Výsledky vyhledávání
Případové studie

Detekce poruchy rotačního šroubového kompresoru

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.

Přečtěte si více "
Případové studie

Čerpadla, motory, ventily

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.

Přečtěte si více "
Případové studie

Kompresory, čerpadla, převodovky, motory

Přední výrobce ráfků kol hledal ve snaze o kontinuitu výroby řešení pro monitorování životně důležitých vzduchových kompresorů pomocí zařízení IIoT a detekce anomálií řízené umělou inteligencí.

Analýzou spolehlivých dat poskytuje tento komplexní systém přehled v reálném čase, což umožňuje včasný zásah, stanovení priorit pro aktiva a snížení nákladů při optimalizaci efektivity pracovní síly.

Přečtěte si více "
Případové studie

Kompresory, čerpadla, motory, rozdělovače

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.

Přečtěte si více "