基于相异性的预测性维护方法及其在HVAC系统中的应用
机器学习
2017-01-16 v1
摘要
预测性维护的目标是预测设备发生故障的时间，以便主动采取必要措施确保其可用性。在许多应用场景中，预测性维护被应用于一组同构设备。本文首先回顾了当前用于基于状态维护的分类法和方法论；其次，我们认为该组设备（即“队列”）所有设备行为之间的相互相异性可被用于检测即将发生的故障。具体而言，受基于相异性的表示启发，我们提出了一种新颖的机器学习方法，基于对该队列测量值的并发相互差异的分析。我们在一组安装在意大利医院的17个HVAC（供暖、通风和空调）系统的一年历史数据上评估了我们的方法。我们表明，某些类型的故障可以被预见，其准确度（以ROC曲线下面积衡量）高达0.96。
引用
@article{arxiv.1701.03633,
title = {A dissimilarity-based approach to predictive maintenance with application to HVAC systems},
author = {Riccardo Satta and Stefano Cavallari and Eraldo Pomponi and Daniele Grasselli and Davide Picheo and Carlo Annis},
journal= {arXiv preprint arXiv:1701.03633},
year = {2017}
}
备注
keywords: predictive maintenance, condition-based maintenance, prognosis, machine learning, dissimilarity-based representation, HVAC. 15 pages