ARGOS łączy w sobie uczenie maszynowe na poziomie produkcyjnym z wieloletnim doświadczeniem w zakresie pomp próżniowych i oczyszczania spalin. Modele wielozmiennościowe zapewniają zdyscyplinowaną usługę inżynierii niezawodności, dzięki czemu fabryki reagują na właściwe zagrożenia we właściwym czasie. Zamiast surowej analityki ARGOS dostarcza oparte na uczeniu maszynowym, zatwierdzone przez ekspertów zalecenia, które stają się zaplanowaną pracą: sygnały są przekształcane w zlecenia robocze, części są wstępnie przygotowywane, a nieplanowane zadania stają się zaplanowanymi czynnościami.
Jak działa ARGOS
Bramka zbierania danychDzięki bramce do pozyskiwania danych typu plug-and-play ARGOS pobiera dane telemetryczne i zdarzenia serwisowe sub fab bez przerywania pracy narzędzi. Instalacja jest łatwa i zajmuje zaledwie kilka minut.
Modele uczenia maszynowego oparte na domenach
Wielozmienny indeks stanu, wykrywanie i klasyfikacja anomalii oraz szacunki przeżycia/pozostałego okresu użytkowania (RUL) są dostosowane do rodzin aktywów i warunków procesu. Zostały one skalibrowane z uwzględnieniem fizycznych wzorców awarii i interakcji między procesem a pompą.
Wiedza operacyjna i podręczniki
Biblioteki domen i metody przekształcają sygnały w wyniki. Metody te obejmują fizykę awarii i drzewa symptomów-przyczyn, klasyfikację pracy od procesu do pompy i poziomy ryzyka według konsekwencji produkcji, FMEA (analiza trybu awarii i skutków), podręczniki działań z procedurami planowania-kontroli-działania, kryteria gotowości części i remontu/końca okresu eksploatacji (EOL) dostosowane do okien RUL oraz rejestrację dowodów usług w celu udoskonalenia modelu.
Silnik ryzyka
Silnik ryzyka łączy szacowane przez uczenie maszynowe prawdopodobieństwo awarii z konsekwencjami, jakie miałoby ona na produkcję, tworząc listę zagrożeń i następne najlepsze działania.
Ciągłe uczenie się
Modele ARGOS nieustannie się uczą i są przeszkolone na podstawie wyników usług. Dokładność RUL, współczynniki fałszywie dodatnich i precyzja alertów są śledzone w celu ciągłego doskonalenia w czasie.
Pakiety decyzyjne
Cotygodniowe i comiesięczne wyniki przekładają wyniki modelu na zaplanowaną pracę, zalecenia EOL i aktualizacje kluczowych wskaźników wydajności (KPI) dostosowane do celów dostępności.
Niezależny od dostawcy projekt
ARGOS wykorzystuje otwarte, oparte na standardach interfejsy do importu i eksportu danych, co umożliwia brak blokady dostawców i pełną przenoszalność danych i modeli. Usługa działa w całości na terenie zakładu, zapewniając klientowi kontrolę nad wrażliwymi danymi fabryki.
Co otrzymują fabryki?
- Cotygodniowy raport dotyczący ryzyka oparty na uczeniu maszynowym, koncentrujący się na zasobach o wysokich konsekwencjach.
- Kolejkę kolejnych najlepszych działań z terminami, częściami i warunkami.
- Śledzenie wskaźników KPI w celu wyświetlenia dostępności, MTBF (średni czas między awariami)/MTTR (średni czas do naprawy), planowanego współczynnika pracy, unikniętych czasów przestoju i dokładności RUL. Ponadto współczynniki fałszywie dodatnie i precyzja alarmów są stale monitorowane jako wskaźniki KPI metody.
- Okresowe kontrole gotowości i podnoszenie dojrzałości - działania dotyczące danych i metod.
- Ocena dojrzałości danych i umiejętności po wdrożeniu w celu weryfikacji warunków zwrotu z inwestycji i dostosowania szkolenia modelowego do lokalnie zainstalowanego cokołu.