NTN株式會社（以下簡稱ＮＴＮ）通過組合多個AI，開發(fā)了一項新技術(shù)，可以高精度地檢測軸承的使用壽命。這一技術(shù)能夠更加準確地預(yù)測軸承從發(fā)生剝落到徹底損壞的使用壽命。這項技術(shù)的研發(fā)，將有助于提高機器設(shè)備的維修計劃效率，進而節(jié)約成本，提高生產(chǎn)效率。
在長期使用過程中，機器設(shè)備內(nèi)的軸承可能會出現(xiàn)輕微的剝落。如果這種剝落發(fā)生在不方便維修的部位，機器可能會在不影響正常工作的情況下持續(xù)運轉(zhuǎn)。雖然通過振動數(shù)據(jù)檢測可以得知軸承的狀態(tài)，但很難準確預(yù)測發(fā)生剝落后的軸承還能使用多久。通常，要么選擇盡早更換軸承，要么等待軸承徹底損壞后再進行更換。此外，一些熟練技工可以根據(jù)多年的經(jīng)驗來判斷何時更換軸承。然而，隨著節(jié)省人工和自動化的發(fā)展，為了減少機器設(shè)備的停工時間并降低維修成本，對高精度壽命檢測技術(shù)的需求日益增長，以便更精確地檢測軸承的更換時期。
NTN近期研發(fā)的使用壽命檢測技術(shù)結(jié)合了深度學習和貝葉斯學習，以高精度預(yù)測軸承自發(fā)生剝落到破損的使用壽命。在眾多AI模型中，NTN選擇了專長于圖像處理的卷積神經(jīng)網(wǎng)絡(luò)，通過將軸承的振動數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，實現(xiàn)了對軸承受損狀態(tài)和壽命的檢測。此外，考慮到軸承損傷的個體差異和檢測數(shù)據(jù)的誤差，NTN還采用了貝葉斯線性回歸，從而建立了更可靠的預(yù)測模型。綜合來看，NTN的這項新技術(shù)相比傳統(tǒng)方法提高了30%的檢測精度（與NTN傳統(tǒng)檢測方法相比）。
NTN與日本國立大學法人大阪大學大學院工學研究科于2017年共同成立了“NTN次世代協(xié)作研究所”。在該研究所的框架下，NTN與大阪大學的福井健一副教授（產(chǎn)業(yè)科學研究所）的研究團隊進行了深入合作，共同研發(fā)。通過將NTN在軸承技術(shù)方面積累的豐富經(jīng)驗與大阪大學在先進AI研究方面的成果相結(jié)合，才成功實現(xiàn)了這一創(chuàng)新技術(shù)。
NTN正致力于將這項技術(shù)應(yīng)用于實際維修服務(wù)中，通過及時維修機器設(shè)備，使軸承保持佳狀態(tài)，從而提高生產(chǎn)效率和環(huán)保減排。
未來，NTN將繼續(xù)開展實驗驗證該技術(shù)的可行性，以實現(xiàn)該技術(shù)的實用化，并為其提供優(yōu)質(zhì)的售后服務(wù)。
來源：恩梯恩NTN
（版權(quán)歸原作者或機構(gòu)所有）
