Mantenimiento inteligente: Hibridación IA para el diagnóstico y pronóstico del estado de los equipos

Compartir por correo electrónico

Como saben, CARL Berger-Levrault investiga y trabaja para la industria del futuro y, en particular, para la función de mantenimiento.
Uno de los miembros de CARL dirigirá un seminario web sobre

Mantenimiento inteligente: Hibridación de IA para el diagnóstico y pronóstico del estado de los equipos.”
el viernes 25 de septiembre a las 13:00 horas.

La Industria 4.0 predica una revolución completa del proceso industrial y promete enormes ganancias de eficiencia gracias a la virtualización completa de la fábrica, las herramientas de diseño numérico, la automatización de la logística y el encaminamiento de las piezas, las máquinas inteligentes, la impresión 3D, los sistemas ciberfísicos, el mantenimiento predictivo y el control de toda la fábrica por un sistema inteligente.
CARL Software ofrece una innovadora plataforma de mantenimiento predictivo alimentada por datos del IIoT que engloba el núcleo de la "Industria 4.0" con un nuevo paradigma de mantenimiento: el mantenimiento es una función de producción cuyo objetivo debe ser optimizar el rendimiento y la calidad de la producción. Aprovecharemos la revolución del IoT para lograr estos objetivos.
Esta solución de software proporciona muchas capacidades básicas en escenarios industriales, incluyendo la analítica de borde que proporciona una manera de pre-procesar los datos para que sólo la información pertinente se envíe a la capa predictiva.
La capa de predicción clasificará los datos en una clase abstracta que representa el comportamiento de los activos técnicos. Es un enfoque fiable y reproducible.

Ventajas competitivas:

  • Reducir el fracaso por 50%,
  • Reduzca los costes de mantenimiento en 30%,
  • Reducir las paradas de producción por 70%,
  • Reduce el consumo energético en 20%,
  • Reduzca el tiempo de reparación en 30%,
  • Aumentar la flexibilidad de la producción
  • Un algoritmo de aprendizaje automático que compara la predicción de fallos y los datos de los sensores con los datos históricos, prediciendo la mejor actividad de mantenimiento con respecto a los objetivos de producción y calidad.

Algunos de nuestros clientes han experimentado con esta solución.

Desafíos abordados en su presentación

  • Mejora del rendimiento de los activos,
  • Reduzca el tiempo de inactividad de los activos,
  • Eficiencia energética,
  • Mejorar la flexibilidad de la producción,
  • Mejorar la vida útil restante combinando la recopilación de datos de IoT y la hibridación de IA (la gestión del conocimiento se combina con el aprendizaje automático estadístico).

Conclusiones del aprendizaje

  • Mantenimiento predictivo y prescriptivo
  • ¿Por qué una GMAO es un punto de partida obligatorio?
  • ¿Qué es una plataforma IIoT?
  • La contribución de la IIoT y la IA a una estrategia de mantenimiento predictivo
  • Los principales retos que hay que afrontar para el éxito de la implantación (un caso de éxito industrial)

Más ...

Ir arriba