اثر Smart Wind Turbine Prediction رابط کاربری نگهداری پیش‌بینانه توسط 4Paradigm UED برنده بسیار ارزشمند جایزه پرافتخار 2023 جایزه نقره‌ای A' Design Award در دسته‌بندی رقابتی طراحی رابط کاربری، تعامل و تجربه کاربری است.
نقرهرابط کاربری· 2023
Smart Wind Turbine Prediction رابط کاربری نگهداری پیش‌بینانه
توسط 4Paradigm UED
مشتری: Jianxin Technology Co., Ltd
برنده جایزه نقره‌ای A' Design Award در دسته‌بندی رابط کاربری
برنده تأییدشده جایزه
تأیید وضعیت جایزه برای #141912طراحی
درباره Smart Wind Turbine Prediction رابط کاربری نگهداری پیش‌بینانه
پیش‌بینی هوشمند توربین بادی یک رابط نرم‌افزاری برای بهره‌برداری و نگهداری هوشمند مزارع بادی است. این رابط با استفاده از تصویرسازی سه‌بعدی، شبیه‌سازی مجازی و نمودارهای داده، وضعیت توربین‌ها را نمایش می‌دهد و خرابی‌ها را به‌سرعت مکان‌یابی می‌کند. مدل‌های یادگیری ماشین با کشیدن و رها کردن داده‌ها و تنظیمات مدل پیکربندی می‌شوند، به‌طوری که یک نوع توربین یا انواع متعدد توربین را می‌توان پوشش داد. هشدارهای خرابی به‌طور میانگین حدود بیست دقیقه زودتر ارائه می‌شوند و دقت مدل به ۸۱ درصد می‌رسد. هزینه‌های نگهداری دستی و خطرات ایمنی کاهش می‌یابند.
تقدیر
درباره جایزه نقره‌ای A' Design Award
Smart Wind Turbine Prediction رابط کاربری نگهداری پیش‌بینانه برنده جایزه نقره‌ای A' Design Award است، شناختی فوق‌العاده معتبر که به طراحی‌های سطح بالای زیبا، والا و تأثیرگذار اعطا می‌شود. برندگان نقره آثاری بسیار درخشان و فوق‌العاده خلاق‌اند که تخصص، استعداد و تیزبینی برجسته طراحان خود را نشان می‌دهند. از Smart Wind Turbine Prediction رابط کاربری نگهداری پیش‌بینانه انتظار می‌رود اثری شگفت‌انگیز و نمونه باشد که به‌طور چشمگیری حرفه‌ای و عمیقاً نوآورانه است. این طراحی برنده جایزه نقره‌ای A' Design Award اختراعی بسیار قابل‌توجه و ستوده است که سود می‌رساند و مرزهای هنر، علم، طراحی و فناوری را پیش می‌برد. Smart Wind Turbine Prediction رابط کاربری نگهداری پیش‌بینانه آفرینشی است که به آن بسیار رشک برده می‌شود، خواسته‌ها را بیدار می‌کند، احساسات مثبت می‌آورد و حیرت و شگفتی برمی‌انگیزد.
پشت صحنه طراحی
بسته مطبوعاتی
اعتبارات، اعضای تیم و جزئیات فنی ارائه‌شده توسط طراح.
- ویژگی‌های منحصربه‌فرد
- 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.
- ابعاد و بسته‌بندی
- Width 1920 Height 1080
- برچسب‌ها
- AI System Design , AI , AI Applications , Machine Learning , Modeling , Big Data
- فناوری تولید
- 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%.
- چالش طراحی
- It also enables more effective use of wind resources and contributes to the global governance effort to combat climate change.
- پژوهش
- It addresses user pain points of high manual operations and maintenance costs and improves operations and maintenance personnel safety and efficiency.
- الهام
- 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.
- مدت زمان پروژه
- The project was completed in Beijing in 2022
- فرایند عملیاتی
- 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.
- اعضای تیم
- Design Director：Yun Xu
Design Manager：Wei Wang
Designer：Shaoxiong Bai
Designer：Xinjie Li
Designer：Yanfen Zhang - اعتبار تصاویر
- Design creativity：Yun Xu , Wei Wang
Interface design: Yanfen Zhang
Interaction design：Xinjie Li
Video Copyright：Shaoxiong Bai
حمایت‌شده
فراتر از Designers.org را کاوش کنید
محصولات، خدمات و فرصت‌های شرکای تبلیغاتی ما را کشف کنید.
بیشتر کاوش کنید
طراحی‌های مرتبط
طراحی‌های برنده جایزه بیشتری از همین دسته‌بندی را کاوش کنید، انتخاب‌شده بر اساس شایستگی.
