介绍
在竞争激烈的电梯制造和维护领域，最大限度地减少停机时间和确保电梯系统的可靠性至关重要。传统的维护方法往往无法预测和预防问题的发生。本案例研究探讨了 edgeRX（一种由边缘 AI 提供支持的先进机器健康监测解决方案）如何彻底改变一家全球电梯制造和维护公司的维护流程，从而大幅节省成本并提高运营效率。
挑战
电梯公司面临着一个重大挑战：减少电梯门的维护时间，以提高服务效率和客户满意度。现有的维护流程是被动的，导致了一些问题：
- 不定期服务电话： 频繁的非计划服务电话会扰乱运营并增加维护成本。
- 预测能力有限： 传统的维护方法缺乏预测故障的能力，从而导致意外故障。
- 维护成本高： 由于服务电话频率高以及处理服务电话所需的人力，公司产生了大量的成本。
解决方案
为了应对这些挑战，该公司实施了基于 AI 的预测性维护 (PdM) 解决方案 edgeRX。edgeRX 的主要功能包括：
- edgeRX AI 可快速部署： 利用 edgeRX AI，该公司仅经过一周的现场培训就开发出了 PdM 解决方案。
- 先进的振动传感器： edgeRX 采用高精度振动传感器来监控电梯门，可以检测到哪怕是最轻微的异常。
- 边缘 AI 处理： 该解决方案利用边缘人工智能在源头实时分析传感器数据，从而能够立即检测到潜在故障。
- 预测性维护见解： edgeRX 提供可操作的见解，使公司能够主动进行维护并防止意外故障。
结果
edgeRX 的实施为电梯公司带来了令人印象深刻的成果：
- 显着节省成本： 该公司预计通过减少非计划服务电话每年可节省约 192 亿美元。
- 减少维护时间： 非计划服务呼叫从每年 1.8 天减少到每年仅 1 天，提高了运营效率。
- 提高可靠性： edgeRX先进的传感器和AI算法可及早发现故障，确保电梯系统的可靠性和安全性。
- 提高客户满意度： 通过最大限度地减少停机时间并提高服务效率，该公司能够提高客户满意度和忠诚度。
edgeRX的高级功能
edgeRX 利用先进的 AI 算法和边缘计算技术，实现了工业维护领域的重大飞跃。主要功能包括：
- 实时监控： 直接在源头使用传感器数据持续监控设备健康状况。
- 预测性维护见解： 人工智能算法通过分析数据来预测潜在故障，从而实现主动维护。
- 可操作警报： 立即向技术人员发送警报，以便对潜在问题做出快速反应。
- 现场数据分析： 边缘计算可以实现快速的现场数据分析和决策，大幅减少机器停机时间并优化生产。
讨论
从传统维护方法向 edgeRX 等人工智能解决方案的转变凸显了制造商的几个重要考虑因素：
可靠性和一致性：人工智能驱动的解决方案提供了传统方法无法比拟的可靠性和一致性。这对于维持高标准的服务质量至关重要。
成本效益：减少非计划服务呼叫的频率不仅可以降低维护成本，还可以将人力资源重新分配到更具战略性的任务上，从而提高整体生产力。
早期故障检测：在维护过程早期检测出细微缺陷的能力可防止后期出现更大的问题，从而节省时间和资源。
可扩展性和灵活性：edgeRX 等 AI 解决方案可以轻松扩展并适应不同类型的设备和维护环境，提供长期灵活性。
结语
这家全球电梯制造和维护公司的案例展示了 edgeRX 对预测性维护的变革性影响。通过利用边缘 AI，该公司不仅提高了维护效率和运营可靠性，还实现了大幅成本节约。随着工业维护行业的不断发展，像 edgeRX 这样的解决方案将在推动创新和保持竞争优势方面发挥关键作用。
