Kevin Curran et Robert King
La maintenance prédictive s'est avérée être une méthode de gestion de maintenance rentable pour les équipements critiques dans de nombreux secteurs verticaux. L'industrie des semi-conducteurs pourrait également en bénéficier. La plupart des usines de fabrication de semi-conducteurs sont équipées de capteurs de diagnostic et de contrôle qualité complets qui pourraient être utilisés pour surveiller l'état des actifs et, en fin de compte, atténuer les temps d'arrêt imprévus en identifiant les causes profondes des problèmes mécaniques avant qu'ils ne se transforment en pannes mécaniques. L'apprentissage automatique est le processus de construction d'un modèle scientifique après avoir découvert des connaissances à partir d'un ensemble de données. Il s'agit du processus de calcul complexe de reconnaissance automatique de formes et de prise de décision intelligente basée sur des données d'échantillons de formation. L'algorithme d'apprentissage automatique peut recueillir des faits sur une situation grâce à des capteurs ou à une saisie humaine et comparer ces informations aux données stockées et décider de la signification de ces informations. Nous présentons ici les résultats de l'application de l'apprentissage automatique à un ensemble de données de maintenance prédictive pour identifier les futures pannes liées aux vibrations. Les résultats des pannes futures prévues aident les ingénieurs dans leur processus de prise de décision concernant la maintenance des actifs.
English 
Spanish 
Chinese 
Russian 
German 
Japanese 
Portuguese 
Hindi