Asociación con Senseye para proporcionar mantenimiento predictivo escalable a los usuarios de OSIsoft

Senseye, un proveedor de software de mantenimiento predictivo, anunció hoy que se unió al socio EcoSphere en OSIsoft, líder en inteligencia operativa, para ofrecer su producto de monitoreo de condición automatizado para ayudar a los clientes de PI System en su proceso de transformación digital.

Senseye utiliza algoritmos avanzados de aprendizaje automático para aprender las características de cada activo monitoreado mediante el análisis de vibración, presión, temperatura y torsión datos. Es capaz de identificar problemas emergentes con la maquinaria con hasta seis meses de anticipación y predecir cuándo es probable que falle un activo al comparar los resultados de los datos con los eventos de mantenimiento conocidos.

Los principales fabricantes han reducido a la mitad sus niveles de tiempo de inactividad no planificado y han logrado reducciones de costos de mantenimiento de hasta un 40 % mediante el uso de Senseye. Los ahorros logrados mediante el uso de Senseye han permitido a muchos usuarios recuperar su gasto anual en el sistema menos de tres meses después de la implementación.

La asociación permitirá a los clientes de OSIsoft, que incluyen miles de grandes organizaciones industriales en 127 países de todo el mundo, introducir rápida y fácilmente las capacidades de mantenimiento predictivo de Senseye en sus entornos operativos. Cualquier organización que capture datos de máquinas usando PI System ahora puede conectarse sin problemas con Senseye en minutos

IoT Analytics, un proveedor de conocimientos de mercado de IoT, M2M e Industria 4.0, calcula que el mercado de mantenimiento predictivo está creciendo a un ritmo del 39 % anual y tendrá un valor de 11 000 millones de USD en todo el mundo para 2022 a medida que las estrategias pasen del mantenimiento basado en condiciones a análisis e IoT. mantenimiento predictivo habilitado.

Knud Lasse Lueth, director general de IoT Analytics: “El mantenimiento predictivo es uno de los pocos casos de uso realmente 'asesinos' para el Internet industrial de las cosas. Es fácil entender cómo funciona y los beneficios son reales. Dentro de las fábricas, el mantenimiento predictivo se usa cada vez más para optimizar las operaciones internas, lo que generalmente genera ganancias de eficiencia del 20 al 30 por ciento.

Bry Dillon, vicepresidente de nube, canales y comunidad de OSIsoft, comenta: “Senseye apunta a uno de los problemas más importantes que enfrentan los fabricantes:reducir el costo del tiempo de inactividad y el mantenimiento no planificados. A través de la integración de este ecosistema, Senseye y OSIsoft están capacitando a nuestros clientes compartidos para maximizar el valor de sus datos, minimizar el tiempo de inactividad no planificado y aumentar la eficiencia del mantenimiento utilizando información y datos procesables en tiempo real”.

Simon Kampa, director ejecutivo de Senseye, comenta: “Esta asociación es una buena noticia para Senseye, OSIsoft y sus clientes en todo el mundo. El sistema OSIsoft PI se usa ampliamente en muchas de las industrias en las que se ha demostrado que Senseye ofrece el mayor valor y hemos hecho posible que sus usuarios se conecten sin problemas con Senseye y comprendan la vida útil restante de la maquinaria en cuestión de minutos. Esto acelerará la adopción de nuestro producto líder en el mercado y el tiempo de actividad, la productividad y los beneficios sustanciales que se pueden lograr con su uso”.

Comentarios de un gerente de abastecimiento en una gran organización industrial pesada: “Después de examinar rigurosamente más de diez ofertas de mantenimiento predictivo, nuestro equipo decidió por unanimidad que Senseye era la mejor opción. Senseye fue único en ofrecer un motor de datos de back-end muy avanzado combinado con una interfaz de usuario de front-end que era intuitiva y fácil de usar. Queríamos una solución que nuestro ingeniero en el taller viera como una herramienta útil de diagnóstico y pronóstico, no solo como otro sistema para reconocer cuándo sonaban las alarmas. Senseye ha cumplido con esto”.