Senseye PdM - produit de 150 années-personnes de R&D

Dans notre dernier article, nous avons examiné comment nous avons appliqué ce que nous avons appris sur la maintenance prédictive au fil des ans à tout ce que nous faisons aujourd'hui. Ici, nous allons explorer comment toute cette expérience et cette compréhension ont fait de Senseye PdM le produit de maintenance prédictive leader sur le marché.

Des années d'expérience

Comme nous l'avons mentionné précédemment, Senseye PdM est le résultat de plus de 150 années-personnes de recherche et de développement consacrées exclusivement à la maintenance prédictive. Sa construction n'aurait pas été possible sans les compétences de divers spécialistes de l'industrie, d'ingénieurs en mécanique et d'experts en surveillance de l'état, en plus d'une équipe de spécialistes des données de premier plan. Et avec 30 années combinées de travail dans les industries de l'aérospatiale et de la défense - leaders mondiaux dans les cultures de sécurité, les pratiques de maintenance et les technologies de maintenance prédictive - les connaissances et l'expérience approfondies de nos fondateurs en matière de maintenance prédictive se sont également révélées inestimables.

Ce niveau d'expérience et d'héritage, combiné à notre technologie d'apprentissage automatique de pointe, est ce qui fait de Senseye PdM une solution vraiment unique - une solution encore plus efficace grâce au support et au conseil approfondis que nous pouvons offrir.

Conçu pour les utilisateurs

Senseye PdM est unique en ce sens que, contrairement à d'autres produits de maintenance prédictive, il est conçu pour les ingénieurs de maintenance qui l'utilisent. Nous savons à quel point ces gens sont occupés. C'est pourquoi il n'a pas besoin d'examens manuels continus des données des capteurs qu'il utilise. Il ne nécessite pas non plus le développement de modèles personnalisés pour chaque type de machine qu'il surveille. Au lieu de cela, il crée automatiquement des modèles haute fidélité pour chaque machine, sans intervention humaine.

Cela signifie qu'il est possible d'appliquer la maintenance prédictive à chaque machine d'une usine donnée, même celles de moindre criticité. En utilisant une combinaison d'intelligence artificielle, d'apprentissage automatique, de modélisation statistique, de pronostic et d'exploration de données, le système peut analyser automatiquement les données de la machine, en annulant tout bruit environnemental susceptible de fausser les résultats, pour établir avec précision l'état d'une machine et prévoir sa dégradation.

Les résultats de cette analyse sont ensuite intégrés au Attention Engine de Senseye, un algorithme propriétaire qui génère un Attention Index® pour chaque machine. Un indice d'attention suffisamment élevé amènera le moteur d'attention à générer un cas qui dirigera l'attention d'un ingénieur de maintenance vers la machine en question.

Et, parce que nous savons que les équipes de maintenance ont peu de temps pour parcourir d'énormes quantités de données pour trouver ce qu'elles recherchent, Senseye PdM leur présente tout ce qu'elles doivent savoir dans un format clair et facilement compréhensible, leur permettant de réagir avec rapidité et précision.

La philosophie de Senseye

Notre expérience nous a donné une compréhension quasi instinctive de ce qu'est la PdM et de son fonctionnement. En bref, nous voyons Senseye PdM comme un système d'aide à la décision qui aide les professionnels de la maintenance à prendre soin de leurs machines. Et cette vision constitue la base d'une philosophie qui sous-tend tout ce que nous faisons.

Voici donc les trois principes directeurs derrière la conception de l'application et des analyses dont dépend son succès.

1 - Attirez l'attention

L'objectif principal de l'application et des analyses qui la soutiennent est de concentrer l'attention de ses utilisateurs sur les machines qui en ont besoin.

2 - Se concentrer sur le sens

L'analyse a besoin de bonnes données, d'algorithmes de haute qualité et d'un contexte abondant pour générer quelque chose de significatif. Nous savons cependant que le contexte est limité dans les environnements de fabrication. Nous nous efforçons donc de faire en sorte que nos analyses fonctionnent aussi efficacement que possible avec le minimum de contexte disponible.

3 - Modéliser l'utilisateur

Nous complétons le contexte limité que nous avons avec le contexte supplémentaire des utilisateurs. En concentrant les analyses sur l'utilisateur, nous sommes en mesure de prédire l'intérêt de l'utilisateur ainsi que la santé de la machine, par exemple. Et parce que nous avons accès à l'utilisateur, nous pouvons utiliser ses commentaires pour optimiser nos prédictions.

Chacun de ces trois principes découle d'une compréhension approfondie de la maintenance prédictive, née d'années d'expérience directe. Et c'est ce qui rend l'approche de Senseye au problème PdM unique.

Dans notre prochain et dernier article, nous examinerons à quoi ressemblera l'avenir de la maintenance prédictive. D'ici là, vous pouvez nous contacter pour en savoir plus sur ce qui se passe dans les coulisses de Senseye, ou télécharger notre livre blanc - Senseye en profondeur :Pourquoi la maintenance prédictive est-elle si difficile ? - pour plus de détails.