數字化和機器學習技術可幫助提升油品分析結果的準確性和效率

潤滑劑行業內越來越關注工業4.0技術以及如何使用這些技術來改進操作。Bureau Veritas油品分析公司將數字化和機器學習技術相結合，提高了油品分析的速率和準確性，使得分析人員可以有更多的時間來分析那些需要更多關注的問題樣品。

BureauVeritas公司為潤滑劑終端用戶(一般是工業裝置運營商)進行油品分析。通常情況下，分析人員根據分析結果將樣品分為3類：①正常樣品，不需要處理；②異常樣品，需要校正處理；③緊急樣品，需要關停設備，立即維修。2014年，Bureau Veritas公司收購了Analysts公司，收購前Analysts公司有4個實驗室，每年分析100萬個樣品，收購后，擴大到17個分析室，但樣品數量僅增長了20%。

BureauVeritas公司的調查結果顯示，如果分析人員對所有分析結果進行檢查，則對每一個結果平均用時3.5 min。原有系統存在人為誤差的可能，導致分析結果不一致。通過與客戶合作，Bureau Veritas公司發現這些客戶并不關心正常樣品，但分析人員卻花了同樣的時間在正常樣品上。Bureau Veritas公司因此建立了一套將數字化和機器學習相結合的分析系統。這一學習系統閉環中有一個置信因子，如果達到90%，則認為是正常樣品，如果低于90%，則需返回給分析人員進行檢查。通過使用該系統，讓計算機來確認并處理正常樣品，使得分析人員可以有更多的時間去分析異常樣品和緊急樣品，并與用戶進行溝通。通過使用這套系統，對異常和緊急樣品的平均分析時間可增加到15 min，使得分析結果與建議更為一致。使用該方法可實現公司目標，既改進分析結果，也提高分析效率。