Предиктивное обслуживание на Azure для производственных предприятий: что нужно знать до модели

Предиктивное обслуживание в Azure окупается только тогда, когда предупреждение приходит достаточно рано, чтобы команда могла на него среагировать. В этом выпуске серии iFAKT мы начинаем с решения о техническом обслуживании и двигаемся назад, к доказательствам, данным и процессу, которые необходимы до выбора модели в Azure.

Мы проследим путь одного гипотетического актива от показания датчика до утверждённого наряда на работу и разберём вопросы, которые большинство проектов пропускают: Какое действие должно запускать предупреждение? Какой запас времени на предупреждение действительно нужен для запчастей, разрешений, изоляции и планирования производства? Может ли неисправность проявиться достаточно рано, чтобы изменить план?

Вы узнаете, как сначала определить решение о техническом обслуживании, как отделить время подготовки от времени непосредственного ремонта, как оценить, пригоден ли сигнал о неисправности для использования, и как связать данные и машинное обучение Azure с процессом технического обслуживания, которого уже придерживаются ваши техники.

Для кого это: руководители службы технического обслуживания, инженеры по надёжности, руководители заводов и производства, архитекторы OT и IT, а также команды, занимающиеся данными и планирующие предиктивное обслуживание, мониторинг состояния и промышленный ИИ на Microsoft Azure в производстве.

Полная расшифровка доступна по ссылке на транскрипт.

Поддержать этот подкаст: https://www.spreaker.com/podcast/m365-fm-microsoft-365-azure-cloud-power-platform-ai--6704921/support.

Этот выпуск включает контент, созданный с помощью ИИ.