Senseye PdM – Produkt von 150 Personenjahren Forschung und Entwicklung

In unserem letzten Beitrag haben wir uns angesehen, wie wir das, was wir im Laufe der Jahre über vorausschauende Wartung gelernt haben, auf alles, was wir heute tun, angewendet haben. Hier werden wir untersuchen, wie all diese Erfahrung und dieses Verständnis Senseye PdM zum führenden Produkt für vorausschauende Wartung auf dem Markt gemacht haben.

Jahrelange Erfahrung

Wie wir bereits erwähnt haben, ist Senseye PdM das Ergebnis von über 150 Personenjahren Forschungs- und Entwicklungszeit, die ausschließlich für vorausschauende Wartung aufgewendet wurden. Der Bau wäre ohne die Fähigkeiten verschiedener Branchenspezialisten, Maschinenbauingenieure und Zustandsüberwachungsexperten sowie eines Teams führender Datenwissenschaftler nicht möglich gewesen. Und mit insgesamt 30 Jahren Tätigkeit in der Luft- und Raumfahrt- und Verteidigungsindustrie – weltweit führend in den Bereichen Sicherheit, Wartungspraktiken und vorausschauende Wartungstechnologien – haben sich auch das umfassende Wissen und die Erfahrung unserer Gründer im Bereich der vorausschauenden Wartung als unschätzbar erwiesen.

Dieses Maß an Erfahrung und Erbe, kombiniert mit unserer hochmodernen Technologie für maschinelles Lernen, macht Senseye PdM zu einer wirklich einzigartigen Lösung – eine, die durch den umfassenden Domänensupport und die Beratung, die wir anbieten können, noch effektiver wird.

Für Benutzer konzipiert

Senseye PdM ist insofern einzigartig, als es im Gegensatz zu anderen vorausschauenden Wartungsprodukten für die Wartungsingenieure entwickelt wurde, die es verwenden. Wir wissen, wie beschäftigt diese Leute sind. Aus diesem Grund sind keine kontinuierlichen manuellen Überprüfungen der verwendeten Sensordaten erforderlich. Es erfordert auch nicht die Entwicklung kundenspezifischer Modelle für jeden überwachten Maschinentyp. Stattdessen erstellt es automatisch High-Fidelity-Modelle für jede Maschine, ohne dass ein menschliches Eingreifen erforderlich ist.

Dies bedeutet, dass es möglich ist, vorausschauende Wartung auf jede Maschine innerhalb einer bestimmten Anlage anzuwenden, sogar auf diejenigen mit geringerer Kritikalität. Mithilfe einer Kombination aus KI, maschinellem Lernen, statistischer Modellierung, Prognose und Data Mining kann das System Maschinendaten automatisch analysieren und Umgebungsgeräusche auslöschen, die die Ergebnisse verfälschen könnten, um den Zustand einer Maschine genau festzustellen und ihre Verschlechterung vorherzusagen.

Die Ergebnisse dieser Analyse werden dann in die Attention Engine von Senseye eingespeist, einen proprietären Algorithmus, der für jede Maschine einen Attention Index® generiert. Ein ausreichend hoher Aufmerksamkeitsindex veranlasst die Aufmerksamkeitsmaschine, einen Fall zu generieren, der die Aufmerksamkeit eines Wartungstechnikers auf die betreffende Maschine lenkt.

Und weil wir wissen, dass Wartungsteams wenig Zeit haben, riesige Datenmengen zu durchsuchen, um das zu finden, wonach sie suchen, präsentiert Senseye PdM ihnen alles, was sie wissen müssen, in einem klaren und leicht verständlichen Format, damit sie darauf reagieren können Geschwindigkeit und Genauigkeit.

Senseyes Philosophie

Unsere Erfahrung hat uns ein fast instinktives Verständnis dafür vermittelt, was PdM ist und wie es funktionieren sollte. Kurz gesagt, wir sehen Senseye PdM als ein Entscheidungsunterstützungssystem, das Wartungsfachleuten hilft, sich um ihre Maschinen zu kümmern. Und diese Sichtweise bildet die Grundlage einer Philosophie, die alles untermauert, was wir tun.

Hier sind also die drei Leitprinzipien hinter dem Design der Anwendung und der Analytik, von denen ihr Erfolg abhängt.

1 - Lenken Sie die Aufmerksamkeit

Das Hauptziel der Anwendung und der sie unterstützenden Analysen besteht darin, die Aufmerksamkeit der Benutzer auf die Computer zu lenken, die sie benötigen.

2 - Konzentrieren Sie sich auf die Bedeutung

Analysen benötigen gute Daten, hochwertige Algorithmen und reichlich Kontext, um etwas Sinnvolles zu generieren. Wir wissen jedoch, dass der Kontext in Produktionsumgebungen begrenzt ist, daher konzentrieren wir uns darauf, unsere Analysen so effizient wie möglich mit dem minimal verfügbaren Kontext zu gestalten.

3 - Den Benutzer modellieren

Wir ergänzen den begrenzten Kontext, den wir haben, mit zusätzlichem Kontext von Benutzern. Indem wir die Analysen auf den Benutzer ausrichten, können wir beispielsweise das Benutzerinteresse sowie den Maschinenzustand vorhersagen. Und da wir Zugriff auf den Benutzer haben, können wir sein Feedback nutzen, um unsere Vorhersagen zu optimieren.

Jedes dieser drei Prinzipien beruht auf einem tiefen Verständnis der vorausschauenden Wartung, das aus jahrelanger direkter Erfahrung hervorgegangen ist. Und das macht Senseyes Herangehensweise an das PdM-Problem einzigartig.

In unserem nächsten und letzten Beitrag betrachten wir, wie die Zukunft von Predictive Maintenance aussehen wird. Bis dahin können Sie uns kontaktieren, um mehr darüber zu erfahren, was bei Senseye hinter den Kulissen vor sich geht, oder unser Whitepaper herunterladen – Senseye im Detail:Warum ist vorausschauende Wartung so schwierig? - für weitere Einzelheiten.