人工智能学院2025届学生毕业综合实践优秀作品

作品名称：工业生产设备预测性维护系统

作    者：陈祥瑞 金子璇

专    业：大数据

班    级：大数据2202

指导教师：池万乐（副教授）

作品特点：

毕业设计旨在开发一个基于故障预测的智能设备管理系统，以提升工业生产效率和设备可靠性。

设计采用分层架构，集成数据采集、存储、处理和可视化技术。利用Hive和MySQL进行数据存储，应用数据挖掘算法进行故障预测。

主要的创新点有3个：

1. 开发一个基于预测的动态资源调度器，提高资源利用率，实现系统轻量化，减少企业的硬件配置要求。

2. 设计一个基于聚类的特征工程，解决设备故障数据和正常数据数量上极端不平衡的问题。

3. 设计一个基于多个传统模型的集成预测算法，解决了单个模型性能不足的问题，该算法在准确率和召回率上都有了大幅度的提高。

系统实现后，通过实际工业环境的测试，验证了其在数据处理速度、故障预测准确率方面的性能。结果表明，该系统能显著提高设备维护效率，降低生产成本，为工业生产的智能化管理提供有效工具。

作品说明：

1. 课题来源：教师实际科研项目、学生竞赛项目

2. 作品功能：对汽摩配企业生产线设备进行预测性维护

3. 设计思路：使用传统的大数据系统框架，flume采集数据,kafka进行实时数据处理，Hive和MySQL进行数据存储进行系统开发。在此基础上进行了创新（基于预测的动态资源调度器、基于聚类的特征工程、基于多个传统模型的集成预测算法）来改善和完成系统功能

成果展示：

指导教师点评：

选题紧扣工业4.0时代工业设备管理智能化的需求，聚焦汽摩配行业故障预测技术，具有很强的现实针对性和应用价值。系统架构设计合理，采用分层架构，涵盖数据采集、存储、处理、故障预测和可视化驾驶舱等多个功能模块，各模块分工明确、协同工作。在技术选型上，综合运用多种成熟技术。项目在技术上有所创新，对实际工作中遇到的问题会结合原有的资源，开发新的算法来解决。

综上所述：项目既有对成熟技术的综合应用，也有对新技术的创新。

不足之处：在故障预测模块，可尝试结合更多的算法或优化参数选择方法，进一步提高故障预测的性能。在项目中对系统性能瓶颈分析和优化措施讨论不足，可增加这部分内容，如数据处理效率优化、存储容量扩展策略等。