インダストリー4.0の最も興味深い使用法は予後です

インダストリー4.0とモノのインターネット（または必要に応じてモノのインターネット）は非常に密接に関連しているため、これらの用語を同じ意味で使用することもできます。毎日、モノのインターネットと、コネクテッドカー、コネクテッドピープル、さらにはコネクテッド洗濯機など、すべてをどのように変えるかについてのニュースがあるようです。しかし、これらの接続は実際の使用例がなければ意味がありません–はい、冷蔵庫が電話と通信できるようになりましたが、それは誰も尋ねていない質問に答え、誰も気にしない問題を解決します（私は私たち全員が最もホットな冷蔵庫ベースのソーシャルネットワークで冷蔵庫の統計を共有している5年後に私の言葉を食べる準備をしました）。

業界として、製造業には非常に明確な問題がいくつかあります。顧客は、迅速に、低コストで、高品質の商品を求めています。計画外のダウンタイムが原因でこれらの要求が満たされない場合、その結果は高額になります。これらの問題を解決するためにIoTテクノロジーを使用することを主張する方が簡単です。たとえば、RFIDタグを使用したより良い供給追跡は、サプライチェーンの遅延を減らし、品質を向上させるのに役立ちます。しかし、それは本当にではありません おもしろい 。

データストレージが安価で、帯域幅が増え続け、センシングデバイスのコストが着実に低下する一方で、その能力は向上します（クラウドに直接プッシュできる、一度に複数のものをセンシングできるなど）。基本的な分析を超えた、マシンデータを使用したインテリジェントなものがますます実行可能になっています。

製造業が必要なときに生産していない場合、それはその目的を果たしていません–それはお金を稼いでいません。診断および予測手法をマシンデータに適用することで、マシンが現在どのように実行されているか（診断）、および将来どのように実行されるかを明らかにできます。必要なときに（予測）生成できるでしょうか。前に述べたように、規範的なカレンダーベースのメンテナンスは、不必要にお金を使うための優れた方法です。予知保全は、お金を節約するための賢い方法です。

予知–機械が意図した機能を実行できなくなる時期を予測する科学は、予知保全を直接可能にします。適切なアプリケーションによって処理されたマシンからのデータは、マシンがいつ故障するかを教えてくれるので、この時間より前にそれらを維持し、ダウンタイムから身を守ることができ、顧客を失敗させ、マシンのパフォーマンスを維持するために必要以上に費やすことができます。機械がいつ故障するかについてのこの知識は、残存耐用年数（RUL）として計算されます。

RULを正確に予測することで、メンテナは、どのマシンとどの時間枠でメンテナンスが必要かをより適切に優先順位付けできます。機械の故障のリスクを大幅に減らし、コストのかかる過剰なメンテナンスを回避します。メンテナの効果を高めるのに役立つ別のツールと考えてください。

RULを提供する予後モデルは、従来、計算が困難であり、特注ベースで効果的に実装するには、才能のあるデータサイエンティストが必要でした。このアプローチの高コストは、広範な採用に悪影響を及ぼしています。ありがたいことに、高度な機械学習と安価なクラウドコンピューティングの出現により、予測はよりアクセスしやすくなり、予知保全はスケーラビリティを実現しています。

セキュリティ、コンプライアンス、統合、プロセスの認識、および改善はすべて、インダストリー4.0が可能にする重要なことです。しかし、効果的な機械がなければ、これらの問題はありません。信頼性の高いスループットを実現し、ダウンタイムを最小限に抑えます。これらはすべて、予測によって可能になります。

もっと教えてください！

予知保全と予知保全のための使いやすい製品であるSesnseyeについてもっと知りたいですか？ここでデモとディスカッションを予約します：