Abweichungen finden, bevor sie zum Stillstand werden.
Die Anomalieerkennung überwacht Sensordaten mit etablierten statistischen Methoden und Standardmodellen des maschinellen Lernens und lässt Ihre Experten beschriften, was sie sehen.
public/images_site/anomaly-sensors.pngWas es leistet
Sensoren in Echtzeit überwacht
Erkannte Anomalien erscheinen im Verlauf des Messwerts, sobald sie auftreten.
Zuerst Statistik
Gleitende z-Scores markieren Werte, die vom jüngsten Verhalten des Messwerts abdriften.
Standardmässiges maschinelles Lernen
Unüberwachte Modelle wie Isolation Forest bewerten einen Lauf nach seinem Ende, und die Ähnlichkeit mit Clustern früherer Läufe liefert Kontext.
Modelle für einen Prozess
Ein eigenes Modell deckt die Schweissqualität ab.
Experten im Kreislauf
Experten beschriften Anomalien und ergänzen ihr Wissen, und das Modell verbessert sich mit ihrem Feedback.
Die Daten, auf denen es aufbaut
Wie jedes Modul liest es das gemeinsame ISA-95-Modell. Nichts wird in eine separate Datenbank kopiert.
- Sensorvariablen, von jeder Maschine abonniert
- Anlagen aus dem Standortmodell
- Von Experten ergänzte Labels
Was es misst
- Erkannte und beschriftete Anomalien
- Anomaliewert pro Lauf
- Statistik jedes Messwerts: Mittelwert, Abweichung, Minimum, Maximum und Trend
Sehen Sie DigiFactor mit Ihren eigenen Daten.
Buchen Sie eine Demo mit unseren Ingenieuren. Wir zeigen die Plattform, die Module und die Agenten an einem Fall, der Ihrem nahekommt.
Demo buchen Antwort innerhalb eines Werktags