智能预测性维护系统
应用场景:监控机器人、AGV、AMHS、汽轮机、风机、泵等动设备运行状态,预测设备故障发生时间和位置,以降低维修成本、延长设备寿命、减少停机时间、提高产出、降低设备运行风险、提升设备自动化和智能化水平

产品功能



– 设备历史数据的收集、存储、追溯、分析与展示

– 设备生产运行状态的实时监测与显示

– 设备故障重要参数的识别与设备异常检测

– 故障发生的位置、剩余寿命及最佳维修时间点的预测

– 设备维护多渠道(微信、邮件、消息)通知

产品特点



– 功能齐全且成熟的产品,大幅度缩短落地周期

– 端到端的完整的软硬件方案并融合工业Know-How

– 高预测准确度

– 丰富的落地经验,多场景落地经验(机器人、风机、泵、其他动设备)


案例介绍



※ 客户为国际泛半导体的龙头企业


• 客户商业挑战

机器人数量多(400台+)、故障频发,常造成产线停机

数据采集频率高(2000HZ)、数据量大、数据处理延时长

故障特征难以识别

以往模型预测准确度低,漏报误报频繁

缺乏懂设备会AI的复合人才




• 方案





• 方案落地效果

采集并存储了设备数据

对Robot运行状态进行监控,并标出正常、疑似、报警

识别出了影响设备故障的主要参数

利用识别的多参数数据建立了20+机器学习和模型

模型预测设备故障的准确度为99.93%+

预测了设备剩余寿命和故障位置,提示最佳维修时间点

准确预测出设备运行的三种工况:故障且需紧急维修、故障无需紧急维修、无故障

降低漏报率和误报误报率80%以上

收集并记录了故障原因及维修方案,可对设备维修提出建议






案例介绍



※ 客户为国际泛半导体的龙头企业


• 客户商业挑战

机器人数量多(400台+)、故障频发,常造成产线停机

数据采集频率高(2000HZ)、数据量大、数据处理延时长

故障特征难以识别

以往模型预测准确度低,漏报误报频繁

缺乏懂设备会AI的复合人才




• 方案





• 方案落地效果

采集并存储了设备数据

对Robot运行状态进行监控,并标出正常、疑似、报警

识别出了影响设备故障的主要参数

利用识别的多参数数据建立了20+机器学习和模型

模型预测设备故障的准确度为99.93%+

预测了设备剩余寿命和故障位置,提示最佳维修时间点

准确预测出设备运行的三种工况:故障且需紧急维修、故障无需紧急维修、无故障

降低漏报率和误报误报率80%以上

收集并记录了故障原因及维修方案,可对设备维修提出建议





留言板
留言板