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 "
Beispiele

Pumpen, Motoren, Ventile

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.

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 "
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 "