Kvíz spojený s průvodcem · Střední úroveň
AI v kvízu prediktivní údržby
Zjistěte, jak metody strojového učení využívají data z monitorování stavu k detekci anomálií a odhadu životnosti zařízení v praxi.
Otázka 1 z 8
Jaký problém primárně řeší prediktivní údržba ve srovnání s údržbou preventivní?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký problém primárně řeší prediktivní údržba ve srovnání s údržbou preventivní?
- Vyhýbá se výměně zdravých dílů podle pevného plánu tím, že je opravuje pouze v případě potřeby
- To eliminuje potřebu jakýchkoli senzorů
- Díky tomu stroje běží rychleji
- Zcela odstraňuje potřebu techniků
- Co odhaduje „Zbývající užitečný život“ (RUL)?
- Celková cena stroje
- Jak dlouho komponenta zbývá, než selže
- Energie, kterou motor spotřebuje za hodinu
- Počet senzorů na zařízení
- Which signal is collected in the Case Western bearing fault dataset for rotating-machine diagnostics?
- Patient electrocardiograms
- Satellite color channels
- Vibration acceleration
- Text sentiment scores
- Jak autokodér obvykle podporuje detekci anomálií v PdM?
- Automaticky označí každý typ poruchy jménem
- Vytváří nové stroje
- Nahrazuje vibrační senzory
- Trénuje se pouze na zdravých datech a označuje vysokou chybu rekonstrukce jako abnormální
- What edge-computing approach does the cited condition-monitoring paper study?
- Federated autoencoder training using vibration data at devices near the monitored machines
- Centralizing all raw data in a public image database
- Training a language model on maintenance manuals only
- Replacing sensors with a periodic questionnaire
- How does NIST define a digital twin?
- A maintenance calendar with no model of equipment
- A virtual representation of a physical or perceived real-world entity
- A physical duplicate machine kept in storage
- A guarantee that a machine will not fail
- What is the NASA C-MAPSS dataset used to evaluate?
- Cancer grade classification from biopsy slides
- Speech recognition in noisy rooms
- Turbofan engine degradation and remaining-useful-life prediction
- Global climate averages without time series
- How should an anomaly alert from a predictive-maintenance model be interpreted?
- As a guaranteed failure date
- As an automatic repair prescription
- As evidence that no human review is needed
- As a signal for inspection, not proof of a specific fault or failure time