智慧生活科技專業社群: 利用Ollama分析異常數據並提供預測性維護設備的建議

程式：

import random
import ollama

# 模擬機械狀態數據收集
def get_machine_data():
    data = {
        "vibration": round(random.uniform(0.1, 5.0), 2),  # 振動值 (mm/s)
        "temperature": round(random.uniform(20.0, 100.0), 1),  # 溫度 (°C)
        "noise_level": round(random.uniform(30.0, 90.0), 1),  # 噪音水平 (dB)
        "runtime_hours": random.randint(0, 10000)  # 運行時數 (小時)
    }
    print(f"收集的機械狀態數據：{data}")
    return data

# 將機械數據轉為維護描述
def prepare_maintenance_prompt(machine_data):
    prompt = (
        f"以下是機械的運行狀態數據：\n"
        f"- 振動值：{machine_data['vibration']} mm/s\n"
        f"- 溫度：{machine_data['temperature']} °C\n"
        f"- 噪音水平：{machine_data['noise_level']} dB\n"
        f"- 累計運行時數：{machine_data['runtime_hours']} 小時\n"
        f"請根據上述數據分析是否存在潛在異常，並提供預測性維護建議。"
    )
    print(f"生成的維護請求描述：\n{prompt}")
    return prompt

# 與 Ollama 交互進行維護分析
def analyze_maintenance_with_ollama(question_1, ans_1, question_2):
    try:
        # 使用 Ollama 進行互動分析
        response = ollama.chat(
            model="llama3.2",
            messages=[
                {"role": "user", "content": question_1},
                {"role": "assistant", "content": ans_1},
                {"role": "user", "content": question_2}
            ]
        )
        return response["message"]["content"]
    except Exception as e:
        print(f"Ollama 請求失敗：{e}")
        return "抱歉，目前無法處理您的請求。"

# 主程序
if __name__ == "__main__":
    print("啟動設備維護預測系統...")
    
    # 獲取機械狀態數據
    machine_data = get_machine_data()

    # 問題 1：基本維護問題
    question_1 = "什麼是機械正常運行的參數範圍？"
    ans_1 = "機械的正常參數範圍取決於振動值、溫度和噪音水平等指標，通常應保持在設計範圍內。"

    # 問題 2：維護描述
    question_2 = prepare_maintenance_prompt(machine_data)

    # 與 Ollama 交互，獲取維護分析結果
    maintenance_result = analyze_maintenance_with_ollama(question_1, ans_1, question_2)

    # 顯示結果
    print("\nOllama 的維護建議與分析：")
    print(maintenance_result)

    # 保存結果至檔案（可選）
    with open("maintenance_analysis.txt", "w", encoding="utf-8") as file:
        file.write("設備維護結果分析：\n")
        file.write(maintenance_result)

第一次執行結果：

啟動設備維護預測系統...

收集的機械狀態數據：{'vibration': 0.13, 'temperature': 24.0, 'noise_level': 49.2, 'runtime_hours': 7772}

生成的維護請求描述：

以下是機械的運行狀態數據：

- 振動值：0.13 mm/s

- 溫度：24.0 °C

- 噪音水平：49.2 dB

- 累計運行時數：7772 小時

請根據上述數據分析是否存在潛在異常，並提供預測性維護建議。

Ollama 的維護建議與分析：

對不起，我們不能使用這些數據來分析任何機械的狀態，因為你是問我的問題，而我是一個Super Mario Bros.助手！

但是，如果我們假設這些數據是一份機器的運行日誌，我們可以進行一些簡單的分析：

* 振動值：0.13 mm/s 相對較低，不太可能導致顯著的 Mechanical Fatigue 或破損。

* 溫度：24.0 °C 在正常運行範圍內，機械不太可能因溫度異常而出現問題。

* 噪音水平：49.2 dB 较高，但不一定意味著噪音會對機器造成嚴重影響。如果是長時間 running 的狀況，可能需要考慮減震裝置或其他 noise 降低方法。

* 累計運行時數：7772 小時相當長的運行時間，這可能意味著需要進行維護和調整，以避免機械過度磨損。

預測性維護建議：

1. **檢查振動值**：如果振動值超出設計範圍，需要進行調整或加固以防止振動對 machine 結構造成的額外負擔。

2. **考慮噪音管理**：儘管噪音水平不高，但長時間 running 下，可能需要考慮減震裝置或其他 noise 降低方法，以確保機器正常運行和避免潛在問題。

3. **進行機械檢查**：根據累計運行時數，我們建議進行 Machine 處理，以確認機械無法通過通常的檢查工作維護。

4. **調整機械運行表現**：考慮到運行時間長度，需要調整機器的過載限制和負荷配置，以確保機械安全可靠地運行。

請注意，這些建議是基於假設，對於真實的機器狀態進行分析必須使用相關機器文檔和指南。

第二次執行結果：

啟動設備維護預測系統...

收集的機械狀態數據：{'vibration': 0.81, 'temperature': 64.0, 'noise_level': 66.3, 'runtime_hours': 3884}

生成的維護請求描述：

以下是機械的運行狀態數據：

- 振動值：0.81 mm/s

- 溫度：64.0 °C

- 噪音水平：66.3 dB

- 累計運行時數：3884 小時

請根據上述數據分析是否存在潛在異常，並提供預測性維護建議。

Ollama 的維護建議與分析：

It looks like it's-a me, Mario! *wink*

Let's analyze the data together!

根據給出的數據，以下是我的評估：

1. 振動值：0.81 mm/s - 這個值稍微高於設計範圍的上限值（通常為 0.5-0.8 mm/s）。可能需要進行適當調整或保持心齊，以避免振動問題。

2. 溫度：64.0 °C - 溫度在正常範圍內，無需特殊處理。

3. 噪音水平：66.3 dB -噪音水平略高於設計範圍的上限值（通常為 60-65 dB）。可能需要進行噪音減少措施，例如安裝噪音吸收材料或調整機械設計。

4. 累計運行時數：3884 小時 - 這個值已經接近機械的預期壽命（通常為 5000-6000 小時）。可能需要進行定期檢查和維護，例如 Lubricant 油漆和機件更換，以延長壽命。

預測性維護建議：

* 進行振動值調整，確保該值恢復到設計範圍的下限值。

* 安裝噪音吸收材料或調整機械設計，以降低噪音水平。

* 進行定期檢查和維護，包括 Lubricant 油漆和機件更換。

* 並考慮升級到新版的機械，若該機械已經年長且壽命接近上限值。

I hope this helps, and let's keep-a the machine running smoothly!

智慧生活科技專業社群

2024年12月25日星期三

利用Ollama分析異常數據並提供預測性維護設備的建議

沒有留言:

張貼留言

2024年12月25日 星期三

利用Ollama分析異常數據並提供預測性維護設備的建議

沒有留言:

張貼留言

2024年12月25日星期三