk指出，大多数重型采矿设备已经配备了可以将数据广播到通信集线器的传感器。通常，收集数据并将其存储在每月报告中。查看这些人的分析师可以偶尔对设备使用进行评估。

但IBM正在实时提供分析。Denesuk表示，它将从各种来源中缩回各种来源的数据，并能够详细预测特定设备。

Thiess不拥有矿山。但它确实操作了采矿中使用的设备，例如提取器和卡车。Thiess拥有超过700个采矿卡车和一堆提取器，它有一个数据，可以与他们一起去。它收集有关装载卡车承担的信息，环境条件，燃料消耗率，维修历史和其他传感器数据。IBM夺取所有这些并仰卧起见。然后它出现了见解。

以上：Thiess Extractor.

“我们将其插入分析，我们优化整个业务运营，”Denesuk说。“我们可以寻找模式并提出风险评估和成本。”

例如，如果在正常情况下运行一块机器，则它将具有正常的维修需求率和故障率。然而，如果它在重负荷下运行很长时间或者使用异常使用，那么Denesuk表示，该特定机器的故障可能性可能很大。

Denesuk表示，IBM的数据已经经历过Thies和其他矿业公司已经证明非常有用。IBM估计，其见解可以节省30亿美元的矿业公司，每年一年的生产率收益。

这可能听起来很乐观。但挖掘机的成本每天下降500万美元，而失去运输卡车的成本是每天180万美元。如果您可以防止它在该领域下降，那么Denesuk说，这会产生巨大的差异。

“分析和建模可以提供改进我们业务的巨大机会，但我们需要将它们与当前流程集成，以便具有真正的底线影响。使用IBM建立一个平台，将模型与我们收集的数据一起提供，然后向我们的团队提供决策支持信息，将允许我们提高机器可靠性，降低能源成本和排放，提高整体效率和效率我们的业务，“Thiiest矿业矿业总经理Michael Wright说。

预测中最重要的因素是什么？

Denesuk说：“有很多不同的组件跟踪以及许多失败模式。最重要的是负载，磨损和撕裂的大小，以及一起燃料的量。但这不是一回事。这是一个因素的组合。“

他说，维修历史与预测失败不太有用。这是因为它并不总是保持更新，不同种类的设备在现实世界条件下以不同的费率失败。

“一个组成部分可能是时间长期年轻的，但它过度使用可能会让它成为艰难的生活，”Denesuk说。

IBM提出了其领先指标来监控以实现预测。它可以跟踪约200,000个数据流，该数据追踪不同的变量。

在其算法中的IBM模型的项目中是物理物品，如金属部件，以及它们在裂缝之前可以忍受的任何一种压力。另一组数据是基于知识，或者确定何时可能发生某些内容的规则。这些规则被捕获在称为专家系统的人工智能系统中，但他们真的只是体现了经验丰富的人类的最佳知识。IBM还使用基于数据驱动的学习的系统，该系统创建预测模型并随着时间的推移通过实际结果来改善它们。

Denesuk认为，IBM的预测性维护和质量集团及其咨询业务都可以受益于该研究，可以在矿业业的许多公司共享。反过来，应该提高预测的准确性，因为数据恢复了。

Denesuk说，时间很好，因为很多矿业公司都投资了仪器。

“这将投资投资到下一级，”他说。

当然，并非一切都将可预测。“如果有两辆卡车的碰撞，我们就无法做到这一点，”Denesuk说。

以上：IBM的采矿设备分析。