Voici comment nous fonctionnons

Logiciel conçu et adapté à l'utilisateur final

Senseye PdM est conçu pour être utilisé dans les espaces de production par les équipes opérationnelles et de maintenance qui doivent assurer le bon fonctionnement des opérations et veiller à ce que les temps d'arrêt imprévus restent limités.

La plateforme s'intègre de façon transparente et optimise au maximum vos investissements existants. Elle vous transmet automatiquement des informations de haute précision sur la maintenance prédictive d'une manière facilement compréhensible.

Données de surveillance de l'état

Elles sont généralement obtenues par les capteurs lorsque les machines sont en fonctionnement constant. Senseye PdM peut également gérer les paramètres opérationnels et les sources de données plus complexes, y compris du matériel de surveillance d'état haut de gamme. Si les données brutes nécessitent une transformation en données de surveillance d'état utilisables, cela peut être réalisé avec Senseye.

Données opérationnelles

Elles informent Senseye sur le contexte de fonctionnement d'un actif. À l'aide des données opérationnelles, Senseye peut tenir compte des changements de comportement des machines dus à différentes pièces, programmes ou recettes.

Données de maintenance

Obtenues à partir des systèmes de gestion de la maintenance existants ou saisies directement dans l'application Senseye PdM, elles permettent d’identifier l'activité de maintenance ou les défaillances fonctionnelles qui affectent une machine sous surveillance.

^{Exemples :}

Les vibrations

Qu’il s’agisse des capteurs de vibrations du système micro-électromécanique (MEMS) de base ou des accéléromètres sophistiqués de haute précision, la surveillance des vibrations offre différentes solutions relatives à la sensibilité et au délai de survenance d’une panne.

La pression

Les changements de pression et de débit peuvent indiquer un certain nombre de modes de défaillance différents des équipements nécessaires aux processus. La pression différentielle d’une pompe, par exemple, peut être utilisée pour la maintenance prédictive (PdM).

Le couple

En utilisant les données que le système de contrôle capture déjà régulièrement, les dispositifs d'entraînement modernes peuvent enregistrer des mesures de couple qui peuvent indiquer des signes précoces de défaillance.

Le courant

Les informations sont recueillies directement à partir de l'automate (PLC), ne nécessitant aucun matériel supplémentaire, ou via des capteurs de mise à niveau discrets qui permettent la surveillance des équipements existants.

Traitement des données

Senseye PdM a été développé pour être évolutif et s'appuie sur une plateforme basée sur le cloud capable de traiter de très importants volumes de données, généralement des dizaines de milliers de mesures associées chaque heure. Cela vous permet de tirer parti des avantages de la maintenance prédictive à grande échelle, en l'appliquant à chaque actif de chacune de vos installations.

Fonctionnalité d’extraction

Contrairement à d'autres solutions, Senseye PdM ne nécessite pas le développement de modèles personnalisés pour chaque type d'actif que vous exploitez. Les modèles personnalisés sont généralement limités aux actifs critiques en raison du coût élevé du développement initial. Senseye PdM permet la création automatique de modèles sans intervention de l'utilisateur - cela signifie que vous pouvez appliquer la maintenance prédictive à tous vos actifs, y compris à ceux moins critiques, couvrant l'ensemble des machines de l'usine.

Types de machines

Incidents opérationnels

Ontologies des actifs

Connaissances spécialisées

Défaillances des empreintes digitales

Caractère critique des actifs

Calendrier de production

Résolution du cas problématique

Notre approche basée sur les données signifie que Senseye PdM peut fonctionner efficacement avec peu ou pas de contexte sur les machines surveillées.

Cependant, si elles sont disponibles, les informations contextuelles telles que les calendriers de production, les types d'actifs et le caractère critique des actifs permettent d’améliorer les conclusions fournies par le système. Les connaissances spécialisées existantes sous la forme de règles de diagnostic et de seuils peuvent également être utilisées par Senseye PdM.

Anomalie

Tendance

Changement par étape

Dépassement du seuil

Diagnostic

Prévision

Dégradation

Correspondance avec une défaillance antérieure

Deux principaux concepts sous-tendent les analyses effectuées par Senseye PdM :

Concept 1

Calculer l'empreinte digitale de référence pour chaque machine et détecter à la fois les écarts isolés et les écarts constants par rapport à cette référence. Ce processus utilise une approche entièrement automatisée et non supervisée.

Concept 2

Créer une empreinte digitale de défaillance pour toutes les défaillances fonctionnelles historiques et analyser les données de surveillance de l’état pour voir si elles correspondent à une empreinte digitale connue. Ce processus est supervisé, et déclenché par la saisie de données de maintenance qui identifient une défaillance fonctionnelle réelle.

Attention Engine (Moteur d'attention)

Lorsque vous tentez d’étendre la surveillance d’état à plus grande échelle, l'augmentation correspondante des notifications aux utilisateurs devient un problème. Celui-ci s’amplifie significativement si vous appliquez la maintenance prédictive à grande échelle sur des milliers d'actifs.

Senseye PdM utilise une approche unique pour orienter vos activités de maintenance là où elles sont le plus nécessaires. Au cœur de cette approche se trouve l’Attention Engine (Moteur d'attention) - un algorithme exclusif qui estime un Attention Index® (indice d'attention) pour chacun de vos actifs, sur la base des données et des modèles de maintenance récents.

Création d’un cas problématique potentiel

Création d’un cas problématique potentiel Si l'Attention Index^® est suffisamment élevé, l’Attention Engine (moteur d'attention) initie un cas problématique potentiel pour attirer l'attention de l'utilisateur sur l'actif en question.

Le calcul des facteurs de l'Attention Index^® prend en compte les commentaires des utilisateurs sur les modèles précédents, le caractère critique des actifs et le calendrier de production. Le système apprend et s'adapte aux commentaires des utilisateurs et, ainsi, génère des notifications plus pertinentes qui sont toujours hiérarchisées de manière cohérente.

Placer en priorité l'expérience de l’utilisateur

Senseye PdM permet aux utilisateurs de visualiser et d'agir sur les cas problématiques potentiels, d'explorer les données de surveillance de l'état de tout actif connecté et de créer des rapports sur les activités de maintenance.

Les ingénieurs de maintenance, les responsables de maintenance et les directeurs d'usine bénéficient de la même interface moderne et claire, qui peut être utilisée sur les ordinateurs de bureau et les appareils mobiles.

Une liste claire et hiérarchisée des cas problématiques potentiels indique les actifs qui nécessitent une attention particulière. Un flux de travail simple permet aux équipes de maintenance de reconnaître et de suivre les actions effectuées dans le cas de chaque cas problématique potentiel.

Les ingénieurs peuvent explorer les données de surveillance de l'état de manière interactive sur des tracés temporels, en ayant un accès à l'historique complet de la maintenance et aux cas problématique potentiels précédents.

Visualisez en un coup d'œil les indicateurs clés de performance (ICP) pour suivre les performances et calculer le retour sur investissement de Senseye PdM.

Cela inclut les temps d'arrêt cumulés évités et le nombre actuel de cas problématiques potentiels initiés / résolus sur la plateforme.

Suivez et créez des rapports sur les activités de maintenance à tous les niveaux, d'un seul actif jusqu’à une ligne de production ou une installation entière.

Explorez les activités de maintenance et l'utilisation pour identifier les possibilités d'amélioration de l'efficacité.

Prêt à en savoir plus ?

Q & A with a maintenance expert - Part One - With James Bond

Listen now

Trend Detection Live! - A Dive into Sustainability