Senseye PdM:producto de 150 años-persona de I+D

En nuestra última publicación, analizamos cómo hemos aplicado lo que hemos aprendido sobre el mantenimiento predictivo a lo largo de los años a todo lo que hacemos hoy. Aquí exploraremos cómo toda esta experiencia y comprensión han convertido a Senseye PdM en el producto de mantenimiento predictivo líder en el mercado.

Años de experiencia

Como mencionamos anteriormente, Senseye PdM es el resultado de más de 150 años-persona de tiempo de investigación y desarrollo dedicados exclusivamente al mantenimiento predictivo. Construirlo no hubiera sido posible sin las habilidades de varios especialistas de la industria, ingenieros mecánicos y expertos en monitoreo de condiciones, además de un equipo de científicos de datos líderes. Y con un trabajo combinado de 30 años en las industrias aeroespacial y de defensa, líderes mundiales en las culturas de seguridad, prácticas de mantenimiento y tecnologías de mantenimiento predictivo, el amplio conocimiento y la experiencia de mantenimiento predictivo de nuestros fundadores también han demostrado ser invaluables.

Este nivel de experiencia y herencia, combinado con nuestra tecnología de aprendizaje automático de última generación, es lo que hace de Senseye PdM una solución verdaderamente única, que se vuelve aún más efectiva gracias al profundo soporte de dominio y consultoría que podemos ofrecer.

Diseñado pensando en los usuarios

Senseye PdM es único porque, a diferencia de otros productos de mantenimiento predictivo, está diseñado para los ingenieros de mantenimiento que lo utilizan. Sabemos lo ocupadas que están estas personas. Es por eso que no necesita revisiones manuales continuas de los datos del sensor que utiliza. Tampoco requiere el desarrollo de modelos personalizados para cada tipo de máquina que monitorea. En su lugar, crea automáticamente modelos de alta fidelidad para cada máquina, sin necesidad de intervención humana.

Esto significa que es posible aplicar el mantenimiento predictivo a cada máquina dentro de una planta determinada, incluso aquellas de menor criticidad. Usando una combinación de inteligencia artificial, aprendizaje automático, modelado estadístico, pronóstico y extracción de datos, el sistema puede analizar automáticamente los datos de la máquina, cancelando cualquier ruido ambiental que pueda distorsionar los resultados, para establecer con precisión la salud de una máquina y pronosticar su degradación.

Los resultados de este análisis luego se introducen en el Attention Engine de Senseye, un algoritmo patentado que genera un Attention Index® para cada máquina. Un índice de atención lo suficientemente alto hará que el motor de atención genere un caso que dirigirá la atención de un ingeniero de mantenimiento a la máquina en cuestión.

Y, como sabemos que los equipos de mantenimiento tienen poco tiempo para rastrear grandes cantidades de datos para encontrar lo que buscan, Senseye PdM les presenta todo lo que necesitan saber en un formato claro y fácil de entender, lo que les permite reaccionar con velocidad y precisión.

Filosofía de Senseye

Nuestra experiencia nos ha dado una comprensión casi instintiva de qué es PdM y cómo debería funcionar. En resumen, vemos a Senseye PdM como un sistema de soporte de decisiones que ayuda a los profesionales de mantenimiento a cuidar sus máquinas. Y esta visión constituye la base de una filosofía que sustenta todo lo que hacemos.

Aquí, entonces, están los tres principios rectores detrás del diseño de la aplicación y de los análisis de los que depende su éxito.

1 - Atención de guía

El objetivo principal de la aplicación y los análisis que la respaldan es centrar la atención de sus usuarios en las máquinas que la necesitan.

2 - Centrarse en el significado

Los análisis necesitan buenos datos, algoritmos de alta calidad y abundante contexto para generar algo significativo. Sin embargo, sabemos que el contexto es limitado en los entornos de fabricación, por lo que nos enfocamos en hacer que nuestros análisis funcionen de la manera más eficiente posible con el mínimo contexto disponible.

3 - Modelar al usuario

Complementamos el contexto limitado que tenemos con contexto adicional de los usuarios. Al centrar el análisis en el usuario, podemos predecir el interés del usuario y el estado de la máquina, por ejemplo. Y como tenemos acceso al usuario, podemos usar sus comentarios para optimizar nuestras predicciones.

Cada uno de estos tres principios proviene de una comprensión profunda del mantenimiento predictivo, fruto de años de experiencia directa. Y eso es lo que hace que el enfoque de Senseye para el problema de PdM sea único.

En nuestra próxima y última publicación, consideraremos cómo será el futuro del mantenimiento predictivo. Hasta entonces, puede ponerse en contacto con nosotros para obtener más información sobre lo que sucede detrás de escena en Senseye, o descargar nuestro informe técnico:Senseye en profundidad:¿Por qué es tan difícil el mantenimiento predictivo? - para más detalles.