数字化和机器学习技术可帮助提升油品分析结果的准确性和效率

润滑剂行业内越来越关注工业4.0技术以及如何使用这些技术来改进操作。Bureau Veritas油品分析公司将数字化和机器学习技术相结合，提高了油品分析的速率和准确性，使得分析人员可以有更多的时间来分析那些需要更多关注的问题样品。

BureauVeritas公司为润滑剂终端用户(一般是工业装置运营商)进行油品分析。通常情况下，分析人员根据分析结果将样品分为3类：①正常样品，不需要处理；②异常样品，需要校正处理；③紧急样品，需要关停设备，立即维修。2014年，Bureau Veritas公司收购了Analysts公司，收购前Analysts公司有4个实验室，每年分析100万个样品，收购后，扩大到17个分析室，但样品数量仅增长了20%。

BureauVeritas公司的调查结果显示，如果分析人员对所有分析结果进行检查，则对每一个结果平均用时3.5 min。原有系统存在人为误差的可能，导致分析结果不一致。通过与客户合作，Bureau Veritas公司发现这些客户并不关心正常样品，但分析人员却花了同样的时间在正常样品上。Bureau Veritas公司因此建立了一套将数字化和机器学习相结合的分析系统。这一学习系统闭环中有一个置信因子，如果达到90%，则认为是正常样品，如果低于90%，则需返回给分析人员进行检查。通过使用该系统，让计算机来确认并处理正常样品，使得分析人员可以有更多的时间去分析异常样品和紧急样品，并与用户进行沟通。通过使用这套系统，对异常和紧急样品的平均分析时间可增加到15 min，使得分析结果与建议更为一致。使用该方法可实现公司目标，既改进分析结果，也提高分析效率。