Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Pemeliharaan dan Perbaikan Peralatan

Kemitraan Senseye untuk memberikan pemeliharaan prediktif yang dapat diskalakan kepada pengguna OSIsoft

Senseye, penyedia perangkat lunak pemeliharaan prediktif, hari ini mengumumkan telah bergabung dengan Mitra EcoSphere di OSIsoft, pemimpin dalam intelijen operasional, untuk menghadirkan produk pemantauan kondisi otomatisnya guna membantu pelanggan Sistem PI dalam perjalanan transformasi digital mereka.

Senseye menggunakan algoritme pembelajaran mesin canggih untuk mempelajari karakteristik setiap aset yang dipantau dengan menganalisis getaran, tekanan, suhu, dan torsi data. Ia mampu mengidentifikasi masalah yang muncul pada mesin hingga enam bulan sebelumnya dan memprediksi kapan aset kemungkinan besar akan gagal dengan membandingkan keluaran data dengan peristiwa pemeliharaan yang diketahui.

Produsen terkemuka telah mengurangi separuh tingkat waktu henti yang tidak direncanakan dan memberikan pengurangan biaya pemeliharaan hingga 40 persen dengan menggunakan Senseye. Penghematan yang dicapai dengan menggunakan Senseye telah memungkinkan banyak pengguna untuk menutup pengeluaran tahunan mereka pada sistem kurang dari tiga bulan setelah penerapan.

Kemitraan ini akan memungkinkan pelanggan OSIsoft, yang mencakup ribuan organisasi industri besar di 127 negara di seluruh dunia, dengan cepat dan mudah memperkenalkan kemampuan pemeliharaan prediktif Senseye di seluruh lingkungan operasional mereka. Setiap organisasi yang menangkap data mesin menggunakan Sistem PI sekarang dapat terhubung tanpa hambatan dengan Senseye dalam hitungan menit

IoT Analytics, penyedia wawasan pasar IoT, M2M dan Industri 4.0, menghitung bahwa pasar pemeliharaan prediktif tumbuh sebesar 39 persen per tahun dan akan bernilai US$11 miliar secara global pada tahun 2022 karena strategi beralih dari pemeliharaan berbasis kondisi ke analitik dan IoT -memungkinkan pemeliharaan prediktif.

Knud Lasse Lueth, Managing Director di IoT Analytics: “Pemeliharaan prediktif adalah salah satu dari sedikit kasus penggunaan 'pembunuh' nyata untuk Internet of Things industri. Cara kerjanya mudah dipahami dan manfaatnya nyata. Di dalam pabrik, pemeliharaan prediktif semakin sering digunakan untuk mengoptimalkan operasi internal yang biasanya menghasilkan peningkatan efisiensi 20-30 persen.

Bry Dillon, VP Cloud, Channels and Community di OSIsoft, berkomentar: “Senseye menargetkan salah satu masalah terpenting yang dihadapi produsen:mengurangi biaya waktu henti dan pemeliharaan yang tidak direncanakan. Melalui integrasi ekosistem ini, Senseye dan OSIsoft memberdayakan pelanggan bersama kami untuk memaksimalkan nilai data mereka, meminimalkan waktu henti yang tidak direncanakan, dan meningkatkan efisiensi pemeliharaan menggunakan data dan wawasan waktu nyata yang dapat ditindaklanjuti.”

Simon Kampa, Chief Executive Officer Senseye, berkomentar: “Kemitraan ini merupakan kabar baik bagi Senseye, OSIsoft, dan pelanggannya di seluruh dunia. Sistem OSIsoft PI digunakan secara luas di banyak industri di mana Senseye terbukti memberikan nilai terbaik dan kami telah memungkinkan penggunanya untuk terhubung secara mulus dengan Senseye dan memahami sisa umur mesin dalam hitungan menit. Ini akan mempercepat adopsi produk kami yang terdepan di pasar dan waktu kerja, produktivitas, dan manfaat biaya substansial yang dapat dicapai dari menggunakannya.”

Komentar dari manajer sumber di organisasi industri berat yang besar: “Setelah memeriksa lebih dari sepuluh penawaran pemeliharaan prediktif dengan ketat, tim kami memutuskan dengan suara bulat bahwa Senseye adalah pilihan terbaik. Senseye unik dalam menawarkan mesin data ujung belakang yang sangat canggih yang dipadukan dengan antarmuka pengguna ujung depan yang intuitif dan ramah pengguna. Kami menginginkan solusi yang akan dilihat oleh teknisi kami di lantai pabrik sebagai alat diagnostik dan prognostik yang membantu, bukan hanya sistem lain untuk mengenali saat alarm berbunyi. Senseye telah mewujudkannya.”


Pemeliharaan dan Perbaikan Peralatan

  1. Nilai Pemeliharaan Prediktif Waktu Nyata
  2. Perbedaan Antara Pemeliharaan Preventif vs. Prediktif
  3. Memahami manfaat pemeliharaan prediktif
  4. Penjelasan Pemeliharaan Prediktif
  5. Mengubah Pemeliharaan Menjadi Keandalan Prediktif
  6. Mengukur keberhasilan program pemeliharaan prediktif
  7. Pertanyaan Pemeliharaan Prediktif Dijawab
  8. Machine Learning dalam Pemeliharaan Prediktif
  9. Memastikan Pemeliharaan Prediktif yang Berhasil | Senseye
  10. Praktik Terbaik Pemeliharaan Prediktif | Senseye