在荷兰铁路,我们收集10年代数十亿传感器测量来自火车每年舰队和铁路。我们使用这些数据进行预测性维护,如预测火车轮轴轴承的失败和检测列车制动管漏气。这是非常有用的,因为这些失败是出了名的难以探测到在定期维护,而频繁发生,导致严重的延误,造成材料和reputy,和成本。
在这次演讲中,我们展示如何使用压缩机日志为了检测空气泄漏的发生火车制动管道。压缩机运行和空闲时间从日志中提取和建模logistic回归量两个类之间的歧视在正常操作模式。空气泄漏将导致闲置时间变短,空气压力需要更频繁地夷为平地,可检测到的物流模式。然后,density-based集群技术,此类事件的序列可以被识别,而忽略了离群值由于间接停电等现象。这些集群相关水平的严重程度,基于趋势分析可以解锁预计天数压缩机仍将功能分解。该方法开发了Wan-Jui李荷兰铁路和出版“异常检测和严重程度的预测在列车制动管漏气”在国际期刊2017年预测和健康管理。我们实现了本文中描述的方法在生产环境中使用Python和火花。
会话标签:# DSSAIS16
Ivo翻转持有博士学位在图像处理和机器学习,喜欢编程在Python中,c++, Java, Matlab和r .完成他的研究之后,伊加入GoDataDriven应用他的技能和解决实际问题为工业和企业客户。因此,他帮助荷兰国际集团(ING)(银行)和NS(训练舰队)开发生产就绪的数据产品和成长数据科学家的团队。现在,他是参与开发Medicx。人工智能,使命成为医疗转到人工智能的合作伙伴。伊是一个经常在各种国际会议和刊物上发表文章如PyData,火花峰会,大会,CVPR NCCV, ICPR, & Goto会议。