AI用于预测性维护的5个应用

预先构建在机械和车辆中的传感器,随着人工智能的进入,识别温度,振动和其他方面的能力得以提高。预先构建到机械和车辆中的传感器,工业的业务领导者可能对预测性和预防性维护应用感兴趣。

虽然预测性维护允许制造商试图预测一台机器将持续多长时间,但预防性维护涉及机器的预先维护以使其工作更长时间。

从工厂工程2017年报告发现,制造企业的51%,现在使用一个计算机化的维护管理系统(CMMS)。

随着许多制造工厂的数字化和固定机械所需的反应性维护成本,我们已经列出了五家声称使用AI进行预测性维护的公司。

这些公司提供用于两种应用的软件:

  • 资产绩效:公司的主要目标是使用传感器或其他数据来确定和通知制造商何时一台机器坏了或无法工作。

  • CMMS Systems:既监控资产绩效又允许用户分配和跟踪维修工单的系统。

通过这份报告,我们希望能够让业界领袖深入了解公司如何声称使用AI来帮助制造商避免高昂的维护成本。

资产表现

Maximo资产健康

Maximo Asset Health由IBM推出,它使用IBM Watson的数据和预先安装在机器上的传感器来确定是否以及何时需要维护一台机器或部件。IBM声称该软件还考虑了因素,包括机器的使用年限和维护历史。

虽然我们找不到演示用户界面界面的演示,但下面的1分钟视频演示了如何使用该产品:

Maximo Asset Health列出了客户,如AGR Group,Australian Maritime Systems,Brisbane Motorway Services,ConnectEast,CNR International,Drax Power Station。

根据一个案例研究,为石油和天然气站点提供现场维护服务的AGR向IBM提出了升级其客户工作场所维护和工作流程系统的兴趣。由于这些系统已经过时,该研究表明,找到机器的数据和问题变得既费时又费钱。

根据该研究,该公司将他们的客户升级到Maximo,并且能够将所有站点的维护系统合并为一个。他们还能够根据软件的读数,更快,更优先地识别和报告不同站点的机械问题。

Progress DataRPM

2017年,Progress为各行业的客户提供物联网和数据驱动解决方案,以3000万美元的价格购买了DataRPM预测性维护软件。

根据Progress的说法,由此产生的Progress DataRPM产品允许那些使用机器的人通过从机器中预先构建的传感器收集的数据来跟踪机器的健康状况。

无法找到用于连接和实施软件的演示视频或简单的操作指南。然而,一旦连接起来,它似乎与Maximo类似,因为公司声称它使用机器上的传感器信息来确定机器是否在减速或者在工作中断之前可能需要维护。

DataRPM表示,他们协助公司将预先建立在公司机器中的传感器连接到他们的软件上。该公司声称他们可以将从这些传感器收集的数据格式化为数据湖或用户友好的仪表板等格式。

集成后,用户(例如制造主管)可以使用“见解”选项卡登录到面板。从选项卡中,他们可以单击一台机器并查看其“故事情节”,其中显示了每个软件的分析。

每个分析显示基于机器因素预期有多少异常,例如年龄和维护历史。在显示预期的异常之后,它将显示软件在机器上运行的测试期间实际发生的异常数。如果出现比预期更多的异常,它将向维护人员发出信号,表明机器可能需要维修。

3分钟的静音视频演示了用户如何通过软件的仪表板检查机器的故事情节:

下面还提供了用户如何与软件及其仪表板交互的概述:

在一个案例研究中,一家未命名的财富100强制造公司向Progress寻求优化和加快机械修复的步伐。该研究表明,该公司还希望减少不需要的备件库存资金,但作为预防措施购买。

该研究没有进一步详细说明这些修复可能花费多少时间或金钱给公司造成损失,但它指出备件库存成本降低了57%,因为“工人效率”增加了8%,尽管我们做了不知道如何测量“工人效率”。DataRPM软件允许公司在计划修复期间将其他任务分配给员工停机。因此,这家未透露姓名的公司声称这种工人的生产率提高了38%。

使用Progress的其他数据驱动产品的制造客户包括国际能源服务,FDM4和Parker Hannifin。Progress的汽车客户还包括丰田,考夫曼轮胎和ASA汽车服务。

