Lager und Motoren
Die Vibrationen eines Motors werden mit seiner normalen Signatur verglichen: Ändert sie sich, wird die Wartung vor dem Ausfall geplant.
Vibrationen, Temperaturen und Arbeitszyklen werden zu Prognosen: Die Wartung kommt vor dem Stillstand der Linie. Statistische Prozesskontrolle und Prognosen arbeiten auf demselben Messwertstrom.
Vibrationen, Temperaturen und Arbeitszyklen werden zu Prognosen. Ein Signal, das die Grenzen verlässt, wird zur Warnung, nicht zur Überraschung.
Vibrationen und Arbeitszyklen verraten den Zahn, der sich abnutzt, bevor die Linie stillsteht.
Die Messungen werden fortlaufend abgetastet und mit den Kontrollgrenzen verglichen.
Günstige Sensoren erfassen die Messwerte und senden sie über das Kabel an das Rechenmodul.
Überschreitet ein Wert die Grenze, wird gewarnt und die Linie verlangsamt, bevor etwas kaputtgeht.
Ein Linienstillstand kostet mehr als die Wartung, die ihn verhindert hätte. Viele Ausfälle kündigen sich Wochen im Voraus an: eine Vibration, die sich ändert, eine Temperatur, die driftet, ein Zyklus, der länger wird. Das Problem ist, diese Spuren zu erfassen und rechtzeitig zu lesen.
Statistische Prozesskontrolle und vorausschauende Wartung arbeiten mit denselben Daten: Erstere prüft, ob der Prozess innerhalb der Grenzen bleibt, Letztere schätzt, wann ein Bauteil seinen Normalzustand verlassen wird.
Von der Messung zum Eingriff, in fünf Ebenen.
Statistische Prozesskontrolle und vorausschauende Wartung arbeiten auf demselben Messwertstrom: Nur die Frage, die du stellst, ändert sich.
Die Vibrationen eines Motors werden mit seiner normalen Signatur verglichen: Ändert sie sich, wird die Wartung vor dem Ausfall geplant.
Prozessmessungen, etwa Dicken oder Temperaturen, speisen Regelkarten, die Drifts melden, bevor sie die Toleranzen verlassen.
Fehlererkennung auf schnellen Oberflächen, direkt in die bestehende SPS integriert. Kein Bediener, keine Linienunterbrechungen, dokumentierte Reduzierung des Ausschusses.
Wir verbinden uns mit SPS, SCADA und ERP über standardisierte Industrieprotokolle, zum Beispiel MQTT, OPC UA und Modbus. Die Messwerte werden in monatlich partitionierten Tabellen gespeichert, und die Modelle können am Edge oder auf der Plattform laufen.
Wir wählen die kritischen Maschinen, die vorherzusehenden Ausfälle und die bereits verfügbaren Daten.
Wir montieren die Sensoren an einer Maschine und erfassen ihr Normalverhalten.
Wir ergänzen Maschinen und Linien und verfeinern Schwellenwerte und Modelle mit dem Verlauf.
Wir überwachen die Qualität der Modelle und aktualisieren sie, wenn sich die Maschinen ändern.
Zuerst muss die Maschine unter Normalbedingungen beobachtet werden, in der Regel einige Wochen. Warnungen auf Basis von Schwellenwerten können sofort starten.
Nein: Die Plattform ergänzt die bestehenden Systeme und nutzt ihre Daten, ohne sie zu ersetzen.
Nein. Viele Ausfälle lassen sich mit statistischen Kontrollen und gut gewählten Schwellenwerten erkennen; lernende Modelle kommen dort hinzu, wo sie einen messbaren Vorteil bringen.
Museen, Terminals und Marketing in der Nähe: Werkzeuge, die am richtigen Ort zu Menschen sprechen.
Seite öffnenIndoor- und Outdoor-Ortung, Suche in Augmented Reality und kontextbezogene digitale Beschilderung.
Seite öffnenMulti-Tenant-GIS für öffentliche Stellen: Karten, Open Data und aggregierte Personenströme.
Seite öffnenIoT und Edge AI: Modelle auf dem Gerät und Knoten, die sich koordinieren.
Seite öffnenMaßgeschneiderte Software und Cloud-Plattformen, ein Blatt nach dem anderen.
Seite öffnenSag uns, welche Maschinen du hast und welche Stillstände dich am meisten kosten.
Sprechen wir darüber