IA / MLIIoT y Edge
Mantenimiento predictivo de prensas hidráulicas
Automoción Sajonia
Sensores de vibración y temperatura detectan anomalías en las máquinas antes de que se produzcan averías.
Cuatro prensas hidráulicas sufrían de media dos paradas no planificadas por trimestre, y cada parada costaba varios miles de euros. No había monitorización del estado.
RALUS equipó las prensas a posteriori con sensores de vibración, presión y temperatura. Un modelo de anomalías aprendió el perfil de funcionamiento normal y avisa pronto de las desviaciones al jefe de mantenimiento mediante una alerta en Teams.
En el primer año: un 67% menos de averías no planificadas y un 29% menos de costes de mantenimiento gracias al mantenimiento basado en el estado en lugar del calendario.
Resultados
−67%
Averías no planificadas
−29%
Costes de mantenimiento
48h
Alerta temprana
Tecnologías utilizadas
PythonInfluxDBMQTTMicrosoft TeamsEdge Compute
#Predictive Maintenance#Detección de anomalías#Sensores#Vibración