Senseye > 实例探究 > 施耐德电气的预测性维护

施耐德电气的预测性维护

Senseye Logo
 Predictive maintenance in Schneider Electric - IoT ONE Case Study
技术
  • 分析与建模 - 机器学习
  • 分析与建模 - 预测分析
  • 功能应用 - 企业资产管理系统 (EAM)
  • 功能应用 - 远程监控系统
  • 传感器 - 温度传感器
  • 传感器 - 电压传感器
适用行业
  • 电子产品
适用功能
  • 维护
用例
  • 预测性维护
客户
关于客户
施耐德电气在 100 个国家开展业务,拥有 137,000 名员工和 2018 年 257 亿欧元的收入,正在引领能源管理和自动化的数字化转型。公司 90% 的业务都在能源需求上,涵盖 4 月
挑战

施耐德电气位于法国的勒沃德勒伊工厂被世界经济论坛公认为世界九大最先进的“灯塔”工厂之一,大规模应用了第四次工业革命技术。它在制造过程中的关键机器上遇到机器健康和计划外停机问题。他们正在寻找一种能够轻松利用现有机器数据源、机器操作员无需复杂设置或大量培训即可使用且投资回报快的解决方案。

解决方案

最初,施耐德电气对有问题的机器进行了分析,以确定停机的主要原因并评估机器的运行状况。经过分析,他们发现部分原因是更换旧零件的时间很长。为了解决这个问题,施耐德电气开始定期更换组件。然而,只有 18% 的计划外停机时间与组件的使用年限有关。基于此,施耐德电气安装了温度和电流传感器来监控这台关键机器的行为。这些传感器的数据存储在 Aveva Insight 中,然后传递到 Senseye PdM 以根据历史数据进行分析。使用基于机械框架的强大 AI 和 ML 算法,Senseye PdM 能够在机器发生故障之前自动向维护工程师提供警报。例如,在主轴或副主轴断裂之前通知机器操作员,从而将 OEE 提高 7 点。

运营影响
  • [Data Management - Data Availability]

    Gathered more machine insights and improved critical machine uptime.

  • [Financial Growth - ROI]

    Achieved a fast ROI.

数量效益
  • Reduced the maintenance costs on a single machine by 20%.

Case Study missing?

Start adding your own!

Register with your work email and create a new case study profile for your business.

Add New Record

相关案例.

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。