Sølv Grænseflade · 2023
Smart Wind Turbine Prediction Prædiktiv Vedligeholdelsesgrænseflade
- A' Design Award i Sølv 2023 in Grænseflade
- CLIENT: Jianxin Technology Co., Ltd
- Estimated Number of Design Views: 52,172
- Verification code 5059508A13 · Verify this award
Colors
About Smart Wind Turbine Prediction Prædiktiv Vedligeholdelsesgrænseflade
Smart Wind Turbine Prediction er en softwaregrænseflade til intelligent drift og vedligeholdelse af vindmølleparker. Grænsefladen anvender tredimensionel visualisering, virtuel simulering og datagrafer til at vise vindmøllernes tilstand og hurtigt lokalisere fejl. Maskinlæringsmodeller konfigureres ved at trække og slippe data og modelindstillinger, så enkelte eller flere vindmølletyper kan dækkes. Fejladvarsler leveres i gennemsnit cirka tyve minutter tidligere, og modellens nøjagtighed når op på 81 procent. Manuelle vedligeholdelsesomkostninger og sikkerhedsrisici reduceres.
About the A' Design Award i Sølv
Smart Wind Turbine Prediction Prædiktiv Vedligeholdelsesgrænseflade er vinder af A' Design Award i Sølv, en usædvanligt prestigefyldt anerkendelse, der tildeles designs i topklasse, som er pragtfulde og imponerende. Sølvvinderne er enormt geniale og overordentlig kreative værker, der illustrerer deres designeres fremragende ekspertise, talent og skarpsindighed. Smart Wind Turbine Prediction Prædiktiv Vedligeholdelsesgrænseflade forventes at være et vidunderligt udstillingsværk, der er bemærkelsesværdigt professionelt og dybt innovativt. Dette design, der har vundet A' Design Award i Sølv, er en højst bemærkelsesværdig, beundret opfindelse, som gavner og flytter grænserne for kunst, videnskab, design og teknologi. Smart Wind Turbine Prediction Prædiktiv Vedligeholdelsesgrænseflade er en skabelse, som mange misunder, og som vækker begær, bringer positive følelser og antænder forundring og undren.
Press Kit
- Unique Properties
- Through the visualization of wind turbine models and data graphs, we can quickly pinpoint the fault in wind turbines and efficiently safeguard the operations and maintenance process. Through the “drag and drop” data and model settings, we can meet the custom settings of “same type and same module” and “multiple types and multiple modules” from various machine learning models to hone targeted operations and maintenance trouble-shooting capabilities.
- Dimensions & Packaging
- Width 1920 Height 1080
- Tags
- AI System Design , AI , AI Applications , Machine Learning , Modeling , Big Data
- Production Technology
- Using 3D visualization modeling, virtual simulation, surveillance visualization, and other technical means, we intelligently display the physical reality space in the digital system, provide interpretable and traceable machine learning capabilities, and simulate the logic behind users’ real interactive operations in the physical world. Our solution enables enterprise customers to receive fault warnings (on average) 20 minutes earlier, and the overall model accuracy rate has reached 81%.
- Design Challenge
- It also enables more effective use of wind resources and contributes to the global governance effort to combat climate change.
- Research
- It addresses user pain points of high manual operations and maintenance costs and improves operations and maintenance personnel safety and efficiency.
- Inspiration
- The system is an intelligent operation solution for renewable energy scenarios based on the digital base of Industrial IoT and the prediction capability of machine learning models. It provides decision support for the wind farm's intelligent operation and maintenance, turbine start/stop, and fault analysis.The system provides manageability for power generation capacity and allows stable and continuous output through intelligent, decision-driven solutions.
- Project Duration
- The project was completed in Beijing in 2022
- Operation Flow
- The design language follows the principle of intelligence and efficiency, and it aims to deliver a brand-new experience to users through digital and intelligent interactions.
- Image Credits
- Design creativity：Yun Xu , Wei Wang
Interface design: Yanfen Zhang
Interaction design：Xinjie Li
Video Copyright：Shaoxiong Bai
