機器維護及故障成本
在現代化的生産環境中，機器人應用于各種自動化任務，例如托舉，焊接，塗漆，包裝，産品檢查和其他任務。機器人可以高效率，高持久性的工作。不過一旦出現故障，就将帶來很大的經濟損失。華爾街日報曾估計工業制造商的停機成本大約為每年500億美金。這些意外停機中42%來自裝置故障。意外停機會導緻過度維護，修複以及裝置替換。為了減少停機風險，制造商通常會建立裝置定期維護月曆。無論是否必要，制造商都會進行定期維護，這會産生本來可以避免的高昂管理費用。
而預測維護可以減少成本，機器維護隻在必要的時候進行。分析人員利用機器裝置運作情況的實時資料，了解在預防維護計劃之前哪台機器可能出現故障。利用這些分析結果，生産廠家就可以確定每台機器在必要時得到維護，并在盡可能長的時間内保持正常生産。意外停機被大大減少，進而降低了資本成本和營運成本。
一家領先的汽車制造商使用Altair KnowledgeStudio 來确定他們的16000台裝置中的哪一台會在計劃的維護期之前發生故障。在生産環境中，如果一個機械臂損壞了，那麼生産流程就要停止。這家公司發現23%的機械臂在他們的計劃維護期之前就發生了故障。這造成了由于意外維修而導緻的營運損失，以及生産延遲所造成的4400萬美元的相關損失。
利用Altair Knowledge Works，該公司将擁有數萬個資料點的多種資料源組合成管理資料集，
主要使用兩種類型的資料，可以來自不同的資料源
-
靜态資料：這種類型的資料不随時間改變，諸如：
-機器人的幾何形狀。這包括—笛卡爾，圖靈機器人，六軸關聯和其他機器；
-機器人末端探測器，包括有效載荷和抓握資料；
-有效載荷：由機械臂手腕所能支撐的最大重量；
抓握：機械臂可以在不失去承載目标的情況下所能達到的最大程度，特别是在運動過程中；
動力：機器人以氣動或電動的移動速度；
-機械臂是否被固定（機械臂與固定結構連接配接）還是基于浮動（機器人手臂未被固定）。
-
曆史營運資料：這些資料顯示了機器在一定時間内的使用情況，包括：
-自上次維護以來機器投入使用的小時數；
-它是如何被使用的（例如：焊接，材料處理，熱噴塗，噴漆，鑽孔等）；
-機器人裝置的制造商和供應商；
-機器人所在的工廠；
-各種類型機器人的典型有效載荷使用率；
-整個制造環境中機器人的唯一ID。
有效的資源，大量分散的資料
首先需要克服的挑戰是将各種資料源組合在一起，以建立一個有組織的管理資料集。對于16000個機器人的大量靜态和曆史資料，代表需要處理數萬個資料點，成本效益評估的要求是财務資料必須反映到每台機器。
選擇Altair KnowledgeWorks作為一個平台，用來建立遵循其資料治理和安全協定的管理資料集。在确定應該包含在資料集中的内容後，分析師團隊使用Altair KnowledgeHub将多個資料源合并到一個資料集中，然後與資料科學家共享以使用Altair KnowledgeStudio建構預測分析模型。從模型中找到的潛在資訊可以很容易的向汽車制造商展示未來哪些機器可能會發生故障。
Altair KnowledgeStudio 和決策樹模型
Altair KnowledgStudio決策樹模型提供了互動式和直覺的可視化界面，用來建構和探索細分，以及發現變量之間的關系。無需編碼，分析師可以利用決策樹來預測機器損壞的機率并對生産環境中的機器人制定政策，以便顯著減少意外停機和其它相關的成本。
決策樹可以快速顯現出：
- 在測試樣本中的10000個機器人中，有23.82%在計劃的維修周期之前發生故障。
- 最容易被影響的機器人類型是關節型和 SCARA型機器人，有接近一半（45.11%）的可能發生故障。
- 這些機器以厘米為長度機關伸的越遠，就越有可能發生故障。
- 模型顯示77.78%的關節型和 SCARA型機器可以伸展緻187-200厘米，它們容易在維修周期之前發生故障。
- 最後，模型顯示用于裝配的機器比用于焊接和噴漆的機器更容易發生故障。
Altair KnowledgeStudio進一步向分析師展示了測試機器人的最有效方法。利用在驗證決策樹模型時自動建立的增益圖，Knowledge Studio顯示，所關注的高故障率的40%的機器人，可以捕捉到所有預計故障的85%。
Altair KnowledgeStudio增益圖：橫軸代表機器人的數量，縱軸代表機器故障的百分比%。對角線表示僅利用随機選擇所得到的結果。如果測試40%具有高故障率的機器人（由紅線顯示），捕捉到的故障機率為85%。
分析團隊将已知的成本參數輸入Altair KnowledgeStudio，例如機器人成本，每種機器人的停機成本以及與停機相關的其他成本。按照收益遞減規律，最有效的經濟途徑是在計劃維修期之前檢查40%的機器。
Altair KnowledgeStudio利潤曲線：考慮40%的機器人，曲線下降。在40%的機器人進行手動檢查後，營運虧損超出了停産來預防故障的收益。
關注點
預測維護利用分析來預測和防止機器故障。由機器生成的有關目前和過去使用情況的資料以及顯示機器平常如何運作的資料，可以被用于确定哪些機器裝置容易産生中斷生産周期的停機。利用Altair KnowledgeStudio，制造商可以：
- 避免意外停機産生的高額成本
- 降低營運成本并避免不必要的停機
- 受益于早期故障檢測和裝置診斷
- 按照裝置是否會在給定的時間段内故障，是否會在一段時間内故障或者是否某些特定類型的機器更容易故障進行分類。
Altair提供最廣泛的資料管理平台
Altair KnowledgeHub和Altair KnowledgeStudio是Altair KnowledgeWorks的一部分，它結合了市場領先的企業的資料準備，預測分析和可視化解決方案。Altair有足夠信心讓個人和企業機關掌握所有資料（無論資料的來源，格式或叙述方式），進而加快洞察時間。Altair KnowledgeWorks旨在支援整個企業的資料和分析需求，從商業分析師到資料科學家再到業務線負責人，以及IT/BI員工和首席資料官。
Altair KnowledgeStudio通過豐富的可視化界面，能夠自動執行和重複常見的資料科學流程，使資料科學家和商業分析師做出明智的決策，進而降低成本，降低風險并獲得更好的收入機會。