我们的案例数据库覆盖了全球物联网生态系统中的 1843 家解决方案供应商。
如果活动现场的卡车出现泵故障，贝克休斯必须立即更换卡车以确保连续运行。向每个站点发送备用卡车会使公司损失数千万美元的收入，如果这些卡车在另一个站点积极使用，这些卡车可能会产生这些收入。无法准确预测阀门和泵何时需要维护是其他成本的基础。过于频繁的维护会浪费精力，并导致零件在仍然可用时被更换，而过于不频繁的维护可能会损坏泵而无法修复。
Mondi 工厂的挤压机和其他机器庞大而复杂，长达 50 米，高 15 米。每台机器最多由五个可编程逻辑控制器 (PLC) 控制，这些控制器记录机器传感器的温度、压力、速度和其他性能参数。 Mondi 在使用这些数据进行预测性维护方面面临着若干挑战。首先，工厂人员在统计分析和机器学习方面的经验有限。他们需要评估各种机器学习方法，以确定哪些方法为他们的数据产生了最准确的结果。他们还需要开发一个应用程序，将结果清晰而直接地呈现给机器操作员。最后，他们需要打包这个应用程序以便在生产环境中持续使用。