Sameer Vittal, PhD, direttore di Data & Analytics, General Electric
Mark Sporer, capo tecnico, General Electric
Astratto
In questo documento, forniamo casi di studio che mostrano come le tecniche di ricerca dei consumatori in JMP Pro possono essere applicate a sensori industriali e dati di manutenzione. Questo aiuta a guidare lo sviluppo di strategie di gestione patrimoniale industriale che sono sintonizzate sulle preferenze del cliente e sui modelli di valore, oltre agli input ingegneristici tradizionali. I tradizionali sistemi di manutenzione incentrati sull'affidabilità iniziano con l'affidabilità e l'analisi dei modi di guasto, quindi avanzano attraverso una serie di studi commerciali in cui i sensori, il rilevamento delle anomalie e i modelli di supporto decisionale sono selezionati per ridurre i guasti non pianificati. Gli input da indagini sui clienti, dati di marketing ed economici spesso non vengono utilizzati, principalmente a causa della mancanza di conoscenza delle tecniche di analisi dei consumatori nella comunità di ingegneri. Con JMP Pro, gli ingegneri ora hanno accesso a tecniche come analisi di classi latenti, text mining, analisi di corrispondenza multipla, analisi di argomenti di text mining, ecc. Questi metodi funzionano con metodi tradizionali di affidabilità e data mining e vengono utilizzati per segmentare le risorse industriali utilizzando sia i dati operativi (sensore) che quelli di manutenzione. Ciò consente ulteriori approfondimenti in cui le strategie di manutenzione possono essere ottimizzate per questi segmenti industriali, con conseguente migliore utilizzo del sistema e maggiore valore aziendale. Questo è illustrato attraverso due casi di studio. Il primo case study riguarda l'analisi della segmentazione basata sull'utilizzo di centrali a carbone e il secondo studio si basa sulla segmentazione basata sull'affidabilità di grandi flotte di turbine eoliche. Infine, mostriamo come questi metodi possono essere utilizzati in altre industrie manifatturiere o di processo.
