Asset Predict

Framtidens underhåll är digitaliserat och förebyggande. Det effektiviserar er verksamhet, minskar driftstoppen och sänker era kostnader.

Prediktivt underhåll innebär att du, med hjälp av AI, sensorer och analys av data, kan skapa ett beslutsstöd som resulterar i att underhållsåtgärder kan utföras mer optimalt.

Det innebär också att du  automatiskt kan styra tidpunkten för när olika underhållsåtgärder ska utföras. Du kan prioritera utrustningar som annars riskerar ett haveri, samt skjuta upp onödiga aktiviteter för att därmed kunna sänka kostnader.

Rätt åtgärd vid rätt tid helt enkelt. 

kostnadsreducering prediktivt underhåll

Enligt ledande undersökningar kan underhållskostnaden kraftigt reduceras med hjälp av ett prediktivt underhåll. Ovanstående diagram sammanfattar en studie gjord av EPRI med fokus på roterande maskiner.

prediktivt_underhall_karta_2

 

Asset Predict – En färdig lösning för prediktivt underhåll

Asset by Sigma har en färdig och unik lösning för prediktivt underhåll som används av kunder inom olika verksamheter.

Så här funkar det ↓

  • Asset Predict analyserar stora mängder data för att identifiera anomalier, det vill säga avvikelser från normalt beteende av olika utrustningar. Målet kan dels vara att, i dashboards, kunna visualisera hur anläggningen mår, men också att genom automatik, kunna ge beslutsunderlag till exempelvis ett underhållssystem med optimala underhållsåtgärder.
  • Asset Predict innebär att digital teknik kombineras med dataanalys utifrån djup verksamhetskompetens. Tillsammans med kunders erfarenheter om sina specifika utrustningar, kan det förväntade resultatet säkerställas.

Metodik och plattform

Asset Predict har tre byggstenar; dataanalytiker med underhållskompetens, analysmodell och teknisk plattform.

arbetsmodell asset predict

Lösningen stödjer två angreppssätt vad gäller analysmodell som kan kombineras:
• Analysmodellen anpassas för en specifik utrustning, vilket ger noggrannhet när det kommer till att bedöma maskinhälsa.
• ”Black box”– En högre automationsgrad i mönsterigenkänning, som därmed ger en enklare installation och skalfördelar.

Vad gäller teknisk plattform baseras Asset Predict på den plattform som bäst passar kunden. Vi arbetar främst med:
Microsoft Azure
IBM Watson IoT
Amazon Web Services (AWS)
MP INtelligence från Maintpartner

Ofta används molnteknologi då det resulterar i såväl tekniska som ekonomiska fördelar, samtidigt som säkerheten kan göras mycket hög. Men lösningar kan även helt, eller delvis, installeras på lokala servrar av exempelvis prestandaskäl (edge) eller om företagets policy förhindrar moln.

Prediktivt underhåll på Öresundsbron