SparkCognition kommer att samarbeta med NI och IBM i testbädden ”Condition Monitoring and Predictive Maintenance Testbed” under överinseende av branschorganisationen Industrial Internet Consortium, IIC. Målet med samarbetet är att leverera teknik och information som friktionsfritt kan bytas ut mellan olika system. Detta för att skapa bättre metoder att hantera och förlänga livet på åldrande maskiner i den tunga industrin, för kraftgenerering, inom processindustrin och i en rad andra industrisektorer.

I en ny tid med lösningar för stora analoga datamängder, Big Analog Data, kan användare dra nytta av maskininlärning för att få värdefull information. De kan samla in rådata och få kunskap som förbättrar driften, maskinerna och processerna. Det kan ge stora kostnadsbesparingar och få konkurrensfördelar när prognoser baserade på artificiell intelligens varnar för komponentfel innan de inträffar, identifierar suboptimeringar och hjälper till med rotfelsanalys.
NI:s plattform utgör grunden i testbädden ”Condition Monitoring and Predictive Maintenance Testbed” som använder maskininlärning. Kunder kan använda SparkCognitions kognitiva analysmetod för att proaktivt undvika oväntade utmattningsskador i maskinerna eller fel i kritisk utrustning. Genom att förbättra systemets kapabilitet via avancerad förståelse av maskinernas hälsotillstånd och därmed upptäcka de åtgärder som behöver göras. Dessa förmågor hjälper till att förbättra effektiviteten och säkerheten i verksamheten samt sänker underhållskostnaderna.
– IIoT ger en enorm mängd sensorer i industrin och massiva datamängder som samlas in från maskiner, säger Stuart Gillen, ansvarig för affärsutveckling på SparkCognition. Samarbetet mellan NI och SparkCognition gör det möjligt att på ett intelligent sätt bearbeta den komplexa datamängden och generera värdefulla kunskaper.
Det mjukvarubaserade angreppssättet för övervakning, underhåll och optimering av många olika typer av maskiner och processer står i stark kontrast till gårdagens traditionella metoder med fixerad funktionalitet. De tar ofta alltför mycket tid att ändra, är beroende av svårfunnen kompetens och kräver individuella modeller för varje typ av maskin eller utrustning.

Filed under: Utländsk Teknik