Azure 기반 제조업 예지 보전: 모델 도입 전에 실제로 필요한 것

Azure 기반 예지보전은 경고가 팀이 조치할 수 있을 만큼 충분히 일찍 도착할 때만 가치가 있습니다. iFAKT 시리즈의 이번 에피소드에서는 유지보수 의사결정부터 시작해, Azure에서 모델을 선택하기 전에 필요한 증거, 데이터, 프로세스를 거꾸로 짚어 나갑니다.

가상의 설비 하나를 가정하고 센서 판독값에서 승인된 작업지시서까지의 흐름을 따라가며, 대부분의 프로젝트가 놓치는 질문들을 다룹니다. 경고가 어떤 조치를 촉발해야 하는가? 부품 확보, 작업 허가, 설비 격리, 생산 계획에 실제로 필요한 사전 경고 시간(warning horizon)은 얼마인가? 결함이 계획을 바꿀 만큼 충분히 일찍 증거를 드러낼 수 있는가?

이 에피소드를 통해 다음을 배우게 됩니다. 모델보다 유지보수 의사결정을 먼저 정의하는 방법, 준비 시간과 실제 수리 작업 시간을 구분하는 방법, 고장 신호가 실사용 가능한지 판단하는 방법, 그리고 Azure 데이터와 머신러닝을 기술자들이 이미 따르고 있는 유지보수 프로세스와 연결하는 방법입니다.

대상 청중: 제조 현장에서 Microsoft Azure 기반 예지보전, 상태 모니터링, 산업용 AI를 계획하는 유지보수 관리자, 신뢰성 엔지니어, 공장 및 생산 리더, OT 및 IT 아키텍트, 데이터 팀.

전체 대본은 transcript 링크에서 확인할 수 있습니다.

이 팟캐스트의 후원자가 되기: https://www.spreaker.com/podcast/m365-fm-microsoft-365-azure-cloud-power-platform-ai--6704921/support.

이 에피소드에는 AI가 생성한 콘텐츠가 포함되어 있습니다.