Con Lookout for Equipment, AWS impulsa el mantenimiento predictivo de fábrica

hace 4 años

Con su servicio Lookout for Equipment, AWS permite crear un modelo de aprendizaje automático a partir de datos históricos de un entorno industrial para el mantenimiento predictivo.

Los fabricantes siempre han tratado de evitar averías que paran inesperadamente los equipos de producción, lo que genera costes incontrolados. En estos problemas de mantenimiento predictivo, AWS busca simplificar la implementación del aprendizaje automático. El proveedor de nube pública ingresa a las fábricas con su servicio Lookout for Equipment entregado en disponibilidad general. Esto se basa en modelos de aprendizaje automático desarrollados por AWS. A partir de datos recopilados en tiempo real en sensores desplegados en un entorno industrial, que informan información como presión, flujo, revoluciones / minuto, temperatura o suministro de energía, el servicio impulsa un modelo específicamente adaptado a estos equipos que podrá predecir con precisión la advertencia. signos de una falla o una disminución en el rendimiento. Según AWS, puede detectar anomalías rápidamente, establecer un diagnóstico, reducir las falsas alarmas e intervenir antes de que la máquina se averíe. El precio se basa en el volumen de datos ingeridos y de acuerdo con la cantidad de horas necesarias para entrenar su modelo personalizado y la cantidad de horas de inferencia utilizadas.

Si bien los fabricantes han utilizado sensores durante mucho tiempo para identificar fallas, los problemas a menudo se detectan en el momento de la falla y los sensores también pueden enviar alertas falsas. Los avances en el aprendizaje automático ahora permiten conocer las relaciones únicas que existen entre los datos históricos de cada componente de un dispositivo, explica AWS. Agregando que los fabricantes generalmente usan análisis y modelado de datos y que no siempre tienen la experiencia interna para desarrollar modelos de ML y escalarlos entre diferentes equipos industriales. Su servicio se puede operar sin requerir experiencia en aprendizaje automático, asegura el proveedor de la nube.

Un servicio disponible en Europa

Para utilizar Lookout for Equipment, las empresas cargan los datos de sus sensores en el servicio de almacenamiento S3 de AWS e informan la ubicación del bucket S3 al servicio de mantenimiento predictivo, que luego lo analizará automáticamente y creará el modelo ML apropiado para el servicio. medio ambiente en cuestión. Luego, este modelo analizará los datos recopilados en tiempo real para identificar los primeros signos de disfunción. Para cada alerta, el servicio indicará qué sensor está reportando un problema y medirá el alcance del impacto en el evento detectado, lo que ayudará a diagnosticar el problema y priorizar las acciones a tomar, explica AWS. Se puede acceder a Lookout for Equipment desde la consola de AWS y a través de socios en su red. A nivel mundial, está disponible en Europa (en el centro de datos ubicado en Irlanda), en la costa este de los Estados Unidos y en Asia-Pacífico. Se agregarán regiones de nubes adicionales en los próximos meses. Entre los clientes que ya utilizan el servicio, AWS cita a Siemens Energy, Koch Ag & Energy Solutions, Cepsa.

En la misma área, AWS ofrece otros servicios de aprendizaje automático de nube a borde que incluyen Monitron, una solución de mantenimiento predictivo de extremo a extremo, Lookout for vision, un servicio de visión por computadora para la detección de anomalías visuales, y Panorama, un SDK basado en dispositivos. solución de inspección visual basada en la entrega de modelos de visión por computadora a cámaras en el sitio.

Si quieres conocer otros artículos parecidos a Con Lookout for Equipment, AWS impulsa el mantenimiento predictivo de fábrica puedes visitar la categoría Otros.

Otras noticias que te pueden interesar

Subir
Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos y para mostrarte publicidad relacionada con sus preferencias en base a un perfil elaborado a partir de tus hábitos de navegación. Contiene enlaces a sitios web de terceros con políticas de privacidad ajenas que podrás aceptar o no cuando accedas a ellos. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos.
Privacidad