SYSTEMS AND METHODS FOR WEAR ASSESSMENT AND PART REPLACEMENT TIMING OPTIMIZATION

A method for part replacement timing optimization (200). The method includes training a wear estimate model (202). Training the model includes predicting a plurality of wear patterns for a part, each wear pattern corresponding to a degree of severity (302). Training images are rendered for each wear...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: SHAROV, Michael, REAUME, Daniel J, ORGAN, Daniel J
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:A method for part replacement timing optimization (200). The method includes training a wear estimate model (202). Training the model includes predicting a plurality of wear patterns for a part, each wear pattern corresponding to a degree of severity (302). Training images are rendered for each wear pattern (304). Each of the training images is labeled with the corresponding degree of severity (306). A neural network is then trained with the labeled training images (308). An image of a deployed part associated with a machine is received (204) and fed into the trained wear estimate model (206). The method further includes receiving a wear estimate for the part image from the trained wear estimate model (208), estimating a change in performance of the machine based on the wear estimate (210), and determining a machine utilization pattern for the machine (212). The machine utilization pattern and the change in performance estimate are combined to determine an optimal time to replace the part (214). L'invention concerne un procédé d'optimisation de synchronisation de remplacement de pièce (200). Le procédé comprend l'entraînement d'un modèle d'estimation d'usure (202). L'entraînement du modèle comprend la prédiction d'une pluralité de motifs d'usure pour une pièce, chaque motif d'usure correspondant à un degré de gravité (302). Des images d'entraînement sont restituées pour chaque motif d'usure (304). Chacune des images d'entraînement est étiquetée avec le degré de gravité correspondant (306). Un réseau neuronal est ensuite entraîné à l'aide des images d'entraînement étiquetées (308). Une image d'une pièce déployée associée à une machine est reçue (204) et envoyée dans le modèle d'estimation d'usure entraîné (206). Le procédé comprend en outre la réception d'une estimation d'usure pour l'image de pièce à partir du modèle d'estimation d'usure entraîné (208), l'estimation d'un changement de performance de la machine sur la base de l'estimation d'usure (210) et la détermination d'un motif d'utilisation de machine pour la machine (212). Le motif d'utilisation de machine et l'estimation de changement de performance sont combinés pour déterminer un moment optimal pour remplacer la pièce (214).