Produits et solutions / Intelligence de chaîne d’approvisionnement

SASmd Predictive Asset Maintenance

Optimiser le maintien des actifs pour des temps d’arrêt réduits et une productivité accrue

SASMD Predictive Asset Maintenance permet aux entreprises d’accroître leurs revenus en diminuant les pannes des machines et des équipements. Cette solution vous aide à anticiper les événements pouvant causer des pannes pour limiter les entretiens imprévus. Ainsi, vous pouvez optimiser les moyens d’entretiens pour répondre aux objectifs opérationnels conformément à la rentabilité, la sécurité et l’environnement.

Avantages

  • Réduire les arrêts et les pannes.
  • Réduire la durée d’entretien imprévu.
  • Découvrir les causes fondamentales des pannes.
  • Utiliser toutes vos données.

En savoir plus

Caractéristiques

  • Intégration de toutes les données pertinentes.
  • Surveillance et alerte automatisées.
  • Modélisation prédictive/gestion de modèle.
  • Analyse poussée sur place
  • Tableaux de bord dotés d’alertes répétitives.

En savoir plus

Les atouts de SAS

SAS est le seul à fournir l’étendue des capacités nécessaire pour créer une image de l’événement survenu et prévoir ce qui se passera grâce aux capacités d’analyse et d’anticipation. SAS Predictive Asset Maintenance offre les fonctionnalités suivantes :
  • Intégration et gestion des données. Combiner les données capteurs aux autres données se rapportant au pilotage, au développement de modèle, à l’analyse des causes fondamentales et de communication de rapports.
  • Modélisation prédictive. Anticiper de façon précise les pannes de machines et d’équipements avant qu’elles ne surviennent.
  • Environnement de travail analytique intégré. Obtenir des analyses efficaces concernant les causes fondamentales de pannes de machines et de problèmes liés à la performance.
  • Gestion du modèle. Effectuer un suivi automatique de la précision des modèles de prévisions depuis le développement jusqu’à la fin de la durée de vie du modèle.

Avantages

  • Réduire les arrêts et les pannes. SAS Predictive Asset Maintenance permet d’effectuer un contrôle en temps quasi réel et fourni des alertes prédictives pour vous aider à éviter des défauts majeurs entraînant des pannes de longue durée. Les alertes générées par les modèles prévisionnels vous permettent également de gérer de manière proactive les problèmes de performance éventuels avant qu’ils ne provoquent des pannes. Vous diminuez ainsi la durée des arrêts prévus.
  • Réduire la durée d’entretien imprévu. Les alertes de performance prédictive en temps quasi réel permettent aux équipes d’entretien de régler les problèmes pendant les pannes d’entretien prévues, de manière organisée, efficace et rentable permettant d’augmenter la disponibilité et les bénéfices.
  • Découvrir les causes fondamentales des pannes. Les capacités d’analyses et d’anticipation de forage de données primées entraînent une meilleure fiabilité et une efficacité des équipements de manière continue, ainsi qu’une meilleure performance. Cela permet également d’identifier les facteurs réels des problèmes de performance parmi des centaines de mesures et de conditions. Ces données aident les ingénieurs à effectuer les dépannages plus rapidement et à adopter la meilleure mesure corrective.
  • Utiliser toutes vos données. Parmi la gamme d’applications les plus anciennes aux plus récentes : MES, ERP, CMMS et autres systèmes, le modèle de données d’entreprise SAS centralisé sur l’entretien recueille de grands volumes de données, quel que soit le format ou la source. Puis la solution transforme, standardise et nettoie les données pour qu’elles puissent être utilisées par plusieurs groupes d’utilisateurs.

Caractéristiques

Intégration de toutes les données pertinentes.
  • Données d’évaluation dans les mesures à la fois continues et par catégorie
  • Données sur la machine ou l’équipement
  • Données sur l’analyse des défaillances physiques
  • Données sur les défaillances
  • Dossiers d’inspection
  • Fiches d’entretien
  • Dossiers environnementaux
  • Répartition des frais
  • Données organisationnelles
  • Données opérationnelles
Surveillance et alerte automatisées.
  • Recherches détaillées par organisation
  • Recherches détaillées par groupe de gestion des actifs
Modélisation prédictive/gestion de modèle.
  • Arbre de décision
  • Réseau neuronal
  • Analyse de régression
  • Groupage
  • Notation
  • Gestion de modèle.
Analyse poussée sur place
  • Diagramme de Pareto
  • Carte de contrôle
  • Histogrammes
  • Analyse de distribution
  • Régression et ajustement de courbe
Tableaux de bord dotés d’alertes répétitives.
  • Tableau de bord des indicateurs de performance clés
  • Rapports web
  • Graphes web

Configuration requise

Client

  • SASMD Service Intelligence Architecture Clients
    • Poste de travail Windows 32 bits

Serveur

  • SASMD Service Intelligence Architecture Data Integration Server
    • AIX, HP PA-RISC, HP IPF, Linux 32- bits, Linux 64 bits pour IPF, Solaris SPARC, Windows 32 bits
  • SASMD Service Intelligence Architecture EBI Server
    • AIX, HP PA-RISC, HP IPF, Linux 32 bits, Linux 64 bits pour IPF, Solaris SPARC, Solaris pour x64, z/OS, Windows 32 bits, Windows 64 bits IPF
  • SASMD Service Intelligence Architecture OLAP Server
    • AIX, HP PA-RISC, HP IPF, Linux 32 bits, Linux 64 bits pour IPF, Solaris SPARC, Solaris pour x64, z/OS, Windows 32 bits, Windows 64 bits IPF
  • SASMD Service Intelligence Architecture Metadata Server
    • AIX, HP PA-RISC, HP IPF, Linux 32 bits, Linux 64 bits pour IPF, Solaris SPARC, Solaris pour x64, z/OS, Windows 32 bits, Windows 64 bits IPF

Niveau médian

  • SASMD Service Intelligence Architecture Midtier
    • AIX, HP IPF, Solaris SPARC, Windows 32 bits
Logiciels requis
  • Serveur d’applications web (ex. Tomcat, IBM WebSphere)
  • Serveur de fichiers web (ex. Serveur Xythos Webfile)

Veuillez communiquer avec votre représentant SAS pour toute question supplémentaire sur les exigences techniques.

 

Plus d'informations sur nos services et solutions?

Contactez SAS au 1-800-727-0025 ou utilisez le formulaire en ligne.