No necesitas ser un científico de datos para realizar modelos de inteligencia artificial. Con la información que ya posees del mantenimiento de tu empresa, integramos el CMMS/GMAO con una poderosa plataforma en la nube capaz de crear modelos predictivos que facilitan la planeación y la toma de decisiones en mantenimiento.
Integramos tu software CMMS/GMAO con el análisis de datos, entregándote lo mejor de ambos mundos
Crea modelos de Machine Learning basados en los datos de tus procesos con unos pocos clics.
Anticipa el valor de confiabilidad de tus activos y descubre el momento en el cual se presentará la falla.
Utiliza la confiabilidad para determinar el riesgo de falla y llevar la toma de decisiones un paso más allá en la gestión de mantenimiento.
Proporcionamos información relevante para que puedas realizar los siguientes análisis y tomar las mejores decisiones.
Gestión basada en riesgo
Mantenimiento centrado en la confiabilidad
Análisis de modos y efectos de fallas
Fiabilidad
Planeación financiera
Gestión de operaciones
Con Predictto puedes sincronizar tus datos desde Fracttal u otras fuentes externas, visualizarlos de forma rápida, crear modelos predictivos a tu medida, y obtener pronósticos sencillos y fáciles de comprender.
Visualiza la información de tus activos sincronizada con Fracttal, y crea modelos predictivos con una interfaz sencilla y amigable
Disfruta de esta demostración interactiva
Conoce cómo puedes leer nuestros modelos de degradación, ajustando y ampliando las gráficas mientras trabajas con este caso práctico.
Supongamos que tienes un motor eléctrico y estás interesado en monitorear sus niveles de vibración. Con Predictto, es posible
calcular modelos de degradación que aprenderán el comportamiento de vibración de tu motor y te entregarán un pronóstico del
estado futuro de tu activo. Los resultados de tus modelos se presentarán como lo ves en las siguientes gráficas.
En la primera gráfica es posible observar el comportamiento de la velocidad de vibración en el tiempo.
Puntos amarillos
Representan los valores de vibración medidos en el motor eléctrico, que nuestro algoritmo utilizó para poder aprender cómo se estaba comportando el activo hasta el momento del entrenamiento del modelo.
Línea azul
Corresponde al ajuste que nuestro algoritmo encontró para la variable que estás estudiando. Se extiende más allá de los datos por lo que sirve para estimar cómo se va a comportar la variable en el futuro.
Sombra celeste
La sombra celeste cubre otros valores probables que puede tomar la variable estudiada en el tiempo.
Puntos verdes
Representan valores de vibración medidos en el motor eléctrico que no fueron usados para la generación del modelo. Estos puntos sirven para revisar si nuestras predicciones coinciden con lo que en realidad sucede.
Existen diferentes normativas internacionales que establecen límites para la velocidad de vibración de diferentes maquinarias,
según su tipo y uso. También es posible que, de acuerdo a tu propia experiencia, determines que las vibraciones de tus equipos no
deben pasar ciertos límites para poder funcionar de forma satisfactoria. Es por esto que Predictto te permite ingresar los límites
que tú determines como más convenientes para tu activo en particular. En el caso del ejemplo, se estableció un límite de 7 (mm/s),
y es posible evaluar visualmente de forma rápida cuando el motor alcanzará ese límite.
Además, al establecer límites para tu variable puedes obtener información respecto a la confiabilidad del motor, como se observa
en la segunda gráfica, ya que a medida que la vibración se acerca más al límite de funcionamiento establecido,
la confiabilidad del motor disminuye.
Conoce la vida útil de tus activos, permitiendo realizar una gestión de mantenimiento aún más planificada e inteligente.