Fiordo Austral utilizes Sightline EDM for food production continuous vibration monitoring.

Desviación de alertas de parámetros óptimos en decantadores, tricantadores y separadores centrífugos

 

Visión general: Prevenir el tiempo de inactividad con el aprendizaje automático de detección de anomalías

Un aprendizaje automático eficiente de detección de anomalías puede ser la diferencia entre minutos de análisis y horas o días de control de daños. Las empresas dependen de datos precisos para predecir y abordar los fallos de funcionamiento de las máquinas antes de que se produzcan. Cuando se utilizan datos inexactos o irrelevantes, la probabilidad de error es mucho mayor y puede provocar retrasos o incluso fallos en la máquina. Esto resulta caro y lleva mucho tiempo.

Para predecir los problemas antes de que se produzcan, una empresa debe invertir en un software de análisis de datos y un sistema de gestión de datos adecuados. El aprendizaje automático de mantenimiento predictivo es un activo valioso, ya que determina anomalías, informa de ellas y aborda la causa raíz de un problema para que no vuelva a ocurrir.

Al utilizar el aprendizaje automático de detección de anomalías, una empresa puede trabajar de forma más eficiente. El tiempo de inactividad de la máquina se reduce al mínimo, y la IA se anticipa a las amenazas destructivas a medida que aprende a tratar eficazmente los problemas a medida que surgen. Además, el software de análisis de datos recopila los datos y los adapta a visualizaciones que los operadores y gestores de la planta pueden comprender fácilmente. Estos datos se pueden convertir fácilmente en resoluciones procesables, trabajando junto con el aprendizaje automático de las máquinas.

Fiordo Austral utilizes Sightline EDM for food production continuous vibration monitoring.
Detecting and Alerting Deviations in Optimal Parameters

 

Desafío: Detectar y alertar de desviaciones en los parámetros óptimos

Fiordo Austral, fabricante de harina de pescado, necesitaba una evaluación y visualización de datos en tiempo real para supervisar las alertas proactivas de sus decantadores, tricanters y separadores centrífugos en sus líneas de producción. Evaluar los datos y utilizarlos para la resolución de problemas es una tarea tediosa y difícil cuando se hace manualmente. Se pierde mano de obra, dinero y tiempo. Por no hablar de que el registro y la introducción manual de datos son susceptibles de error humano, lo que sólo requiere más dinero y tiempo para solucionarlo.

Fiordo Austral buscaba específicamente un software de análisis de datos que se emparejara con el aprendizaje automático de detección de anomalías para desencadenar alertas proactivas cuando hubiera una desviación de los parámetros óptimos en sus decantadores, tricanters y separador centrífugo, como Flujo Entrada [m3/h], Temperatura Entrada [°C], RPM Tambor [RPM], Corriente Tambor [A], Torque Tornillo [%], Velocidad Diferencial [RPM] y Vibraciones [mm/s].

En la industria manufacturera, es crucial hacer frente a las anomalías. Pueden provocar cuellos de botella, problemas de control de calidad y desperdicio de producto o, lo que es peor, daños físicos.

Sin datos precisos, Fiordo Austral no podía trabajar con eficacia ni predecir los problemas. Sin embargo, esas predicciones también cuestan tiempo. Las herramientas de machine learning de mantenimiento predictivo pueden reducir la carga de su planta.

 

Continuous Vibration Monitoring and Proactive Anomaly Detection

 

Solución: Control continuo de las vibraciones y detección proactiva de anomalías

Sightline colaboró con Fiordo Austral para establecer el aprendizaje automático de detección de anomalías en sus plantas de producción. Se configuraron disparadores en Sightline EDM y se crearon alertas y respuestas variadas para encontrar anomalías en los parámetros de sus decantadores, tricanters y separadores centrífugos. Una vez identificados, los operarios de Fiordo Austral reciben alertas en tiempo real del software EDM de Sightline, lo que les ayuda a encontrar la anomalía y determinar la causa raíz rápidamente.

La supervisión continua de las vibraciones es una faceta importante del proceso de Sightline a la hora de observar los decantadores, tricanters y separadores centrífugos. Al supervisar las anomalías en las vibraciones de la maquinaria de fabricación, la plataforma de análisis basado en riesgos de Sightline alerta a los responsables de la planta de posibles problemas en las máquinas. De este modo, se evitan los tiempos de inactividad de las máquinas y se aumenta la productividad en toda la cadena de producción del fabricante de harina de pescado.

 

Predictive Maintenance Machine Learning Optimizes Productivity

Resultados: El aprendizaje automático del mantenimiento predictivo optimiza la productividad

Con el equipo de Sightline dedicado a la búsqueda de soluciones que respalden los requisitos empresariales y de toma de decisiones de Fiordo Austral, Sightline EDM optimizó las plantas industriales y de fabricación de Fiordo Austral. 

Con el análisis de causa raíz, nuestro aprendizaje automático llega al origen de un problema y lo aborda antes de que pueda producirse. Para las empresas de alimentación y bebidas, esto es crucial, ya que pueden perderse lotes enteros de producto sin un análisis predictivo que evalúe los cuellos de botella, los tiempos de inactividad de las máquinas y otras ineficiencias.

Las máquinas se mantienen sin problemas gracias a la recopilación de datos en tiempo real y a los datos históricos utilizados. Sightline EDM identifica las anomalías en cuestión de minutos para ahorrar a las plantas horas de inactividad y pérdida de productividad. Esto aumenta la eficiencia de una planta de fabricación, y las soluciones rápidas mantienen sus equipos funcionando en plena forma.

Identify anomalies within minutes
es_CLES