ARGOS combina el aprendizaje automático de nivel de producción con décadas de experiencia en bombas de vacío y reducción. Los modelos multivariables alimentan un servicio de ingeniería de fiabilidad disciplinado para que las fábricas actúen sobre los riesgos adecuados en el momento adecuado. En lugar de analíticas brutas, ARGOS ofrece recomendaciones basadas en el aprendizaje automático y validadas por expertos que se convierten en trabajo planificado: las señales se traducen en órdenes de trabajo, las piezas se preparan y las tareas no planificadas se convierten en actividades programadas.
Cómo funciona ARGOS
Puerta de enlace de captura de datosA través de una puerta de enlace de captura de datos plug-and-play, ARGOS ingresa telemetría subfab y eventos de servicio sin interrumpir las herramientas. La instalación es sencilla y tarda solo unos minutos.
Modelos de aprendizaje automático basados en el dominio
El índice de salud multivariable, la detección y clasificación de anomalías y los estimadores de supervivencia/vida útil restante (RUL) se ajustan a las familias de activos y a las condiciones del proceso. Se han calibrado con patrones físicos de fallo e interacciones entre el proceso y la bomba.
Experiencia operativa y guías prácticas
Las bibliotecas y métodos de dominio convierten las señales en resultados. Estos métodos incluyen árboles físicos de fallos y de síntomas a causas, clasificación de tareas de proceso a bomba y niveles de riesgo por consecuencia de la producción, guías de actuación de FMEA (análisis de modo de fallo y efectos) con rutinas de planificación-hacer-comprobar-actuar, criterios de preparación y revisión de piezas/EOL (fin de vida útil) alineados con ventanas RUL y captura de pruebas de servicio para mejorar el modelo de alimentación.
Motor de riesgo
Un motor de riesgo combina una probabilidad de fallo estimada por el aprendizaje automático con las consecuencias que tendría en la producción para producir una lista clasificada de riesgos y las siguientes mejores acciones.
Formación continuada
Los modelos ARGOS están aprendiendo continuamente y se vuelven a entrenar con los resultados del servicio. Se realiza un seguimiento de la precisión del RUL, las tasas de falsos positivos y la precisión de las alertas para mejorar continuamente con el tiempo.
Paquetes de decisiones
Los resultados semanales y mensuales traducen los resultados del modelo en trabajo programado, recomendaciones de EOL y actualizaciones de indicadores clave de rendimiento (KPI) alineados con los objetivos de disponibilidad.
Diseño independiente del proveedor
ARGOS utiliza interfaces abiertas y basadas en estándares para la importación y exportación de datos, lo que permite la ausencia de bloqueo de proveedores y la portabilidad completa de datos y modelos. El servicio funciona completamente en las instalaciones, manteniendo los datos confidenciales de la fábrica bajo el control del cliente.
Qué reciben los fabricantes
- Un informe semanal de riesgos basado en el aprendizaje automático centrado en activos de alta consecuencia.
- Una cola de la siguiente mejor acción con tiempo, piezas y requisitos previos.
- Seguimiento de KPI para mostrar disponibilidad, MTBF (tiempo medio entre fallos)/MTTR (tiempo medio hasta la reparación), relación entre trabajo planificado, tiempo de inactividad evitado y precisión RUL. Además, las tasas de falsos positivos y la precisión de las alertas se supervisan continuamente como KPI del método.
- Comprobaciones periódicas de preparación y acciones de elevación de madurez en todos los datos y métodos.
- Una evaluación de la madurez de los datos y las habilidades tras la implementación para verificar las condiciones de ROI y ajustar la formación del modelo a la base instalada local.