Případové studie aplikací prediktivní údržby

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.

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 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.

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.