Στο παρελθόν, τα μηχανήματα επισκευάζοντας αφού είχαν βλάβη (Reactive Maintenance). Εδώ και αρκετό καιρό, τα μηχανήματα συντηρούνται σε σταθερό κύκλο, ανεξάρτητα από το αν είναι ελαττωματικά ή όχι (προληπτική συντήρηση). Και μόνο πρόσφατα έχει χρησιμοποιηθεί προγνωστική συντήρηση, κυρίως με βάση καθαρά σύνολα δεδομένων με σταθερούς κανόνες. Η TeamViewer κάνει ένα αποφασιστικό βήμα πιο πέρα και προσφέρει ανάλυση που υποστηρίζεται από AI για τα δεδομένα που προκύπτουν. Οι αλγόριθμοι μηχανικής εκμάθησης μπορούν έτσι να χρησιμοποιηθούν για τον εντοπισμό προηγούμενων άγνωστων προτύπων και για τη διάγνωση επικείμενων βλαβών μηχανής σε πρώιμο στάδιο. Η ανάγκη εντοπισμού επικείμενων αποτυχιών είναι προφανής: κάθε ώρα μη προγραμματισμένου χρόνου διακοπής κοστίζει κατά μέσο όρο 250.000 δολάρια.
«Στόχος μας είναι να δημιουργήσουμε μια μοναδική βιβλιοθήκη ανώνυμων δεδομένων μηχανήματος και, συνεπώς, να παρέχουμε σε κάθε πελάτη μία βιβλιοθήκη Πρόβλεψης συντήρησης πρόσβαση σε ήδη υπάρχουσες γνώσεις. Οι πελάτες μας μπορούν να μειώσουν το χρόνο διακοπής λειτουργίας τους από την πρώτη μέρα, και με κάθε επιπλέον ημέρα ο αλγόριθμος μαθαίνει να βελτιώνεται υπολογίζουμε συγκεκριμένες παραμέτρους, καθιστώντας την προβλέψιμη συντήρηση ακόμα πιο ακριβή. Το τμήμα συντήρησης είναι υπεύθυνο για έως και το 60 τοις εκατό των λειτουργικών δαπανών. Φιλοδοξία μας είναι να μειώσουμε αυτό το στοιχείο κόστους μέσω ανάλυσης των δεδομένων της συσκευής που βασίζεται σε AI », εξηγεί ο Lukas Baur, Vice Πρόεδρος IoT της TeamViewer.
Το module πρόβλεψης συντήρησης TeamViewer μπορεί εύκολα να ενσωματωθεί σε υπάρχοντα περιβάλλοντα TeamViewer IoT. Ο αλγόριθμος μπορεί ήδη να έχει πρόσβαση σε δείγματα συνόλων δεδομένων που δημιουργούνται ειδικά για αυτήν την ενότητα για διάφορους τύπους μηχανών, όπως ανεμογεννήτριες και αντλίες, και χρειάζεται μόνο να μάθει για τα χαρακτηριστικά του αντίστοιχου μηχανήματος.
