Industria

Mejora de la capacidad y eficiencia industriales aprovechando los sistemas de control existentes

Reduzca las visitas a las instalaciones con la supervisión remota de la productividad, el mantenimiento optimización del mantenimiento y reducción del consumo energético en aplicaciones industriales.

Beneficios

  • Eficiencia

    Mejora la eficacia operativa al ofrecer ventajas combinadas de hasta un 50% de reducción del tiempo de inactividad.

    • Reduce significativamente el tiempo de inactividad, hasta un 30%.
    • Aumenta el MTBF hasta un 20%.
    • Disminuye el MTTR hasta un 25%.
       
  • RENTABILIDAD

    Mayor compatibilidad de los dispositivos gracias a una integración completa

    • Procesamiento de datos rentable y confidencial con la eficiencia de la computación en los bordes.
    • Mantenimiento proactivo para un mantenimiento predictivo que ahorre costes.
    • Reducción de inventarios mediante la gestión rentable de activos, lo que permite un control rápido y sensible para la toma de decisiones en tiempo real.

Tecnología

El tratamiento de borde consiste en tratar los datos más cerca de la fuente.

We can enhances data confidentiality, accelerates decision-making, and reduces costs

Desarrollamos e implantamos aprendizaje automático de vanguardia para el mantenimiento predictivo

Minimiza los tiempos de inactividad y los costes operativos. Optimiza la asignación de piezas de repuesto, reduciendo los gastos de inventario y mejorando la utilización de los activos.

Uso de estándares de comunicación IoT y protocolos industriales

Garantiza una alta calidad de los datos, frecuencias de muestreo óptimas y adaptabilidad a diversos requisitos de implantación.

Las soluciones avanzadas de Aingura nos han permitido mejorar nuestra competitividad en el mercado de cajas de cambios de fabricación propia (Izdit), y esperamos que sigan haciéndolo mejorando nuestro posicionamiento en nuevos productos, como el telemantenimiento.
Beltrán Ybarra CEO Izadi Mecanizados
Nuestra colaboración con Aigura ha mejorado significativamente la capacidad de mantenimiento de nuestras máquinas herramienta CNC, aportando beneficios sustanciales tanto a nuestras operaciones como a nuestro valioso cliente de automoción.
Jose Juan Gabilondo Director Técnico en Etxetar

Publicaciones

Autor: Miguel Bermeo-Ayerbe, Carlos Ocampo-Martinez, and Javier Diaz-Rozo

Título: Non-intrusive condition monitoring based on event detection and functional data clustering

Publicación: Engineering Applications of Artificial Intelligence, vol. 124, p. 106625

Fecha: September 2023

Más información

Autor: Miguel Bermeo-Ayerbe, Vincent Cocquempot, Carlos Ocampo-Martinez, and Javier Diaz-Rozo

Título: Remaining useful life estimation of ball-bearings based on motor current signature analysis

Publicación: Reliability Engineering &System Safety, vol. 235, p. 109209

Fecha: July 2023

Más información

Autor: Carlos Puerto-Santana, Concha Bielza, Javier Diaz-Rozo, Guillem Ramirez-Gargallo, Filippo Mantovani, Gaizka Virumbrales, Jesús Labarta and Pedro Larrañaga

Título: Asymmetric HMMs for Online Ball-Bearing Health Assessments

Publicación: IEEE Internet of Things Journal, vol. 9, p. 20160-20177

Fecha: October 2022

Más información

Autor: D. Atienza, C. Bielza, J. Diaz-Rozo, and Pedro Larrañaga

Título: Efficient Anomaly Detection in a Laser-surface Heat-treatment Process via Laser-spot Tracking

Publicación: IEEE/ASME Transactions on Mechatronics

Fecha: September 2020

Más información

Autor: J. Diaz-Rozo, C. Bielza, y P. Larrañaga

Título: Machine-tool condition monitoring with Gaussian mixture models-based dynamic probabilistic clustering

Publicación: Engineering Applications of Artificial Intelligence, vol. 89, p. 103434

Fecha: March 2020

Más información

Autor: M. A. Montealegre, B. Arejita, P. Alvarez, C. Laorden, y J. Diaz-Rozo

Título: Control quality on process of laser heat treatment

Publicación: Materials Science Forum, vol. 941, pp. 1860–1866.

Fecha: January 2019

Más información

Autor: J. Diaz-Rozo

Título: Clustering probabilístico dinámico para la búsqueda de patrones de degradación de elementos de máquina en el ámbito del Industrie 4.0

Publicación: PhD Thesis, Universidad Politécnica de Madrid

Fecha: September 2019

Más información

Casos de éxito

Contacta con nosotros