- moneo : la plate-forme IIoT
- Nos produits
- moneo DataScience Toolbox
- moneo SmartLimitWatcher
moneo SmartLimitWatcher
moneo SmartLimitWatcher (SLW) est un logiciel basé sur l’IA et issu de la moneo DataScience Toolbox. Il permet de surveiller de manière dynamique les process complexes des machines et de la production.
Le SmartLimitWatcher permet la détection automatique et précoce d’anomalies d’une valeur process critique, à l’aide des données et informations issues d’autres paramètres process, influant sur l’évolution de la variable cible. moneo SmartLimitWatcher surveille en permanence la variable cible permettant de contrôler la qualité de la production, l’efficacité ou l’état de l’installation (par ex. température, débit, vibrations ou consommation de courant).
Comment fonctionne moneo SmartLimitWatcher
Un algorithme permet d’apprendre un modèle mathématique basé sur des données historiques pour comparer en permanence la valeur réelle à la valeur de consigne, selon les valeurs mesurées et les valeurs cibles anticipées. De plus, des plages d’attente dynamiques (bandes de confiance) sont calculées pour la variable cible afin de détecter et d’indiquer les déviations de manière automatisée.
moneo SmartLimitWatcher est un outil de surveillance intelligent et basé sur l’IA. Il est simple d’utilisation et ne nécessite pas d’expertise en science des données. Il prépare automatiquement et en toute facilité les données, puis les surveille de manière autonome, sur la base du «Machine Learning».
Ce que peut faire moneo SmartLimitWatcher
Le module est configurable individuellement et offre une adaptation facile de la sensibilité pour la détection d’anomalies. Les seuils d’avertissement et d’alarme peuvent être définis de manière personnalisée afin de pouvoir réagir rapidement aux déviations dans votre process de production. Il est ici possible de choisir entre les niveaux «inactif», «faible», «moyen», «élevé» et «individuel».
La solution logicielle moneo SmartLimitWatcher est utile dans le cadre de la maintenance préventive conditionnelle. Il peut être utilisé aussi bien pour la surveillance de composants de machines comparables, que pour la surveillance détaillée de composants individuels avec plusieurs valeurs mesurées., d.
moneo SmartLimitWatcher saura vous convaincre
Aucune expertise en science des données n’est nécessaire. Solution pragmatique avec un assistant simple en 5 étapes pour les responsables de production et de maintenance.Au
tomatisation de la préparation des données, de l’apprentissage des formes et du contrôle de la qualité. Aucun prétraitement complexe des données n’est nécessaire.Sélection aut
omatisée du modèle d’IA le mieux adapté et vérification de la précision de la surveillance.Maintenance
basée sur le temps et maintenance préventive. Surveillance permanente en arrière-plan à l’aide de plages d’attente dynamiques pour la variable cible.La sensib
ilité à la détection des anomalies est adaptable. Avertissements et alarmes personnalisables.5 étapes pour une surveillance intelligente des process:
L’assistant en 5étapes
moneo SmartLimitWatcher propose un assistant de configuration qui rend le logiciel facile à utiliser. En seulement cinq étapes, l’outil de surveillance intelligent peut être activé sans l’aide d’un expert.
Visite guidée: moneo SmartLimitWatcher
Possibilités d’utilisation de moneo SmartLimitWatcher
L’intelligence artificielle de moneo SmartLimitWatcher peut être utilisée de différentes manières pour surveiller les process dans le cadre de la maintenance préventive conditionnelle. Pour surveiller des composants de machines comparables ou encore des outils ou des paramètres de mesure individuels.
- Utilisation horizontale : Surveillance à l’aide de composants de machine comparables
Condition préalable :
Les composants de machine connectés sont intégrés dans un process ou dans la même installation et ils sont physiquement dépendants les uns des autres. L’avantage est que vous n’avez besoin que de quelques capteurs ou valeurs de mesure pour détecter des anomalies.
- Utilisation verticale : Surveillance détaillée d’un composant avec plusieurs valeurs de mesure
Condition préalable :
Il faut enregistrer suffisamment de valeurs de mesure du composant à surveiller pour pouvoir détecter les écarts.Cette approche généraliste est très bien adaptée à un grand nombre de problèmes de surveillance.