enerSENSE – Condition Monitoring
Einfache Digitalisierung durch nachhaltige Sensorik.
Solarbetrieben vom Sensor in die Cloud – keine Kabel, keine Batterien
Mehr Effizienz und weniger Ausfälle durch Vorausschauende Wartung
Plötzliche Ausfälle und Stillstände, außerplanmäßige Wartungsarbeiten sind eine Herausforderung für die Instanthaltung. Einzelne Komponenten von Maschinen oder Nebenaggregate können zum kompletten Stillstand der Anlage führen.
Vorteile der kontinuierlichen Überwachung
- Regelmäßige und kontinuierliche Überwachung von Maschinen, Maschinenteilen und Prozessen ermöglicht Ihnen eine Verbesserung Ihrer Instandhaltung
- Frühzeitiges Erkennen von drohenden Ausfällen
- Kürzere Ausfallzeiten durch geplante Wartungen
- Verlängerung der Nutzungsdauer durch bedarfsgesteuerte Wartung
Einfach, leistungstark und nachhaltig
- Drahtlose Retrofit Lösung zur Messung Verschleißrelevanter Größen wie Temperatur und Vibrationen von Maschinen.
- Mehr Daten durch effiziente Photovoltaik (enerFILM) im Vergleich zu Batterie betriebenen Sensoren
- Die einfache Nachrüstung von Sensoren ist an fast beliebigen Stellen von Produktionsmaschinen möglich.
- Wir bieten eine Ende-zu-Ende Lösung von der kabelfreien Sensorik bis zur Bereitstellung der Mess- und Analyseergebnisse.
Smart und skalierbar
So behalten Sie den Überblick
- Browserbasiertes Dashboard von jedem Ort einsehbar
- Zeitreihendarstellung verschleißrelevanter Größen (Vibrationswerte und Temperaturen)
- Prozentuale Änderung der Zustandsgrößen
- Benachrichtigungen bei über- oder Unterschreitungen von Grenzwerten (z.B. per Microsoft Teams)
- Die Dashboards können bei Bedarf auf Ihre individuellen Bedürfnisse angepasst werden.
Maximale Nutzbarkeit der Daten durch Cloud-Schnittstelle und Cloud Analytik
- Die Sensordaten können über eine Cloud2Cloud Schnittstelle an vorhandene Softwarelösungen und Partnerlösungen geliefert werden.Die Bereitstellung der Daten geht von einfacher Bereitstellung von CSV Daten bis zur Live-Übertragung per MQTT.
- Die erzeugten Vibrations- und Temperaturdaten stellen die Grundlage für die vorausschauende Wartung (Predictive Maintenance) dar. Mithilfe des maschinellen Lernens können Anomalien erfasst, identifiziert und daraus erwartetet Laufzeiten ermittelt werden.