船舶引擎是一个关键和复杂的工程系统，包括多个系统和辅助子系统。通过传统方法维护导致越来越多的周转时间来修复或替换发动机的组件并恢复正常操作。
客户与Infosys合作开发基于人工智能（AI）的状态监测系统，以评估和预测发动机的健康，并有助于降低维护成本并提高船舶的整体安全性。
关键挑战
- 需要分析和关联与多系统和船舶发动机辅助子系统相关的相关数据和事件
- 来自发动机传感器的缺乏足够的历史数据，阻碍了可靠的预测模型的发展
- 现有的OEM系统仅支持PDF格式的传感器数据提取
- 过去的事件被手动记录在LEDERS中，需要数字化
准备好体验？
与专家交谈
解决方案
Infosys开发了一种基于AI / ML的状态监测系统
- 从PDF格式和转换到时间序列数据的自动数据提取
- 提供系统管理员以执行以下活动，例如：
- 原始数据相关分析和特征选择
- 数据清洁（缺少值避名/异常删除）
- 使用图表探索和分析数据
- 自动标记数据
- 运行多个算法，比较KPI并根据准确度和错误指标完成最佳模型
- 为系统运营商提供执行活动，例如：
- 查看仪表板以根据最新数据获取有关引擎及其子系统的预测健康的信息
- 通过改变任何发动机参数或值来执行“是什么”分析预测的健康状况
使用开源技术构建模块化，可伸缩和可扩展的解决方案
- 使扩展到多个数据提供程序以进行实时数据
- 提供可配置的解决方案，以预测具有传感器和事件数据的任何资产的运行状况（不限于船舶引擎）
好处
提前至少72小时提供发动机和子系统级健康预测
提高预测模型的准确性
在发动机参数发生任何变化的情况下，启用的 - 如果发生了什么
降低库存，维护和运营成本
提高船舶的性能和安全性
