NoticiasIndustria 4.0

TeamViewer lanza una solución de mantenimiento predictivo con IA

El nuevo módulo del software TeamViewer IoT analiza grandes volúmenes de datos y aprende de forma independiente.

TeamViewer ha ampliado su oferta de IoT y ahora ofrece una forma de utilizar la inteligencia artificial en el mantenimiento. Hasta ahora, los clientes de TeamViewer en el campo de la IoT han podido leer sensores, fijar alarmas y conectarse directamente a una amplia gama de dispositivos. Ahora se añade una extensión inteligente en el área del mantenimiento predictivo, lo que ayudará a reducir los tiempos de parada en particular y así, ahorrar costes

TeamViewer ofrece un análisis de los datos apoyado por la IA de forma que los algoritmos de aprendizaje de la máquina pueden utilizarse para detectar previamente patrones desconocidos y diagnosticar fallos inminentes de la máquina en una fase temprana. La necesidad de detectar fallos inminentes es evidente: cada hora de inactividad no planificada cuesta un promedio de 250.000 dólares a las empresas, según un studio de Vanson Bourne. 

"El departamento de mantenimiento es responsable de hasta el 60% de los gastos operativos, según un studio de McKinsey. Nuestra ambición es reducir esta partida de costes mediante un análisis basado en la IA de los datos del dispositivo", explica Lukas Baur, vicepresidente de IoT de TeamViewer.

El nuevo módulo de software ML-Trainer suministra al algoritmo de aprendizaje de la máquina datos que podrían haber disparado alarmas y aprende a reconocer patrones específicos. Como resultado, las alarmas ya no están sujetas a umbrales rígidos, sino a criterios constantemente optimizados. Los tiempos de inactividad, pero también las falsas alarmas, pueden reducirse considerablemente de esta manera, y a largo plazo, porque la inteligencia artificial está en constante aprendizaje.

Este módulo puede integrarse en los entornos existentes de IoT de TeamViewer. El algoritmo ya puede acceder a conjuntos de datos de muestra generados específicamente para este módulo para varios tipos de máquinas, como turbinas eólicas y bombas, y sólo necesita conocer las características de la máquina respectiva.

Computing 795