Hungary

Válasszon helyszínt

Hungary
 

Megelőző karbantartás

Megelőző karbantartás a Bosch Rexrothtól
Content

Attól, hogy még nem látja, már nagy lehet a baj

Egy váratlan leállás és az azzal járó szervizelés mindig rosszkor jön és túl sokáig tart. De gondos tervezéssel mindez elkerülhető! A Rexroth megelőző karbantartási megoldásaival folyamatos ellenőrzés alatt tartható a gépek állapota, így előre tervezhetővé válnak a leállások és megspórolhatóak a váratlan gépleállással járó költségek.


 

Vevői előnyök

 
 

Az állásidő miatti költségek csökkentése

A hatékonyság és a termékminőség javítása

A teljes termeléskiesés elkerülése

 

A tárolási költségek csökkentése

Egyszerű és biztonságos felhőalapú megoldás

Biztonságos, egyirányú adatkapcsolat

 
 


 

 

 

Megoldásaink

 
ConnectivityKit

ConnectivityKit

Gépek „felfegyverzése” szenzorokkal

A Connectivity Kit transzparens képet ad a gépek működéséről és adott esetben az ideálistól eltérő állapotról is. Az érzékelőkbe érkező adatok egy zárt felhőben gyűlnek össze, melyeket a gépek állapotának elemzésére lehet felhasználni. A szoftveralkalmazás a beállított küszöbértékek eltérésekor üzenetet küld a felhasználónak, aminek segítségével időben, még a probléma kialakulását megelőzően nyújt megfelelő információt a kezelőknek.

 
 


 

 
 
IoT Gateway Hardware

IoT Gateway

Előregondolkodással megoldható a probléma

Amikor Ipar 4.0-ról beszélünk, legtöbbször vadonatúj gyártósort képzelünk magunk elé. Sok vállalat működőképes gépparkkal rendelkezik, egyetlen dolog hiányzik csak: ezek csatlakozása a hálózathoz. Az új IoT Gatewayjel a Rexroth a megfelelő megoldást kínálja ahhoz, hogy meglévő berendezéseit hálózatba kapcsolhassa. Ezzel a modern állapotfelügyelet egyszerűen és gyorsan, akár utólag is hálózatba köthető. Az eredmény: átlátható működés, ráadásul gyártótól függetlenül.

 
 


 

 
 
Online Diagnostics Network

Online Diagnostics Network (ODiN)

Az ODiN szoftverrel a nem várt meghibásodások elkerülhetők

Az Online Diagnostic Network (ODiN) szolgáltatáscsomag érzékelők, felhőalapú alkalmazások és gépi tanulási módszerek kölcsönhatásán keresztül biztosítja a modelleken alapuló üzemi körülmények monitorozását és a megelőző karbantartási tevékenységek elvégzését. A betanulási időszak során egy gépi tanulási algoritmus figyelemmel kíséri a gép, berendezés vagy gépcsoport különböző – például nyomás, áramlás, rezgés, hőmérséklet és olajminőség – érzékelőinek jeleit, majd ezek alapján határozza a gép normál (egészséges) állapotát. A gép megváltozott viselkedése nyomán azonban a rendszer problémára figyelmeztet, amennyiben a több érzékelőből származó adatok előírt határértéken belüli megváltozása miatt romlik az állapotindex.