大数据算法可实现自动称重？长城重工行业首推电动装载机作业量监测0成本解决方案！

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！

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与重型网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。