Models de monitorització basats en dades

Les incidències en entorns productius provoquen pèrdues d'eficiència operativa, desaprofitament de recursos i un cost d'oportunitat de venda. Cal anticipar-se i detectar a temps les condicions que precedeixen una incidència i disposar d’informació, mitjançant models predictius, sobre com evolucionarà una planta o línia productiva per reduir les conseqüències de les parades no previstes.


Però la situació habitual a l'hora de prendre decisions operatives basades en dades de sistemes SCADA és basar-se en l’anàlisi d’una única variable. La gran quantitat de dades recollides fan molt complexa una aproximació multivariable sense les eines adequades.

intelligent-monitoring-ithinkupc.png
No és un model robust per al diagnòstic ni la predicció i no serveix per al diagnòstic de múltiples causes.

 

STELA: Monitorització Intel·ligent Multivariable

La creixent sensorització dels entorns operatius ens permet aplicar la nostra solució de diagnosi i predicció de fallades i rendiment amb una aproximació d'anàlisi multivariable. A més, gràcies a la nostra plataforma de IoT MIIMETIQ, podem escalar sense problema la solució i fer-ho en temps real.

Multivariate Intelligent Monitoring

 Anàlisi multivariable, robust en diagnosis i prognosis i adequat en escenaris de múltiples causes.

Solucions d'avantguarda de la UPC

Conjuntament amb MCIA Research Center (Motion Control & Industrial Applications) oferim les solucions més avançades de manteniment industrial, optimització de la producció i Zero-Defect Manufacturing. Entre altres capacitats, incorporen:

  • Captura automàtica, refinament i tractament de les dades dels sensors intel·ligents.
  • Processat automàtic del senyal, filtrat i extracció de característiques.
  • Tècniques de Data Mining & Knowledge Discovery per realitzar diagnòstics i prediccions.
  • Sistemes de reporting clars i àgils per informar amb precisió i a temps als usuaris.
  • Auto-adaptació i optimització constant.


Aplicacions

graph1.pngValidation Results

Predicció del comportament de variables crítiques del procés
Aplicant algorismes i tècniques ANFIS, regressió multivariable, etc.

 

 

graph2.png

Plant Condition Diagnosis

Diagnòstic basat en patrons coneguts de funcionament correcte i fallada
Xarxes neuronals, k-Nearest Neighbors, etc.

 

 

graph3.png

Plant Status Map

Aprenentatge de noves situacions anòmales partint del coneixement de punt òptim
Novelty Detection, One-Class Support Vector Machine, etc.