El tema del mantenimiento predictivo también está recibiendo cada vez más atención en la industria automovilística; al fin y al cabo, puede ayudar a las empresas a evitar costosas llamadas a revisión y, por tanto, a no tensar las relaciones con los clientes. Este artículo ofrece una visión general del uso del mantenimiento predictivo en la industria del automóvil y explica cómo el análisis de datos constituye la base del mantenimiento predictivo. 

Mantenimiento predictivo a menudo se compara con mirar en una bola de cristal. Sin embargo, las predicciones de fallos inminentes se basan en análisis sofisticados y en datos específicos. Algoritmos. Con un base de datos de alta calidadel derecho Bases de evaluación y Enfoques Con este modelo se pueden predecir los tiempos de inactividad, prevenir daños, reducir los costes de garantía por mantenimiento y fidelizar a los clientes.

El mantenimiento predictivo es especialmente beneficioso para los sectores de la automoción y la logística.

Mantenimiento predictivo es y será para las industrias en las que Máquinas será inevitable, sobre todo en el futuro - este enfoque ya es muy popular en los sectores de la automoción y la logística. Pero también en ingeniería mecánica o en el campo de la producción en red el uso del mantenimiento predictivo tiene sentido.

La ardua batalla de la industria automovilística: altos costes de mantenimiento, garantía y llamadas a revisión.

El sector de la automoción en particular ha tenido que hacer frente en repetidas ocasiones a contratiempos y Pérdida de imagen Las retiradas de vehículos por piezas defectuosas y el escándalo de las emisiones son sólo dos ejemplos. Hace poco, Toyota tuvo que volver a retirar modelos por grietas en un filtro de carbón activado del depósito y problemas con los airbags. Sin embargo, rara vez se habla del mantenimiento como planteamiento cuando se discuten causas y soluciones.

En definitiva, el fabricante de automóviles japonés tuvo que tomar una decisión debido a deficiencias técnicas. 3,4 millones de coches en todo el mundo al taller. Toyota no es un caso aislado: además Elevados costes de mantenimiento y garantía sufre especialmente como consecuencia de esta Relación con el cliente.

Los datos pueden servir para evitar estos costes.

Pero, ¿cómo se puede identificar, prevenir o incluso prever una fuente de error de este tipo? La respuesta: con Datos. Más concretamente, con Grandes datos. El avance de la digitalización y las nuevas posibilidades, que también están surgiendo a través de la Internet de los objetos, no se detienen en la industria del automóvil. Un ejemplo del avance de la digitalización en la industria del automóvil es el siguiente Coches conectados. Las grandes cantidades de datos producidos por los coches conectados en red, por ejemplo, inicialmente también generan costes y, por tanto, deben utilizarse de forma rentable en casos de uso significativos.

Sugerencia de enlace: En los artículos de nuestro blog sobre la industria automovilística, analizamos el impacto del Inteligencia artificial en la industria.

Tanto los clientes como los fabricantes de vehículos se benefician del mantenimiento predictivo.

No sólo los clientes se benefician Aumento de la conexión en red de los vehículos- por ejemplo, mediante información puntual sobre mantenimiento o recomendaciones basadas en la localización-, los propios fabricantes también salen ganando en última instancia: Adquieren un conocimiento más profundo de las tecnologías, pueden avanzar en el desarrollo de sus productos, reducen los costes de garantía, mantenimiento y garantía y aprenden a generar valor a partir de Big Data.

A pesar de sus múltiples ventajas, el mantenimiento predictivo aún no se utiliza de forma generalizada.

En el Datos del vehículo (en tiempo real) Hay información valiosa en los datos que hay que recopilar y analizar, porque permite hacer predicciones sobre fallos y anticiparse a los errores. Combinando estos datos con la experiencia de los desarrolladores de componentes, utilizando Análisis avanzados son posibles nuevos enfoques de la garantía de calidad y el mantenimiento predictivo.

Según un Estudiar A pesar de las numerosas ventajas que ofrece el mantenimiento predictivo, las soluciones de mantenimiento predictivo sólo se utilizan en una buena cuarta parte de las empresas que cumplen los requisitos. El principal motivo de la indecisión de muchas empresas son los costes previstos de la introducción y organización sujetosque se introdujeron en el transcurso de Proyectos de datos se hacen necesarias. (Gobernanza de datos)

Los análisis de datos constituyen la base del mantenimiento predictivo.

Para poder identificar o predecir posibles fuentes de errores, el Muestra definidos para distinguir de forma fiable un vehículo susceptible de uno "sano". De este modo, se excluye el mantenimiento innecesario de máquinas no defectuosas. La información sobre la longitud de las distancias recorridas, la frecuencia de uso del vehículo, la velocidad media o incluso las condiciones meteorológicas, por ejemplo, sirven como fuentes de diferenciación o información.

En el siguiente paso, el Datos para estos parámetros. Esto suele hacerse a través de un módulo telemático en el vehículo. Para las generaciones más antiguas sin telemática, la información puede obtenerse a través de un Lectura del vehículo en el taller se puede ganar.

El fabricante puede determinar estos datos tanto para los modelos de vehículos intactos como para los defectuosos, a fin de crear posteriormente un Análisis de datos para poder realizar una comparación. Sólo mediante esta comparación el fabricante no corre el riesgo de considerar una anomalía un problema general de la serie, que se da tanto en vehículos enfermos como sanos. Esto ilustra que el mantenimiento predictivo es mucho más que un concepto basado en datos del enfoque de mantenimiento tradicional.

Las discrepancias entre vehículos "sanos" y "enfermos" se detectan en los modelos de análisis predictivo.

Las discrepancias entre los dos tipos de vehículos (enfermos y sanos) se analizan en análisis predictivos.-Modelo examinarse detenidamente e identificarse. Al final del análisis, puede haber diferentes resultados que deben evaluarse en consecuencia.

Lea el artículo completo aquí:
http://www.bigdata-insider.de/big-data-als-schluessel-fuer-die-vorausschauende-wartung-a-549659/

¿Quiere saber cómo es el mantenimiento predictivo en la práctica?