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

Senseye & OSIsoft Bekerja Sama untuk Prediktif Maintenance Skalabel pada Pengguna PI System

Senseye, penyedia perangkat lunak prediktif maintenance, hari ini mengumumkan bahwa telah bergabung dengan Partner EcoSphere di OSIsoft, pemimpin intelijen operasional, untuk menyediakan produk pemantauan kondisi otomatisnya guna membantu pelanggan PI System dalam perjalanan transformasi digital mereka.

Senseye & OSIsoft Bekerja Sama untuk Prediktif Maintenance Skalabel pada Pengguna PI SystemSenseye menggunakan algoritma machine learning canggih untuk mempelajari karakteristik setiap aset yang dipantau dengan menganalisis data getaran, tekanan, suhu, dan torsi. Ia mampu mengidentifikasi masalah yang muncul pada mesin hingga enam bulan sebelumnya dan meramalkan kapan suatu aset mungkin gagal dengan membandingkan output data dengan peristiwa pemeliharaan yang diketahui.

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

Kemitraan ini akan memungkinkan pelanggan OSIsoft, yang mencakup ribuan organisasi industri besar di 127 negara di seluruh dunia, untuk dengan cepat dan mudah memperkenalkan kemampuan prediktif maintenance Senseye di seluruh lingkungan operasional mereka. Setiap organisasi yang menangkap data mesin menggunakan PI System kini dapat terhubung secara mulus dengan Senseye dalam hitungan menit.

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

Knud Lasse Lueth, Managing Director di IoT Analytics: "Prediktif maintenance adalah salah satu kasus penggunaan 'killer' nyata yang sedikit untuk Internet of Things industri. Mudah dipahami bagaimana cara kerjanya dan manfaatnya nyata. Di dalam pabrik, prediktif maintenance semakin digunakan untuk mengoptimalkan operasi internal yang biasanya menghasilkan peningkatan efisiensi 20-30 persen."

Bry Dillon, VP Cloud, Channels and Community di OSIsoft, mengomentari: "Senseye menargetkan salah satu masalah paling penting yang dihadapi produsen: mengurangi biaya downtime dan pemeliharaan tidak terjadwal. Melalui integrasi ekosistem ini, Senseye dan OSIsoft memberdayakan pelanggan bersama kami untuk memaksimalkan nilai data mereka, meminimalkan downtime tidak terjadwal, dan meningkatkan efisiensi pemeliharaan menggunakan data dan wawasan real-time yang dapat ditindaklanjuti."

Simon Kampa, Chief Executive Officer Senseye, mengomentari: "Kemitraan ini adalah berita baik bagi Senseye, OSIsoft, dan pelanggan mereka di seluruh dunia. Sistem PI OSIsoft digunakan luas di banyak industri di mana Senseye terbukti memberikan nilai terbesar dan kami telah memungkinkan pengguna mereka untuk terhubung secara mulus dengan Senseye dan memahami sisa umur mesin dalam hitungan menit. Ini akan mempercepat adopsi produk unggulan kami dan manfaat waktu operasional, produktivitas, dan biaya yang besar yang dapat dicapai dengan menggunakannya."

Komentar dari manajer sourcing di organisasi industri berat besar: "Setelah menilai lebih dari sepuluh opsi prediktif maintenance secara ketat, tim kami sepakat bahwa Senseye adalah pilihan terbaik. Senseye unik dalam menawarkan mesin data backend yang sangat canggih yang digabungkan dengan antarmuka pengguna frontend yang intuitif dan ramah pengguna. Kami ingin solusi yang akan dilihat insinyur di lantai produksi sebagai alat diagnostik dan prognostik yang membantu, bukan hanya sistem lain untuk diakui saat alarm menyala. Senseye telah memenuhi ini."

 


Pemeliharaan dan Perbaikan Peralatan

  1. Membuka Nilai Real-Time dengan Pemeliharaan Prediktif
  2. Pemeliharaan Mencegah vs Prediktif: Memilih Strategi Terbaik untuk Pabrik Anda
  3. Bagaimana Pemeliharaan Prediktif Mendorong Efisiensi dan Memotong Waktu Henti
  4. Pemeliharaan Prediktif: Panduan Lengkap untuk Mengurangi Downtime dan Memaksimalkan ROI
  5. Dari Perbaikan Reaktif menuju Keandalan Prediktif: Meningkatkan Pemeliharaan untuk Produktivitas Puncak
  6. Metrik Kunci untuk Membuktikan Keberhasilan Pemeliharaan Prediktif
  7. Meluncurkan Pemeliharaan Prediktif: Pertanyaan Kunci dan Langkah Praktis
  8. Mengubah Keandalan Aset: Machine Learning untuk Predictive Maintenance
  9. Hindari Jebakan Umum: Raih Keberhasilan Pemeliharaan Prediktif dengan Senseye
  10. Buka Keunggulan Pemeliharaan Prediktif: Praktik Terbaik Ahli untuk Produsen