Anwendungsbeispiele

In der Vergangenheit prüften die Betreiber die Qualität der Fensterheber durch Abhören. Dies bedeutete, dass der Prüfansatz vom menschlichen Faktor und dem Hören nach Gehör abhängig war. Der Hersteller beschloss, diese manuelle und anspruchsvolle Methode durch ein automatisches System zu ersetzen, das von Neuron Soundware geliefert wurde.

Um eine unterbrechungsfreie Produktion von Autofenstern zu gewährleisten, setzte ein europäischer Automobilzulieferer NSW-Technologie ein, um kritische Anlagen - öleingespritzte Schraubenkompressoren - mithilfe von IoT-Geräten und nicht-intrusiven Sensoren zu überwachen. KI und maschinelles Lernen werteten akustische Daten in Echtzeit aus, um frühzeitig vor potenziellen Ausfällen zu warnen und so priorisierte Inspektionen und Kostensenkungen zu ermöglichen. Lesen Sie die erweiterte Fallstudie hier.

In dieser Fallstudie befasst sich die KI- und Machine Learning-Lösung von NSW mit dem Verschleiß von CNC-Werkzeugmaschinen. Durch den Einsatz von Deep Learning und Regression bietet die Lösung Echtzeit-Warnungen bei Abweichungen der Werkzeugqualität, verbessert die Effizienz, senkt die Kosten und steigert die Produktivität. Erleben Sie eine gesteigerte Rentabilität durch null Ausschuss, weniger Abfall und optimierte Abläufe.

Der Kunde benötigte eine Lösung, um die schädlichen Auswirkungen von Kavitation in Pumpenanlagen auf die Maschinen- und Fertigungsqualität zu beheben. Mit Hilfe der NSW-Technologie wurden anomale Kavitationsgeräusche sofort erkannt, so dass unvorhergesehene Ausfälle schnell behoben werden konnten. Die NSW-Technologie löste effektiv ein Problem, das herkömmliche Überwachungssysteme nicht lösen können.

Die Windenergie ist zu einem immer wichtigeren Bestandteil der weltweiten Bemühungen um nachhaltige und erneuerbare Energiequellen geworden. Da die Zahl der Windturbinen weiter zunimmt, ist die Gewährleistung ihres effizienten und unterbrechungsfreien Betriebs von größter Bedeutung. Ein wichtiger Aspekt dabei ist die Implementierung von Techniken zur vorausschauenden Wartung, die dazu beitragen können, potenzielle Probleme zu erkennen, bevor sie zu kostspieligen Ausfallzeiten führen. Neuron Soundware (NSW) hat eine Methode zur Vorhersage und Vorbeugung von mechanischen Ausfällen in Windkraftanlagen entwickelt, die auf der Analyse von Schallemissionen und anderen physikalischen Parametern von Windkraftanlagen basiert.

Ein effizienter Hafenbetrieb hängt vom Zustand der mechanischen Komponenten der Materialumschlaggeräte ab. Bei dieser Lösung wurden zertifizierte NSW IoT-Geräte eingesetzt, um akustische und Vibrationsdaten zu sammeln, die zusammen mit KI- und Machine-Learning-Analysen verwertbare Erkenntnisse liefern, die eine Fernüberwachung rund um die Uhr ermöglichen, ungeplante Ausfallzeiten eindämmen, Wartungskosten senken und die Lebensdauer, Sicherheit und Zuverlässigkeit der Ausrüstung verbessern.

In dieser Anwendung geht Neuron Soundware auf die Herausforderungen der industriellen Produktion ein und nutzt die mobile Kommunikation (4G und 5G), um die Leistung der Anlagen zu verbessern. Durch die Erfassung und Verarbeitung akustischer Daten von laufenden Robotern identifiziert ihre KI-Technologie ungewöhnliche Bewegungen des Roboterarms. Diese Lösung sorgt für eine robuste, kosteneffiziente Produktion, indem sie Schäden und Anomalien verhindert, die die Integrität des Produktionsprozesses gefährden könnten, und bietet zahlreiche weitere Vorteile.

Ein Kunde stand vor der Herausforderung, während der 18-stündigen Mahlzyklen konsistente Granulatspezifikationen zu erreichen, was zu Qualitätsproblemen und Ausschuss führte. Die NSW-Lösung für KI und maschinelles Lernen wurde implementiert, um den Mahlprozess zu überwachen, die Partikelgröße zu optimieren und die Produktionszeit um 2 Stunden pro Charge zu reduzieren. Dies führte zu einer Effizienzsteigerung von 11%, reduziertem Ausschuss und erhöhter Glaubwürdigkeit des Lieferanten.

