Suchergebnisse
Beispiele

Fehlererkennung bei Schraubenkompressoren

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.

Mehr lesen "
Blog

Störung im Kolbenkompressor beim Automobilhersteller

Neuron Soundware erkannte eine drohende Störung im Kolben-Helium-Kompressor für die Getriebehärtung in der Automobilindustrie.

Im März 2021 erkannte unsere KI einen drohenden kritischen Fehler im Kolbenkompressor, der später zu einem Maschinenstillstand führte. Die frühzeitige Erkennung dieses Fehlers ist ein konkretes Ergebnis und ein Beweis dafür, wie maschinelle Lernalgorithmen bei der vorausschauenden Wartung helfen können.

Mehr lesen "
Beispiele

Kompressoren, Pumpen, Getriebe, Motoren

Um die Produktionskontinuität zu gewährleisten, suchte ein führender Felgenhersteller nach einer Lösung zur Überwachung wichtiger Luftkompressoren mithilfe von IIoT-Geräten und KI-gesteuerter Anomalieerkennung.

Durch die Analyse fundierter Daten liefert dieses End-to-End-System Erkenntnisse in Echtzeit, die ein frühzeitiges Eingreifen, eine Priorisierung der Anlagen und eine Kostenreduzierung bei gleichzeitiger Optimierung der Arbeitseffizienz ermöglichen.

Mehr lesen "
Blog

AI-basierte Fehlererkennung bei Luftkompressoren

Die Neuron Soundware-Lösung für die Überwachung des Maschinenzustands hat erfolgreich Fehler an Luftkompressoren aufgespürt, die mit anderen Diagnosemethoden nur schwer zu erkennen wären. Dies rettete die Produktion von Autofelgen für einen Hersteller von Autofelgen mit einem Jahresumsatz von 50 Millionen.

Mehr lesen "
Beispiele

Kompressoren, Pumpen, Motoren, Verteiler

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.

Mehr lesen "