Asset Risk Predictor, maintenance prédictive basée sur l’IA

Fiix par Rockwell Automatisation annonce Asset Risk Predictor, une plateforme logicielle avancée de maintenance prédictive basée sur l’intelligence artificielle.

P.Parlons du dernier produit arrivé sur le marché avec la marque Fiix de Rockwell Automation. Cette nouvelle offre de Fiix utilise les données des capteurs IA, des recettes de machines et des environnements d’exploitation pour prédire l’état des actifs, afin que les utilisateurs puissent repérer et éliminer les pannes avant qu’elles ne surviennent. L’outil est suffisamment puissant pour reconnaître les signes de panne d’équipement en seulement sept jours, prédire les pannes plusieurs jours à l’avance et est conçu pour que chacun puisse agir en quelques secondes sur la base de ces analyses.

Liudmila Domakhina, chef de produit du groupe Fiix chez Rockwell Automation
Nous sommes ravis d’avoir développé Asset Risk Predictor (ARP), une solution d’IA de pointe.
ARP permet aux clients de passer à la maintenance prédictive, réduisant ainsi les coûts de surveillance et évitant les temps d’arrêt. C’est une démonstration de notre engagement envers l’innovation dans le secteur de la maintenance.

Du visibilité offerte aux utilisateurs sur le niveau de risque quotidien de chaque actif surveillé, vous pouvez vous attendre à une réduction du nombre de pannes ainsi que du temps passé à organiser les inspections manuelles. D’autres avantages incluent la réduction des coûts de ressources et des temps de fonctionnement liés à une maintenance inutile, éliminant ainsi les incertitudes de la maintenance prédictive traditionnelle.

Prédicteur de risque d’actifs Il peut être acheté et utilisé indépendamment d’un système informatisé de gestion de la maintenance (GMAO) Fiix, ou il peut être intégré de manière transparente dans la GMAO. Si Asset Risk Predictor est connecté à une GMAO, les utilisateurs peuvent réagir plus rapidement à une panne potentielle en créant automatiquement des ordres de travail dans le système. GMAO.