我们的设备在需要维护之前可以做多少咖啡？好吧，这是伊利迪亚大多数成员的基本问题。明确的答案可能是“我们将知道它何时被打破”。但是，如果机器在生产线上是基本的重要性，那么意外的维护停止是否可以接受？

在维护，改革和改革（MRO）的术语中，先前指定的方法（失败后的替换/维护/维护）将被称为 矫正维护，众所周知，只有在任何时候可以抵制生产过程的情况下，这是一个合适的策略（请参阅最低后果（请参阅工作，IDED咖啡都不是这种情况）。完全相反的策略是按照一个概念，在进行预装前的周期 /操作时间之后安排维护 预防或计划的维护。通过定期进行搜索，该策略具有明显的优势来确保固定成本。但是这些成本最低吗？在智能工厂和 行业4.0这样一个问题的答案可能不太清楚。

当机制或操作完全失败时，通过知识降低维护成本是工业运营经理的梦想。 预测维护 实际上，它似乎是实现这一梦想的最具体制造应用程序之一。预测维护的主要目标是确定机制 /过程的状态，直到确定维护时间。从这个意义上讲，它与预防或纠正性维护不同，因为它取决于设备状况（基于数据库的）的实际预测，而不是其预期的平均值（统计信息移动的誓言）或发现已经发生的问题（诊断）。唯一的缺点是，预测未来似乎并不是一项简单的任务。

现代自动化系统配备了广泛的传感器，可监视机器和操作的状态。此外，低成本无线传感器和物联网模型的可用性提高了从复杂系统中获取详细数据以在大型工厂运行的详细数据，并收集这些数据以进行进一步处理处理。但是，一个简单的问题出现了：我能理解切割机可以从旋转刀片的声音中仔细完成的课程数量吗？这是人工智能的到来。

近年来，Eledia成员已经开发，应用和出版了广泛的 人工智能工业方法4.0 小型和大型域，誓言的开发以及用于单个机器或制造运营的预测维护工具以及制造商在单独设施中流离失所的大规模的制造商。 IDIDA的主要方法是实现高尚和有效的预测能力，是在监视，高级分析和大赦国际实现的实际过程 /机器的物理视野的混合。通过整合调查过程的预期材料特征的知识（例如，通过旋转系统散发出针对旋转系统，切割材料和碎片速度的体育场/声谱之间的关系），以及电子人工智能方法论的分配，以及在工业过程中对异常因素的早期发现和扩展的直接维护战争已达到了现实。为了实现此目的，从许多不同的无与伦比的评估和不可预测的测试技术（例如声音水平测量，音频分析，压力和振动以及温度/湿度测量）中收集的“ KPI）代表了必须解决的基本挑战。

在这种情况下，E-Air Industry 4.0制造翼的最后一次应用是在机器健康状况的自动状态分析和与Ima Group进行工业合作的制造过程的领域，Ima Group是自动机器设计和制造的全球先驱，用于治疗和包装药房，化妆品死亡，茶和名人。

IDEDIA的当前研究工作旨在分配更多套件4.0 4.0 4.0方法，用于数据融合，数据分析和机器学习，以实现最复杂的预测性维护方案。在这种情况下，自我学习的可能性 数字双胞胎 Eldia成员已经在实用的工业场景中阐明了其对应机 /实际机器系统，并散发它们以应对目前正在开发的多个多案例问题。

因此，下次有人会问“我们设备在需要维护之前可以做的咖啡数量”时，会有空气可以提供帮助。

更多信息

有关我们4.0 AI演示行业和软件机翼的更多信息，请通过contact@eledia.org与我们联系。

相关项目