→ Přihlášení
Případové studie a úspěšné příběhy
Jak Neuron Soundware zvyšuje efektivitu strojů? Naše případové studie a úspěšné příběhy Vám pomohou pochopit praktické aplikace našeho řešení.

Objevte naše případové studie a úspěšné příběhy

Vítejte v přehledu případových studií společnosti Neuron Soundware, kde si můžete prohlédnout naše případové studie a příběhy. Ponořte se do inspirativních příběhů, které ukazují, jak naše technologie analýzy zvuku řízená umělou inteligencí přináší revoluci v průmyslových odvětvích. V našich případových studiích a příbězích objevte transformace v reálném světě a pozoruhodnou sílu zvukových analýz.


Aby zajistil nepřetržitou výrobu automobilových oken, použil evropský dodavatel automobilů technologii NSW k monitorování kritických zařízení - rotačních šroubových kompresorů se vstřikováním oleje - pomocí zařízení internetu věcí a neinvazivních senzorů. Umělá inteligence a strojové učení vyhodnocovaly akustická data v reálném čase a poskytovaly včasná upozornění na potenciální poruchy, což umožnilo upřednostnit kontroly a snížit náklady. Rozšířenou případovou studii si přečtěte zde.

V této případové studii se řešení umělé inteligence a strojového učení společnosti NSW zabývá opotřebením CNC obráběcích strojů. Řešení využívá hluboké učení a regresi a nabízí upozornění na odchylky v kvalitě nástroje v reálném čase a na místě, čímž zvyšuje efektivitu, snižuje náklady a zvyšuje produktivitu. Zažijte zvýšenou ziskovost díky nulovým zmetkům, sníženému odpadu a optimalizovaným operacím.

Zákazník požadoval řešení, které by řešilo škodlivý dopad kavitací v čerpacích zařízeních na strojní zařízení a kvalitu výroby. S využitím technologie NSW byly anomální zvukové signály kavitace okamžitě detekovány, což umožnilo rychlé odstranění nepředvídaných poruch. Technologie NSW účinně vyřešila problém, který běžné monitorovací systémy nedokážou řešit.

Efektivní provoz přístavu závisí na stavu mechanických součástí zařízení pro manipulaci s materiálem. Toto řešení využívalo certifikovaná zařízení NSW IoT ke sběru akustických a vibračních dat, která spolu s analýzou AI a strojového učení poskytovala užitečné poznatky, umožňovala vzdálené sledování 24 hodin denně, 7 dní v týdnu, omezovala neplánované prostoje, snižovala náklady na údržbu a zvyšovala životnost, bezpečnost a spolehlivost zařízení.

V této aplikaci řeší společnost Neuron Soundware problémy průmyslové výroby s využitím mobilní komunikace (4G a 5G) ke zvýšení výkonu zařízení. Jejich technologie umělé inteligence získává a zpracovává akustická data z pracujících robotů a identifikuje neobvyklé pohyby robotického ramene. Toto řešení zajišťuje robustní a nákladově efektivní výrobu tím, že předchází poškozením a anomáliím, které by mohly ohrozit integritu výrobního procesu, s mnoha doprovodnými výhodami.

Zákazník se potýkal s problémy při dosahování konzistentních specifikací granulí během 18hodinových mlecích cyklů, což vedlo k problémům s kvalitou a plýtvání. Bylo implementováno řešení NSW AI a strojového učení, které monitorovalo proces mletí, optimalizovalo velikost částic a zkrátilo dobu výroby o 2 hodiny na dávku. To vedlo ke zvýšení efektivity 11%, snížení plýtvání a zvýšení důvěryhodnosti dodavatele.

Řešení NSW AI a strojového učení, které je nasazeno k prevenci poruch komponentů ve specializovaných bruskách, monitoruje proces, zabraňuje poškození a udržuje správnou viskozitu materiálu v zařízení. Mezi výhody patří nižší náklady na údržbu, méně neplánovaných odstávek, nižší výrobní náklady, vyšší produktivita a menší plýtvání materiálem.

Řešení NSW řeší problém udržení stabilních dodávek vzduchu při kolísající poptávce ve výrobě a využívá monitorování a úpravy řízené umělou inteligencí. Analýzou dat v reálném čase zajišťuje optimální dodávky vzduchu, nabízí včasná varování a určuje priority kontrol, čímž účinně předchází přerušení provozu a snižuje provozní náklady.

V kontextu evropského výrobce automobilů je použití pístového heliového kompresoru při kalení převodovek zásadní pro výrobu. Tato studie se zabývá problémem udržení nepřetržitého provozu v kalicí peci, protože porucha zařízení by mohla vést ke zpoždění výroby a vzniku šrotu. Dříve byly v důsledku kritických událostí vyměňovány celé kompresory. Navrhované řešení využívá zařízení internetu věcí a neinvazivní senzory ke sběru a analýze akustických dat. Algoritmy umělé inteligence a strojového učení vyhodnocují zvuky kompresorů a pohotově detekují odchylky od normy jako anomálie. Přínosy zahrnují včasnou detekci potenciálních poruch, monitorování aktiv v reálném čase, preventivní výstrahy, zefektivnění stanovení priorit kontrol a snížení nákladů spojených s poruchami a zmetkovitostí.

Tento případ popisuje řešení pro přetížené mechanické jednotky eskalátorů, které poskytovalo zprávy o provozuschopnosti v reálném čase a vzdálený přístup. Řešení zahrnuje vytváření zpráv o využití, umožňuje efektivní plánování údržby a poskytuje základní provozní informace. Využijte úspory nákladů díky vzdálenému monitorování, srovnávání efektivity provozu a údržby a přístupu k důležitým údajům o strojích.

Spolupráce se společností NeuronSW zahrnuje využití internetu věcí pro sledování akustických emisí z ložisek, mechanických těsnění a plášťů reaktorů. Společnost NeuronSW zajišťuje instalaci hardwaru, sběr dat, školení algoritmů ML a nasazení služeb. Cílem projektu je zlepšit sledování míchadel reaktoru, přičemž se využijí odborné znalosti společnosti NeuronSW v oblasti akustiky, vývoje softwaru a hardwaru.

Přední výrobce ráfků kol hledal ve snaze o kontinuitu výroby řešení pro monitorování životně důležitých vzduchových kompresorů pomocí zařízení IoT a detekce anomálií řízené umělou inteligencí. Analýzou zvukových dat poskytuje tento komplexní systém poznatky v reálném čase, což umožňuje včasný zásah, stanovení priorit pro aktiva a snížení nákladů při optimalizaci efektivity pracovní síly.

Řešení NSW řeší problémy aditivní výroby a nabízí monitorování 3D tiskáren v reálném čase pomocí akustických signatur, obrázků a fyzikálních dat. Tato inovace odhaluje vady materiálu během tisku, omezuje plýtvání, zvyšuje kvalitu a efektivitu. Mezi výhody patří úspora materiálu, snížení počtu postprodukčních testů, zvýšení produktivity, ziskovosti a reputace dodavatele.