Predii

Predii提供了一个平台,用户可以登录并查看可能需要的维护警报,以防止机械故障或固定机器的指南。

与上面详述的软件一样,该公司声称它集成了已经内置于机器中的传感器。该公司声称在汽车,维护和维修以及制造方面协助机械监督员。

似乎Predii的软件首先连接到机械及其传感器。然后,使用机器的用户可以打开仪表板,如果一台机器不工作或者根据其传感器收集的数据可能会失败,它将通知他们。从此通知中,用户似乎可以单击指南,告诉他们必须更换哪些特定部件或者他们如何解决问题。

虽然我们找不到演示如何使用该软件的演示,但这个4分钟的宣传视频简要介绍了该产品的截图并说明了如何使用该产品:

该公司没有在其网站上列出任何案例研究和客户,但Predii声称其领导层最近与NASA会面以讨论大数据。该公司还声称与Snap-On Diagnostics 建立合作关系,Snap-On Diagnostics 是一家汽车诊断软件公司,使用Perdii为其预测性维护应用提供动力。

CMMS系统

GE资产绩效管理

GE声称其Predix资产绩效管理软件用于帮助汽车公司确定哪些部件可能需要在飞机,火车和汽车等机械上进行固定或更换。根据GE的说法,该工具可以连接已经内置在车辆及其部件中的传感器。

集成后,用户可以登录Predix应用程序并查看车辆中的部件列表,软件标记为显示异常。然后,用户可以点击列表的不同部分并获取有关它们的信息,例如他们的年龄或他们不正确地工作了多长时间。

当用户点击特定机器的仪表板时,他们可以看到诸如温度和优先级警报之类的信息。当他们点击提醒时,他们可以获得具体的详细信息。例如,平台可以提醒他们机器内的部件正在经历比平常更高的振动或温度。

GE还声称其软件允许用户通过智能手机或平板电脑创建和分配工单。

下面的2分钟视频详细介绍了该软件的仪表板:

GE的网站提供了一个关于Grove City再制造设施的视频案例研究,该设施修复了遍布美国的货运列车。根据GE的说法,该工厂于2013年开始使用GE的软件,面积为240,000平方英尺,拥有350多名员工,每年重建1200多个货运列车引擎。

GE的Predix软件是在大规模货运列车数字化之后实施的,要求所有通过再制造设施的列车都标有条形码并连接到软件。

今天,当火车到达时,GE表示Predix软件首先用于分析火车过去如何运行的传感器数据,以及火车的某些部分是否损坏或比其他部分更新。通过基于文本的警报,该软件还可以向工厂员工显示除更换损坏的部件外还需要哪些类型的维修。

GE称,再制造设施需要在抵达后10天内修好列车。这包括分析问题所需的时间,他们声称在数字化之前需要花费超过五天的时间。现在,GE表示传感器分析可以实时进行,这可能会消除员工的停机时间。

视频案例研究如下:

Emaint

eMaint提供预测性维护和任务管理软件,类似地使用传感器信息来确定何时应该修复项目。

该公司声称,在将机器传感器连接到软件后,管理机器的员工可以登录软件并查看软件在机器中发现的异常情况。然后,软件提供有关何时应查看或修复机器的建议。当用户正在查看详述一台特定机器的页面时,用户可以单击以安排维护预约或将任务分配给内部技术人员以查看或修理机器。

该公司声称它还提供状态监测,允许用户点击桌面或移动应用程序上的一部分或一部分机器,并查看图表和可视化,显示其“噪音,振动,温度,润滑剂,磨损,腐蚀,压力和流量。“

eMaint声称其系统还可以识别是否需要新零件并与制造公司的零件供应商联系,以便用户可以购买或订购新零件。然后,用户可以直接从软件跟踪部件的交付。

eMaint声称,Westwater Treatment Plant公司面临着与机械合规性,老化设备,过时技术和高能耗相关的挑战。

除传感器数据外,eMaint还使用工厂以前的系统数据构建了一个定制平台。虽然该研究没有给出具体结果,但它报告说,工厂的管理层能够跟踪和减少机器记录故障与修复之间的时间。在检测到故障时,系统还用于订购和跟踪新零件。