Resumen

Recientemente, el desarrollo del Internet Industrial de las Cosas (IIoT) ha llevado a las empresas a reexaminar la investigación de los modelos de predicción del estado de los equipos y las aplicaciones de fabricación inteligente. Tomemos como ejemplo típico los robots industriales. Bajo el efecto de la escala, la decisión de mantenimiento del robot afecta seriamente al coste de las piezas de repuesto y al despliegue de la mano de obra. En este trabajo se propone un método de evaluación para predecir el estado del aceite lubricante del robot basado en la regresión de vectores de soporte (SVR). Sería el modelo adecuado para evitar los riesgos estructurales y minimizar el efecto del pequeño volumen de la muestra. La tecnología IIoT se utiliza para recoger y almacenar los valiosos datos de funcionamiento del robot. Se extraen las características clave del estado de funcionamiento del robot y se aplica el modelo de aprendizaje automático según el contenido de elementos medidos del aceite lubricante. Como resultado, el coste del consumo de piezas de repuesto puede ahorrarse más de dos millones de CNY al año.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:efectos de escala, contenido de elementos medidos, internet de las cosas, modelo de aprendizaje automático, aplicación de fabricación inteligente, regresión de vectores de apoyo, datos de funcionamiento del robot, pequeño volumen de muestra, consumo de piezas de repuesto, aceite lubricante del robot
• Keywords:effects of scale, measured elements content, internet of things, machine learning model, intelligent manufacturing application, support vector regression, robot running data, small sample volume, spare part consumption, robot lubricating oil