系统级预测性维护及质量提升技术
1.痛点问题
预测性维护(PdM)以资产密集型企业为服务对象,用于确定在役设备状况,预测何时应做维护。只在确有必要时才做维护,比日常或定期进行的预防性维护能节省成本。调查数据显示,引入预测性维护的企业,能够大大节约企业生产成本、带来效益增加、有效提高企业竞争力。预测性维护代表着工业服务化和未来商业模式转变的历史选择。而现有运维技术的低可靠性与高复杂度,以及在此过程中形成的数据孤岛都极大地限制了企业的效率,企业对预测性维护的需求日益强烈。
目前,预测性维护的主要提供商仍仅局限于某几个领域,行业内和行业间的竞争远未充分,市场发展潜力巨大。
2.解决方案
本项目的技术核心是用于系统优化的数学模型和预测算法。项目团队深耕机器学习、大数据算法以及运维调度、鲁棒优化算法,取得了机理与算法之间逻辑耦合的关键技术突破,建立了自主知识产权的系统级智能监测体系及整体性的运维解决方案,为企业提供生产及质量的全面动态优化,其覆盖面广、可靠性高、操作简单、经济效益显著。
合作需求
1)市场资源:轨道交通业、无人驾驶行业、先进制造业等,有实现高质量发展愿望的、旨在增效减负的资产密集型企业市场资源对接;
2)资金:天使轮拟融资500万元,用于完成开发平台的搭建,推出两款拥有自主知识产权的预测性维护产品。
3)其他资源:办公场地、实验场所及设备、人才支持等。
清华大学
2022-07-15