Utiliser des définitions et préparations de signaux cohérentes pour l’historique d’entraînement et les entrées en direct.
NAZARE · Mise en œuvre du ML et de l’IA
Alimenter la détection d’anomalies avec des signaux précis en direct.
Le ML propre au procédé nécessite des données précises au moment de l’inférence. NAZARE prépare les données historiques d’entraînement et les signaux en direct ; NAVIS combine les résultats au savoir du site pour expliquer les constats et planifier les réponses.
Garder les données sur siteCommencer à petite échelle et étendre selon les besoins
Ce qui change dans l’atelier
Mise en œuvre du ML et de l’IA
Gérer versions, déploiements et prédictions des modèles, et les comparer aux résultats terrain.
Le développement et l’application de modèles ML sont définis séparément selon votre procédé et vos objectifs.
NAZARE
Découvrez les outils de vos opérations quotidiennes.
Des connexions et de l’analyse à la maintenance et à l’administration : découvrez ce que chaque écran vous permet de faire.
Connecter et organiser les données d’usine
Règles de traitement et champs calculés
Transformer les valeurs collectées en signaux utiles
Harmonisez les unités, appliquez des traitements conditionnels et créez des signaux calculés pour utiliser des règles communes au lieu de répéter les calculs dans des tableurs.
Mettre les données au service de l’atelier
Analyse des tendances de signaux
Comparer les signaux avant et après un événement
Sélectionner des signaux et une période, puis zoomer, agréger ou examiner les lignes pour cibler les causes possibles.
Rechercher équipements, signaux, documents
Sur site · exploitation privéeOPMachines connectées240Connecté
Signaux collectés18,640Données sources à haute résolution
Données stockées23.8 TB4 Nœud de collecte
État des requêtesPrêtSur site · exploitation privée
Signaux sélectionnés
HP-01Presse hydraulique
PressionPT-101 · MPa
Température d’huileTT-101 · °C
Charge moteurLOAD-01 · %
Requête historiqueLOT-024Ligne d’usinage et de formageDonnées sources à haute résolution
Entrée d’inférence en directHP-01 / LOT-024
ActuelRéférence
Signal d’anomalie détectéLes modèles ML propres au procédé sont optionnels10:27:10
| Nom du signal | Valeur actuelle | Intervalle | Statut |
|---|---|---|---|
| Pression | 7.8 MPa | 20 ms | Examiner |
| Température d’huile | 46.2 °C | 100 ms | Prêt |
| Charge moteur | 62.4 % | 20 ms | Prêt |
NAZARE → NAVIS
Combiner les données d’équipements et le savoir du site pour éclairer les décisions de l’IA.
NAZARE relie les signaux d’équipements aux critères experts. NAVIS examine aussi les données de production et de qualité, planifie une réponse et transmet les actions approuvées aux équipements via NAZARE. Les résultats enregistrés éclairent la décision suivante.
Découvrir le raisonnement et l’action NAVISLes mêmes données, prêtes pour la prochaine tâche.
Commencer ensemble
Dites-nous ce que vous souhaitez améliorer en premier.
Présentez-nous vos équipements, données et priorités pour examiner le parcours de la connexion à l’exploitation.