你好，给我来一套装载机电子秤！
老板，不用花那个冤枉钱，我们用大数据算法就能实现自动称重！
那玩意儿能准吗？我可不信！
老板，我们有专利的，不信的话您可以对比一下试试效果！
行！
客户案例
工况商砼站上料（砂、石按比例），铲运路径总长度30米；
装备：长城重工GW58E，额定载重5.5t/282kWh电量/3.6方斗
续航表现：8~9h
客户诉求：监测每班产量（客户提出安装电子秤）
（以上视频为客户现场拍摄）
解决方案
为了解决此类客户诉求，长城重工数智化团队24年行业首推电动装载机作业量监测0成本解决方案——打破传统燃油装载机仅通过液压压力信号进行经验判断的认知局限，通过分析电动装载机在不同工况下的三电总线数据，深度学习电动装载机作业特性，输出大数据模型，再通过模型自动计算每台车的铲装次数、行走距离、负载重量等数据，从而实现电动装载机作业量的准确监测。
（20万小时装载机大数据工况识别模型）
简单来说就是，通过大数据分析精准识别装载机什么时候在铲装，什么时候在转运，什么时候在上料，在一段时间内一共进行了多少斗作业循环，并且相对精准的计算出每一斗的装载量有多少。
那么该方案实际应用效果如何？对于本案例，我们实际对比了客户连续7天电子称重设备数据如下：
通过以上数据我们可以发现，大模型统计斗数平均误差在2.2%左右，统计重量误差在±4.5%以内。其中斗数差异均存在大模型计数略多、电子秤计数略少现象，这是因为驾驶员还未适应称重设备的操作流程，存在举升高度不到位导致斗数统计遗漏现象（电子称重设备弊端）。由此可见，长城重工电动装载机作业量监测0成本解决方案很好的解决了客户管理诉求，完全可以帮助客户减少成本投入。
方案解读
大数据分析就像烹饪，首先挑选新鲜丰富的数据“食材”，经过清洗和预处理，去除杂质。接着，通过数据建模和算法的“烹饪技巧”，提炼出数据的精华。最后，将分析结果以直观的方式“上桌”，满足客户的“口味”。整个过程，从选材到呈现，都需精心策划和细致操作。对于本案例，电动装载机作业量监测0成本解决方案实现路径如下：
数据收集：车端三电数据导入数智化原始数据库
数据抽样：抽取关键变量，数据量降低80%
数据清洗：各关键变量按1秒进行同频清洗
数据集成：集成所有车辆关键数据
数据仓库：形成数智化集成数据库
数据变换：提炼作业动作（铲/运/举）状态数据及其他关键信息
数据集市：形成每台车全时间段动作数据及其他关键信息数据中台
数据规约：装载机铲装场景工况特征提炼
数据产品：为个体客户推送作业量监测等不同维度数据，并积累样本，形成相关预测模型
作为长城控股集团旗下子公司，长城重工充分利用集团内部的大数据和人工智能资源，结合多年的实践经验，致力于推动工程机械行业的发展。我们的目标是利用先进的数字技术和智能科技，提升工程机械的生产力，持续为客户提供高价值的产品和定制化解决方案！
热门推荐