La manutenzione predittiva.

L’applicazione permette di conoscere in anticipo la data di rottura di alcuni pezzi.
Per adesso, il widget prevede l’analisi del consumo di “batterie” e “pastiglie freno”.

Per le pastiglie freno i dati si basano sulle statistiche fornite dal sito governativo U.S.A del dipartimento di trasporti (U.S. Department of transportation)  https://www.fhwa.dot.gov/ohim/onh00/bar8.htm

Per quanto riguarda le batterie il modello predittivo, si basa sui dati raccolti da una ricerca della Linkoping University (Svezia).
Nella ricerca è stato verificato l’andamento medio delle batterie su camion Scania.

Ecco altre informazioni sui risultati della ricerca, per chi volesse approfondire:
http://www.diva-portal.org/smash/get/diva2:1229803/FULLTEXT01.pdf

The original publication.Voronov, S., Frisk, E., Krysander, M., (2018), Data-Driven Battery Lifetime Prediction and ConfidenceEstimation for Heavy-Duty Trucks, IEEE Transactions on Reliability, 67(2), 623-639. https://doi.org/10.1109/TR.2018.2803798

L’algoritmo è di tipo Cox proportional hazards model , della famiglia dei Survival models.

La parte “profilo” del widget serve solo per raffinare i risultati predittivi. In questo momento non viene memorizzato nessun profilo (in realtà lo faremo nell’applicazione vera e propria, ma non in questo widget, che è una sorte di demo).
Selezionando la città più vicina il software si adatta alle temperature medie (importante per la durata della batteria).
“Driving Style” è lo stile di guida: eco, normale, aggressivo.
Anche gli altri parametri sono finalizzati a raggiungere una maggior precisione di analisi.

L’applicazione in sè è realizzata con REACT.
REACT è presentato così: 

è probabilmente la prima libreria JavaScript che nasce (nei laboratori di Facebook) con una vocazione specifica: diventare la soluzione definitiva per sviluppatori frontend e App mobile basate su HTML5, la proverbiale “panacea per tutti i mali”, il tool che permetta di costruire interfacce utente dinamiche e sempre più complesse rimanendo comunque semplice e intuitivo da utilizzare.

Prova il nostro widget. E prevedi la durata reale della tua batteria

Embedding code: 

<iframe style="width:1000px;height:960px;background-color:white;" marginwidth="0" marginheight="0" scrolling="no" frameborder="1" src="https://widget.ml-poc-pred1.aiparts.it"></iframe>

Qui sotto puoi vedere il codice del widget in funzione