当前位置:首页 > 新基建 > 新基建
[导读]Sensata提供了一个易于安装和使用的物物联网平台,用于在工厂资产出现故障前监测和维护工厂资产的健康状况。 Sensata技术公司最近推出了其Sensata IQ平台,使工厂能够部署全工厂范围的资产健康监测,以防止计划外停机。这个基于云计算的平台使用人工智能来处理来自Sensata的物联网设备(传感器和硬件)和合格的第三方传感器的数据。

Sensata提供了一个易于安装和使用的物物联网平台,用于在工厂资产出现故障前监测和维护工厂资产的健康状况。

Sensata技术公司最近推出了其Sensata IQ平台,使工厂能够部署全工厂范围的资产健康监测,以防止计划外停机。这个基于云计算的平台使用人工智能来处理来自Sensata的物联网设备(传感器和硬件)和合格的第三方传感器的数据。

该解决方案的目标是该工厂85%的资产,而这些资产目前通常不受监控。在线资产监测系统传统上非常昂贵和复杂,导致许多工厂和工厂监控最关键的资产,说产品线总监的工业传感和物联网组合,他补充说,他们不使用云和集成到控制系统中。

他说:“我们的重点是工厂资产的平衡,因为我们不必与现有的控制基础设施挂钩。”“它很容易在工厂中你可能想要监控的任何资产上进行改造。”

建立一个资产基线的学习时间大约需要一到两周的时间。这些信息比存储在Sensata IQ中更有趋势,利用人工智能和机器学习(ML),用于监控不同类型的故障。

西亚法卡斯说:“对于某些资产和能力,我们可以进行故障描述,甚至保持使用寿命。”

他说,例如,在问题破坏过程之前,用户可以用估计的一段时间来提醒风扇上的故障。“我们为信息提供上下文,在很多情况下,用户需要解决的问题。”

Sensata根据基准测试估计该解决方案的故障表征精度为95 %.“西亚法卡斯来说,准确性对这些系统至关重要,”西亚法卡斯说。“如果你有大量的误报,维护人员发现没有问题,他们就会失去对这个系统的信任,他们就不会使用它……”因此,拥有数据的准确性对于在描述故障时,确保你有非常高的信心非常重要。”

一些异常检测(通过传感器)是在边缘进行的,当需要时,数据会被推到云端进行更复杂的分析。

西阿卡斯解释说:“我们把情报推到边缘,传感器位于泵或马达等资产上,每15分钟进行一次采样。”“如果它检测到一个问题,它就会传输额外的信息,比如在需要额外的计算能力时传输一个完整的波形给云,以便进行更复杂的人工智能和ML分析来描述故障。”这真的取决于你在处理什么。”

西亚法卡斯说,关键是要避免停机,在故障实际发生之前中断故障,并让工厂关闭。

易于安装,使用方便

该系统的一些关键优点包括易于安装、安装和使用,这就是Sensata所称的其系统的区别器。西亚法卡斯说:“它不需要广泛的软件或分析技能才能使用它。”

易用性从部署Sensata的传感器开始,无需工具就可以配置或安装这些传感器。例如,它的一个无线振动传感器带有一个磁铁支架,它可以放置在电机或泵上,并配置了Sensata IQ移动应用程序。

“回答几个简单的问题,然后你就可以在平台上可视化它,”西亚法卡斯说。

Sensata最新的物联网传感器之一为旋转资产提供预测维护,为工厂经理提供可操作的见解。森萨塔说,这解决了现有解决方案的问题,这些解决方案无法提供监控其资产所需的实时见解。

新的无线6大众系列物联网传感器解决方案使用多模态传感器和人工智能驱动的算法和分析能力来监测旋转资产。从传感器的数据在边缘分析异常,为森萨塔智商提供见解

据该公司称,6VW是一种自动安装解决方案,具有一个针对设备配置的移动应用程序,可以在不到5分钟内进行安装和安装。该解决方案可以使用六种传感模式同时监测每个资产:振动、温度、声发射、速度、湿度和磁通量。这些传感器可以被改造成一系列现有的旋转资产,如马达、泵、鼓风机、风扇或压缩机,无论品牌或制造商如何,而不需要改变公司的硬件或控制平台。

西亚法卡斯说:“使Sensata IQ易于使用的原因还在于,人工智能和ML从客户那里获取所需的领域专业知识,并将其打包到在系统中运行的模型中。”“人工智能允许系统掌握该领域的专业知识,这样维护经理或工厂管理人员就可以以一种简单的方式解释这些信号,提醒他们系统中将会出现异常或特定故障。”

警报是可配置的。西亚法卡斯说,用户可以输入自己的警报阈值,或者使用机器学习来触发这些警报,并通过短信或电子邮件发送到仪表盘上。还可以分配用户角色。

为了便于使用,工厂经理和维护工程师可以在任何地方监控他们的所有资产,包括使用智能手机、个人电脑或平板电脑。在资产出现故障之前,它们还会收到有关设备健康状况的警报。这就减少了计划外的停机时间,并优化了维护策略。

西亚法卡斯说,避免停机有很多好处。这些包括“财务影响,对许多制造商来说,每年可能达到数百万美元,以及备件优化,确保正确的零件,并在特定的时间窗口内计划维护,而不是对失败的资产做出反应。”

Siafakas说,Sensata IQ解决方案的最佳位置是工厂和建筑,它们使用“大量旋转设备,如泵、电机、压缩机、风扇和变速箱,以及任何有兴趣减少停机时间和提高效率的人。”


声明:该篇文章为本站原创,未经授权不予转载,侵权必究。
换一批
延伸阅读

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

上海2024年4月16日 /美通社/ -- 4月11日,中智《百川汇流 央地融通,全力以赴加快五个中心建设》主题大会在上海成功举办,本次大会由上海市经信委和上海市国资委指导、中智经济技术合作股份有限公司和中智管理咨询有限...

关键字: AI 电气 人工智能 半导体

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习

机器学习是人工智能领域的一个重要分支,它使用各种算法来使计算机系统能够从数据中学习和改进,而无需进行明确的编程。在机器学习的广阔领域中,有多种算法被广泛应用,每种算法都有其独特的适用场景和优势。本文将详细介绍机器学习中的...

关键字: 机器学习 人工智能 计算机

尼得科株式会社将扩大其位于泰国的服务器用水冷模块CDU(Coolant Distribution Unit)生产线,计划在目前的月产能200 台基础上于 2024 年 6 月增加到每月 2,000 台。

关键字: 人工智能 电源 电路板
关闭