IA / MLIIoT y Edge

Mantenimiento predictivo de prensas hidráulicas

Automoción Sajonia

Sensores de vibración y temperatura detectan anomalías en las máquinas antes de que se produzcan averías.

Cuatro prensas hidráulicas sufrían de media dos paradas no planificadas por trimestre, y cada parada costaba varios miles de euros. No había monitorización del estado.

RALUS equipó las prensas a posteriori con sensores de vibración, presión y temperatura. Un modelo de anomalías aprendió el perfil de funcionamiento normal y avisa pronto de las desviaciones al jefe de mantenimiento mediante una alerta en Teams.

En el primer año: un 67% menos de averías no planificadas y un 29% menos de costes de mantenimiento gracias al mantenimiento basado en el estado en lugar del calendario.

Resultados

−67%
Averías no planificadas
−29%
Costes de mantenimiento
48h
Alerta temprana

Tecnologías utilizadas

PythonInfluxDBMQTTMicrosoft TeamsEdge Compute
#Predictive Maintenance#Detección de anomalías#Sensores#Vibración