IA / MLIIoT & Edge
Maintenance prédictive de presses hydrauliques
Automobile Saxe
Des capteurs de vibration et de température détectent les anomalies machines avant que les pannes ne surviennent.
Quatre presses hydrauliques tombaient en panne de manière imprévue en moyenne deux fois par trimestre — chaque arrêt coûtait plusieurs milliers d'euros. Il n'existait aucune surveillance d'état.
RALUS a équipé les presses a posteriori de capteurs de vibration, de pression et de température. Un modèle d'anomalies a appris le profil de fonctionnement normal et signale les écarts suffisamment tôt au responsable de maintenance via une alerte Teams.
La première année : 67% de pannes imprévues en moins, 29% de coûts de maintenance en moins grâce à une maintenance conditionnelle plutôt que calendaire.
Résultats
−67%
Pannes imprévues
−29%
Coûts de maintenance
48h
Alerte précoce
Technologies utilisées
PythonInfluxDBMQTTMicrosoft TeamsEdge Compute
#Predictive Maintenance#Détection d'anomalies#Capteurs#Vibrations