Surveillance des États de Fonctionnement

Surveillance des Machines en Temps Réel

Surveillance des États de Fonctionnement

Surveillance des Machines en Temps Réel

Lorsque l'Entraînement devient un Capteur ! Nous vous montrons comment vous pourrez facilement mettre en œuvre une Surveillance des États de Fonctionnement de vos machines et obtenir des informations détaillées sur « l'état de santé » de vos machines et systèmes, sans avoir recours à des capteurs supplémentaires et coûteux.

La collecte et l'interprétation des données disponibles constituent déjà un moyen solide de surveiller l'état de fonctionnement de vos machines. Cela nécessite une compréhension approfondie de vos machines et des processus afin de générer des informations significatives à partir de données « brutes ». Les analyses basées sur l'apprentissage automatique (ML) et l'IA peuvent aider à identifier les anomalies plus rapidement.

Dans cette présentation, vous pouvez voir notre approche de la Surveillance des États de Fonctionnement d’une machine

Please notice

The video is only displayed if you have agreed to the use of "targeting cookies" in the cookie banner. You can adjust your cookie settings at any time in the privacy policy#use of cookies section.

Basé sur un modèle ou sur des données ?

Deux possibilités pour des résultats optimaux

Approche basée sur un modèle.  Dans ce cas, les valeurs réelles mesurées sont comparées avec celles résultant de la description mathématique/physique supposée de la machine. En cas de détection de certains schémas répétitifs ou de dépassements de seuils de tolérance, cela est interprété comme une anomalie.

Approche basée sur les données. Un algorithme d'apprentissage automatique apprend l'état normal du système sur la base de données mesurées, par exemple la vitesse du moteur, l'accélération, le couple, la position et la consommation de courant. Les valeurs réelles sont comparées à cette description apprise pour identifier les écarts.

Commande locale ou Cloud ?

Voici où les données sont traitées

Les deux approches de Surveillance des États de Fonctionnement ne diffèrent pas seulement sur le plan conceptuel. La façon dont les données sont traitées est également différente. Le traitement basé sur un modèle est généralement effectué dans le système de commande local car aucune puissance de calcul élevée n'est requise. En revanche, les analyses résultant des technologies de Machine Learning et d’Intelligence Artificielle pour une évaluation basée sur des données, sont réalisées dans le Cloud.

Avec sa gamme de produits, Lenze offre une totale liberté de choix aux fabricants de machines. Cette gamme inclut un certain nombre d'automates de différentes performance pour la Surveillance des États de Fonctionnement d’une machine basée sur un modèle. Le traitement basé sur les données peut également être effectué localement en utilisant le puissant contrôleur c750. Par ailleurs, une autre possibilité d’accès au Cloud existe avec les routeurs de la gamme x500. Combiné à la Plateforme x4, les Constructeurs de Machines disposent d’une Solution Cloud clé en main qui comprend la Surveillance des États de Fonctionnement de leurs machines, la maintenance à distance et une Gestion conviviale des Actifs.

Apprenez-en plus sur les Solutions Numériques Lenze.

Sans capteurs supplémentaires

Utilisez simplement les données existantes

Le point fort de la solution consiste à exploiter la valeur ajoutée des informations provenant de sources de données existantes – aucun autre capteur n'est utilisé. À cette fin, Lenze fournit des algorithmes pré-testés pour diverses applications et aide les constructeurs de machines à convertir leur savoir-faire et leur connaissance des machines en un modèle de Surveillance des États de Fonctionnement de leurs machines, qui leur sera profitable.