Quiz połączony z przewodnikiem · Średni Poziom

Sztuczna inteligencja w quizie dotyczącym konserwacji predykcyjnej

Dowiedz się, jak metody uczenia maszynowego wykorzystują dane z monitorowania stanu do wykrywania anomalii i szacowania żywotności sprzętu w praktyce.

Powiązane ścieżki prowadząceSztuczna inteligencja w konserwacji predykcyjnej
Pytanie 1 z 8

Jaki problem rozwiązuje przede wszystkim konserwacja predykcyjna w porównaniu z konserwacją zapobiegawczą?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaki problem rozwiązuje przede wszystkim konserwacja predykcyjna w porównaniu z konserwacją zapobiegawczą?
    • Pozwala uniknąć wymiany sprawnych części według ustalonego harmonogramu, naprawiając je tylko wtedy, gdy jest to konieczne
    • Eliminuje to potrzebę stosowania jakichkolwiek czujników
    • Dzięki niemu maszyny działają szybciej
    • Całkowicie eliminuje potrzebę zatrudniania techników
  2. Co szacuje „Pozostały okres użytkowania” (RUL)?
    • Całkowity koszt maszyny
    • Czas, jaki upłynął komponentowi, zanim ulegnie awarii
    • Energia zużywana przez silnik na godzinę
    • Liczba czujników w urządzeniu
  3. 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
  4. W jaki sposób autoenkoder zazwyczaj obsługuje wykrywanie anomalii w PdM?
    • Automatycznie oznacza każdy typ usterki według nazwy
    • Generuje nowe maszyny
    • Zastępuje czujniki wibracyjne
    • Jest szkolony tylko na zdrowych danych i oznacza wysoki błąd rekonstrukcji jako nieprawidłowy
  5. 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
  6. 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
  7. 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
  8. 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