Newsletter — Inscription confirmed
Your inscription to our newsletter is now confirmed. Thank you!
Your inscription to our newsletter is now confirmed. Thank you!
Amiral Predictive Maintenance Module : Le signal de décharge des contacteurs à leur mise hors tension est utilisé pour en extraire le maximum de caractéristiques discriminantes et déclencher d’alerte de fin de vie.
Avec la Génération Automatique de Caractéristiques d’Amiral Technologies (DiagSign), la marge d’erreur est réduite de
par rapport à d’autres méthodes
Amiral Predictive Maintenance module : Alerter si le comportement est défectueux
Possibilité d’apprentissage supervisé ou non supervisé
Taux de détection avec un apprentissage supervisé
Apprentissage non supervisé : taux de couverture par rapport au taux de fausses alertes donné ci-dessous
Résultats pour un apprentissage supervisé
With DiagSign
Without DiagSign
Résultats pour un apprentissage non supervisé
Amiral Predictive Maintenance module : Le modèle converge vers une prédiction suffisamment fiable de la fin de vie utile
Modèle disponible, apprentissage supervisé et non supervisé possible
Amiral Predictive Maintenance Module : Le modèle calcule le vieillissement comparatif des éoliennes et de leurs sous systèmes dans un même parc.
Modèle disponible
Entrainement supervisé ou non supervisé possible.
Amiral Predictive Maintenance module: The model shows comparative aging and load on wind turbines and their subsystems in the same farm.
Model is available
Supervised and non-supervised learning possible
Amiral Predictive Maintenance Module: The contactor discharge signal is used to extract highly discriminant features and trigger the end of life alert. Model is trained through unsupervised learning.
Compared to methods that do not use Amiral’s Automatic Feature Generation (DiagSign), prediction error spread is reduced by
Amiral Predictive Maintenance Module: The model provides a reliable prediction of the Remaining Useful Life
Model is available
Supervised and non-supervised learning possible
Amiral Predictive Maintenance module: The model alerts on faulty behavior.
Both supervised and unsupervised learning are possible
Fault detection ratio with supervised learning
Unsupervised learning: Coverage versus false alerts ratio provided below
Supervised learning results
With DiagSign
Without DiagSign
Unsupervised learning results
