NEM & ENKEL PRÆDIKTIV VEDLIGEHOLDELSE
Med PredictIT kan I alene på baggrund af sensor-data forudsige at et nedbrud er på vej ved hjælp af tilstandsbaseret overvågning.
Det giver mulighed for at tilrettelægge vedligeholdelse af maskiner på et tidspunkt, som passer jer.
Alle maskiner går i stykker på et eller andet tidspunkt
– Få hjælp til at forudsige hvornår.
PredictIT bygger på HUGIN´s avancerede AI/ML-teknologi, som gør det muligt at kombinere viden og erfaring med data for at opnå de bedste resultater.
Ved at bruge HUGIN PredictIT, kan I identificere hvilke målinger, der afgiver fra den forventede værdi og benytte dette til fejlfinding.
PREDICTIT PROCESSEN
Step 1: dataindsamling
Før Predictit kan fungere optimalt, skal der indsamles et passende datasæt over de relevante målepunkter på udstyret, mens udstyret køre normalt.
Step 2: Modellen udarbejdes
De indsamlede datasæt anvendes til automatisk at estimere en model, der beskriver sammenhænge mellem målepunkterne under normal operation af udstyret
Step 3: Validering
Modellen kan nu valideres og eventuelt justeres i HUGINs generelle værktøj inden den sættes i drift. Udstyrets målepunkter skal nu forbindes til HUGIN modellen (integration).
Step 4: PREDICTIT er live
Nu køre modellen automatisk og modtager løbende live data fra målepunkterne på udstyret.
Hvis værdierne af et sæt målepunkter virker “overraskende” for modellen, alarmeres opdragelsen og identificerer kilden til afvigelsen fra normalen.
HVORDAN VIRKER PREDICTIT?
PredictIT benytter eksisterende data fra normal operation af udstyret til at bygge en statistisk model, der beskriver hvordan værdierne af målepunkterne varierer samtidigt ved normal operation.
Modellen over normal operation benyttes i sammenhæng med et surprise index til at identificere situationer, hvor værdierne af målepunkterne er anderledes end forventet.
Når data er anderledes end forventet, kan man sende en alarm til fx en operatør med en specifikation af hvilke målepunkter der opfører sig anderledes end forventet. Det kan benyttes til at undgå unødvendige nedbrud.
Modellen kan justeres med viden og erfaring fra operatørerne, hvilket giver en masse muligheder for at forbedre modellen og benytte den i andre sammenhænge (fx i forbindelse med fejlfinding, hvis systemet er gået i stykker).
Modellen er gennemsigtig og modellens troværdighed kan vurderes af brugerne eller eksperter.
DATAHÅNDTERING
HUGIN PredictIT udnytter data fra normal operation til at bygge en model, som i kombination med en beregnet værdi kan hjælpe med at opnå rettidig vedligeholdelse.
Løsningen kan afvikles i en cloud løsning eller lokalt på virksomhedens eget interne netværk.
Publikationer
Find relevante nyheder og artikler omkring HUGIN PredictIT og projektet bag produktet.