Industrie
❯
Maintenance prédictive
❯La technologie d'apprentissage en profondeur combinée à l'analyse des données topologiques permet d'estimer avec succès le degré de dommages internes à l'infrastructure du pont
La technologie d'apprentissage en profondeur combinée à l'analyse des données topologiques permet d'estimer avec succès le degré de dommages internes à l'infrastructure du pont
But:
Estimer et détecter le risque d'effondrement catastrophique des ponts anciens.
Objectif:
Améliorer l'efficacité des opérations
Classification automatisée des défauts sur les surfaces des produits
Pour:
Industries sanitaires
But:
Analyse d'images pour les robinets d'eau dans les industries sanitaires.
Objectif:
Autre
Analyser et prédire l'efficacité du traitement acide sur la zone de fond de puits
Pour:
Fabricant
But:
Extraction de pétrole et de gaz; assistant numérique pour analyser et prédire l'efficacité des traitements acides de la zone de fond de puits.
Objectif:
Autre
Approche basée sur l'apprentissage automatique pour identifier les points faibles dans la fabrication de disjoncteurs.
Pour:
Fabricant de disjoncteurs haute tension (HT)
But:
Détecter les problèmes dans le processus de fabrication qui conduisent à une défaillance précoce des disjoncteurs grâce à l'exploration de données liées au processus de fabrication.
Objectif:
Autre
Technologie intelligente pour contrôler les opérations manuelles via vidéo Norma
Pour:
Entreprises industrielles, entreprises de réparation, ateliers de réparation, opérateurs de produits d'ingénierie.
But:
Technologie de visualisation d'info-bulles (réalité augmentée) basée sur le processus technologique et le contrôle des opérations manuelles dans l'assemblage, la maintenance et la réparation de produits d'ingénierie.
Objectif:
Autre
Service de maintenance prédictive des moteurs à réaction
Pour:
Industrie du transport aérien, industrie des moteurs à réaction, industrie de la maintenance des compagnies aériennes, fournisseurs d'IA basés sur le cloud, industrie de l'assurance des compagnies aériennes
But:
Utilisation des données de télémétrie des moteurs à réaction pour former des algorithmes de maintenance prédictive
Objectif:
Autre
Fabrication et usines - Maintenance prédictive
Pour:
Exploitation, R&D
But:
Éviter les arrêts non planifiés dans la fabrication en utilisant l'apprentissage automatique pour prédire les états de défaillance des équipements.
Objectif:
Anticiper les risques, améliorer l'efficacité des opérations
Solution pour détecter les signes de pannes dans le système de production d'énergie éolienne
But:
Détecter les signes de dysfonctionnement (panne) dans les éoliennes
Objectif:
Améliorer l'efficacité des opérations
Analyse basée sur l'apprentissage automatique des données d'opération de traitement par lots pour identifier les causes des mauvaises performances des lots
Pour:
Les fabricants de lots tels que les pasteurisateurs de lait, les fabricants de produits pharmaceutiques, les fabricants de peinture, etc.
But:
Détecter les problèmes dans un processus de fabrication par lots qui conduisent à des produits de mauvaise qualité ou à des temps de cycle plus longs pour le traitement par lots.
Objectif:
Autre
La technologie d'apprentissage en profondeur combinée à l'analyse des données topologiques permet d'estimer avec succès le degré de dommages internes à l'infrastructure du pont
Objectif:
Améliorer l'efficacité des opérationsProblème adressé
Permet l'estimation de la défaillance et de l'état de dégradation à l'aide de capteurs montés en surface.
But du cas d'usage
Estimer et détecter le risque d'effondrement catastrophique des ponts anciens.
Description
Les tâches d'inspection des ponts sont généralement effectuées visuellement pour vérifier que la structure n'est pas endommagée. Cependant, le problème de ne se fier qu'aux informations recueillies visuellement est que les inspecteurs ne peuvent identifier que les anomalies ou les anomalies apparaissant à la surface de la structure et sont par conséquent incapables de saisir les informations concernant le degré de dommage interne. Il y a eu de nombreux essais dans lesquels des capteurs ont été fixés à la surface du tablier du pont, en utilisant des données de vibration pour évaluer le niveau de dommage. Avec les méthodes utilisées jusqu'à présent, il était difficile de comprendre avec précision le degré de dommage à l'intérieur du pont. La technologie d'IA d'apprentissage en profondeur pour les données de séries chronologiques peut découvrir des anomalies et exprimer en termes numériques des degrés de changement qui démontrent des changements drastiques dans l'état d'objets tels que des structures ou des machines, et détecter l'apparition d'anomalies ou de changements distinctifs. La technologie apprend des caractéristiques géométriques extraites de données de vibration complexes et en constante évolution collectées par des capteurs équipés sur des appareils IoT, permettant ainsi aux utilisateurs d'estimer et de valider l'état de dégradation ou de défaillance dans une variété d'infrastructures ou de machines sociales. Cette technologie a maintenant été confirmée par l'application des données de test de vérification de la 21 Research Association for Infrastructure Monitoring System (RAIMS).