Predictive maintenance-system med tre knapper: Min 10-årige datter skal kunne bruge det

maskine fabrikshal
Illustration: romavin, bigstock.
Danske Cedas har udviklet et system til predictive maintenance, der ikke kræver bunker af historiske data. I stedet skal man lave en enkelt repræsentativ optagelse af data fra maskinen, man vil overvåge.
Løsninger11. marts 2021 kl. 06:46
errorÆldre end 30 dage
Manglende links i teksten kan sandsynligvis findes i bunden af artiklen.

Specialbyggede machine learning-modeller har vist sig at være overordentligt gode til at forudsige, hvornår en vindmølle, en bil eller en helt tredje maskine har brug for en kærlig mekaniker. 

Men hvis en fabrikshal rummer flere hundrede større og mindre maskiner, er det sjældent realistisk at udruste hver enkelt med sensorer, tagge data op og sætte de dyre ML-specialister på sagen. 

Til det formål har den danske ingeniørvirksomhed Cedas udviklet HDC Analyzer - en form for plug-and-play-system til predictive maintenance, der skal være nogenlunde lige så let at betjene som en båndoptager. 

»Vi vil gerne simulere den dygtige maskinmester,« forklarer Chief Software Security Engineer Niels Ole H. Sørensen

Få fuld adgang til DataTech

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra machine learning-modeller til dataetik. Få tilsendt tilbud

Abonnementsfordele
vpn_key
Fuld adgang til DataTech
Alt indhold på DataTech er åbent for dig, så du kan nyde det fra din computer, tablet eller mobil.
drafts
Kuraterede nyhedsbreve
Nyheder, interviews, tendenshistorier og meget mere, leveret til din indbakke.
thumb_up
Adgang til debatten
Deltag i debatten med andre professionelle.
Debatten
Log ind for at deltage i debatten.
settingsDebatindstillinger