Tempo数据建模平台流程参数功能助力制造业设备智能管控
2022-08-09 17:20:13
次
在当今制造行业中，生产系统中更多的是不可见因素，比如设备性能衰退、精度丧失等。而可见的影响因素往往是不可见因素积累到一定程度所引起的，比如设备的衰退导致最终停机、精度丧失导致质量偏差等。因此，对这些不可见因素进行预测和管理是关键，设备能否正常运行对于制造行业有着至关重要的作用。目前Tempo机器学习平台已经可以通过平台模型的建立和预测过程，实现设备故障的预测，那如何在不改变流程的情况下，快速实现数据的更新，如何对未来每一个月的设备数据进行更新?此时就需要用到TempoAI的流程参数功能，可以灵活控制预测的输入数据，在不改变流程的情况下，快速实现数据的更新，并且针对于过程中的控制参数，比如对温度、湿度等指标过程参数的控制可以控制他们的范围。对于已经建立好的模型，在不用修改流程的情况下，也可以更好的实现预测场景的更新。为客户提供一种灵活的预测机制或数据更新机制，减少客户的时间投入成本。
目前Tempo机器学习平台支持流程参数的节点有：关系数据库输入、Hive输入、Hbase输入、Iotdb输入、关系数据库输出、数据过滤、输入查询分析器、过程查询分析器、Hbase输出等。
下面我们简单介绍几种支持流程参数的节点：
首先，先进行参数设置：
关系数据库输入
可在关系数据库输入-SQL语句中引用流程参数，引用格式：${参数名称}。
关系数据库输出
可在关系数据库输出节点的表名称中引用流程参数，引用格式：${参数名称}。
数据过滤
可在数据过滤中的值中引用流程参数，引用格式：${参数名称}。
......
接下来，我们将结合实际业务流程加以介绍：
制造行业某企业发现近几个月来设备性能和故障时间的预测不够准确，后续在实际工作中设备出现了大大小小的问题，动用大量人力去排查解决问题。
在后续的排查中发现出现问题的原因是由于数据表数据长时间没有进行更新，运用之前的数据去预测未来情况，导致预测设备性能和故障时间存在着较大的误差，出现了预测失误或没有预测到等问题。
一方面影响了设备的正常运行，另一方面也花费了大量的时间、精力和金钱。
这时候就需要运用TempoAI平台流程参数去及时更新数据，具体操作如下所示：
下图为初始设备故障预测初始数据，由于数据时间较为久远导致预测值不够准确，因此我们需要对数据表进行更新：
首先，我们需要先设置流程参数，如下图所示：
1. 导入最新的表数据，并命名为参数a；
2. 设置阈值为0，并命名为参数yuzhi；
3. 新建输出表到参数b；
使用Tempo机器学习平台中的SQL编辑器将导入新数据的参数进行输入将表进行更新，方法如下图所示:
运用流程参数能够及时、快速对表进行更新，有效预防设备性能和故障时间的预测不够准确的问题，有效降低某企业人力、财力的损耗。
在实际工作当中设备温度在0℃以上才被认为是有效工作，输入数据表时，常常会存在设备温度小于0℃的情况，因此我们拖入数据过滤节点进行筛选，在值/字段中拖入我们提前设置好的参数yuzhi，以过滤掉工作温度为0℃以下的数据，具体设置如下图所示（具体参数值可根据实际情况设置，更改参数值时只需要将参数设置中参数值进行修改即可）：
运用流程参数能够快速对数据表进行过滤，有效过滤掉设备非有效工作的数据，降低设备性能和故障时间的预测不够准确性。
同样的在实际工作中企业需要对输出数据进行更新，以便于及时发现数据中的问题，首先选中勾选需要输出的列，将输出表名称替换成我们需要导入的参数中，具体操作如下图所示：
运用Tempo机器学习平台的流程参数能够快速对输出数据表进行更新，保证数据表的时效性，企业也能在第一时间掌握数据信息。
如果大家在实际的业务数据分析过程中，也遇到了数据表需要及时更新、无效数据繁多、输出数据的不及时性等等，欢迎试用TempoAI中的流程参数。
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo指标平台
Tempo数据治理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
