科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高设备管理的数字化水平，节约实验室管理成本，建立实验室设备故障预测模型，实现设备故障数据的有效利用。选取力值类设备的运行故障数据作为分析对象，基于统计方法对各影响量进行相关性分析，分别采用RidgeCV、XGBoost、LightGBM三种回归模型对该数据集进行拟合，比较、选择适宜预测设备首次故障前时间的算法。以r2、均方误差、可解释方差和平均绝对误差为模型精度衡量指标，经网格搜索-交叉验证优化后的LightGBM算法预测精度、运行速度最优，设备已服役时间和设备原值是确定首次故障前时间最为重要的特征。通过对设备故障数据的有效统筹，结合大数据分析技术，可针对不同类型设备建立符合自身规律的故障预测模型，探索出一条实验室管理的提质增效之路。
-
单位生态环境部南京环境科学研究所; 江苏省计量科学研究院
