Cuéntanos tu caso y te llamamos

Mantenimiento Predictivo en la Cadena de Producción

Utilizando algoritmos de predicción somos capaces de identificar el comportamiento habitual de una máquina y generar alarmas en el momento en el que se detectan anomalías. Esto permite realizar mantenimientos dirigidos según la monitorización de las máquinas, y tener más conocimiento y visibilidad sobre el estado de los activos.

Objetivos

Identificar comportamientos anómalos
Realizar mantenimientos dirigidos desde la monitorización activa
Aumentar la producción reduciendo paradas imprevistas
Conocer el estado de las máquinas y estudiar su comportamiento


%%tb-image-alt-text%%

La monitorización de los activos en el sector industrial es una realidad cada vez más presente. La criticidad de su buen funcionamiento, debido al coste de la máquinas y las pérdidas que ocasionan las paradas, cobra cada vez más importancia, y es fundamental tanto ser capaces de identificar comportamientos anómalos para prevenir las averías, como apoyar en la decisión de cuando y donde son necesarios los mantenimientos.
%%tb-image-alt-text%%

Qué hacemos

Identificamos y monitorizamos que activos se deben analizar, y qué sensorización y variables están siendo recogidas. Mediante un análisis exploratorio identificamos aquellas que pueden aportar valor, y las necesidades en cuanto a granularidad. Seleccionamos el algoritmo más adecuado y definimos de los parámetros que generarán las alarmas, así como a la puesta en marcha de toda la automatización y reporting.

Cómo lo hacemos

Análisis exploratorio

Analizamos la calidad del dato y correlaciones entre variables con el objetivo de identificar aquellas más relevantes, corroborándolo con el conocimiento de negocio del cliente. Esta se realiza utilizando bien matrices de correlación, información mutua o distintos gráficos, o en cuadros de mando intermedios.

Selección de algoritmos

Empleamos árboles de decision (XGBoost, LightGBM) o redes neuronales (RRNN, LSTM). Tras generar modelos que son capaces de predecir la información de una variable, caracterizamos dicho modelo para identificar la normalidad. Con ello somos capaces de verificar si el comportamiento coincide con el patrón, o es anómalo.

Explotación de los datos

Realizamos un cuadro de mando para visualizar los resultados, configurado y adecuado a los requisitos del cliente. Implementamos el sistema de reporting deseado para las alarmas (correos, entradas a bases de datos o su sistema de PI), ajustándolo a las necesidades concretas.


%%tb-image-alt-text%%

Utilizando algoritmos de predicción somos capaces de identificar el comportamiento habitual de una máquina y generar alarmas en el momento en el que se detectan anomalías. Esto permite realizar mantenimientos dirigidos según la monitorización de las máquinas, y tener más conocimiento y visibilidad sobre el estado de los activos.

Objetivos

Identificar comportamientos anómalos
Realizar mantenimientos dirigidos desde la monitorización activa
Aumentar la producción reduciendo paradas imprevistas
Conocer el estado de las máquinas y estudiar su comportamiento

La monitorización de los activos en el sector industrial es una realidad cada vez más presente. La criticidad de su buen funcionamiento, debido al coste de la máquinas y las pérdidas que ocasionan las paradas, cobra cada vez más importancia, y es fundamental tanto ser capaces de identificar comportamientos anómalos para prevenir las averías, como apoyar en la decisión de cuando y donde son necesarios los mantenimientos.

Qué hacemos

Identificamos y monitorizamos que activos se deben analizar, y qué sensorización y variables están siendo recogidas. Mediante un análisis exploratorio identificamos aquellas que pueden aportar valor, y las necesidades en cuanto a granularidad. Seleccionamos el algoritmo más adecuado y definimos de los parámetros que generarán las alarmas, así como a la puesta en marcha de toda la automatización y reporting.

Cómo lo hacemos

Análisis exploratorio

Analizamos la calidad del dato y correlaciones entre variables con el objetivo de identificar aquellas más relevantes, corroborándolo con el conocimiento de negocio del cliente. Esta se realiza utilizando bien matrices de correlación, información mutua o distintos gráficos, o en cuadros de mando intermedios.

Selección de algoritmos

Empleamos árboles de decision (XGBoost, LightGBM) o redes neuronales (RRNN, LSTM). Tras generar modelos que son capaces de predecir la información de una variable, caracterizamos dicho modelo para identificar la normalidad. Con ello somos capaces de verificar si el comportamiento coincide con el patrón, o es anómalo.

Explotación de los datos

Realizamos un cuadro de mando para visualizar los resultados, configurado y adecuado a los requisitos del cliente. Implementamos el sistema de reporting deseado para las alarmas (correos, entradas a bases de datos o su sistema de PI), ajustándolo a las necesidades concretas.

Open chat
1
¿Te ayudamos?
Bienvenido a LIS Data Solutions !! Déjanos tu contacto y un experto se pondrá en contacto enseguida
Copy link
Powered by Social Snap