Die NSW-Lösung für KI und maschinelles Lernen wird eingesetzt, um den Ausfall von Komponenten in speziellen Schleifmaschinen zu verhindern. Sie überwacht den Prozess, um Schäden zu vermeiden und die korrekte Viskosität des Materials in der Anlage aufrechtzuerhalten. Zu den Vorteilen gehören niedrigere Wartungskosten, weniger ungeplante Stillstände, geringere Produktionskosten, höhere Produktivität und weniger Materialverschwendung.

Die NSW-Lösung begegnet der Herausforderung, die Luftzufuhr bei schwankendem Produktionsbedarf konstant zu halten, mit KI-gesteuerten Überwachungs- und Anpassungsfunktionen. Durch die Analyse von Echtzeitdaten stellt sie eine optimale Luftzufuhr sicher, gibt Frühwarnungen aus und priorisiert Inspektionen, um Unterbrechungen effektiv zu verhindern und die Betriebskosten zu senken.

Bei einem europäischen Automobilhersteller ist der Einsatz eines Kolben-Helium-Kompressors beim Härten von Getrieberädern für die Produktion unerlässlich. Diese Studie befasst sich mit der Herausforderung, einen unterbrechungsfreien Betrieb des Anlassofens aufrechtzuerhalten, da ein Ausfall der Anlage zu Produktionsverzögerungen und Ausschuss führen könnte. In der Vergangenheit wurden ganze Kompressoren aufgrund von kritischen Zwischenfällen ausgetauscht. Die vorgeschlagene Lösung nutzt IoT-Geräte und nicht-intrusive Sensoren, um akustische Daten zu sammeln und zu analysieren. KI- und maschinelle Lernalgorithmen bewerten die Kompressorgeräusche und erkennen Abweichungen von der Norm sofort als Anomalien. Zu den Vorteilen gehören die frühzeitige Erkennung potenzieller Ausfälle, die Überwachung von Anlagen in Echtzeit, präventive Warnmeldungen, eine optimierte Priorisierung von Inspektionen und eine Senkung der mit Ausfällen und Ausschuss verbundenen Kosten.

Dieser Fall beschreibt eine Lösung für überlastete mechanische Rolltreppen, die Betriebszeitberichte in Echtzeit und Fernzugriff ermöglicht. Die Lösung umfasst die Erstellung von Auslastungsberichten, ermöglicht eine effiziente Wartungsplanung und bietet wichtige betriebliche Einblicke. Profitieren Sie von Kosteneinsparungen durch Fernüberwachung, Benchmarking der Betriebs- und Wartungseffektivität und Zugang zu wichtigen Maschinendaten.

In einem Projekt mit NeuronSW werden IoT-Sensoren eingesetzt, um akustische Emissionen von Lagern, mechanischen Dichtungen und Reaktorgehäusen zu überwachen. NeuronSW übernimmt die Installation der Hardware, die Datenerfassung, das Training der ML-Algorithmen und die Bereitstellung der Dienste. Ziel des Projekts ist es, die Überwachung von Reaktorrührwerken zu verbessern und dabei von der Expertise von NeuronSW in den Bereichen Akustik, Software- und Hardwareentwicklung zu profitieren.

Um die Produktionskontinuität zu gewährleisten, suchte ein führender Felgenhersteller nach einer Lösung zur Überwachung kritischer Luftkompressoren mithilfe von IIoT-Geräten und KI-gesteuerter Anomalieerkennung. Durch die Analyse von Schalldaten liefert das End-to-End-System Echtzeitinformationen, die ein frühzeitiges Eingreifen, die Priorisierung von Anlagen und die Senkung von Kosten bei gleichzeitiger Optimierung der Arbeitseffizienz ermöglichen.

Die NSW-Lösung ist auf die Herausforderungen der additiven Fertigung ausgerichtet und bietet eine Echtzeit-Überwachung von 3D-Druckern anhand von akustischen Signaturen, Bildern und physikalischen Daten. Diese Innovation ermöglicht die Erkennung von Materialfehlern während des Druckvorgangs, wodurch Materialverschwendung reduziert, die Qualität verbessert und die Effizienz gesteigert wird. Zu den Vorteilen zählen Materialeinsparungen, weniger Nachprüfungen, höhere Produktivität und Rentabilität sowie ein besserer Ruf des Lieferanten.