下载PDF
Senseye > 实例探究 > Nissan 的可扩展预测性维护
Senseye Logo

Scalable Predictive Maintenance in Nissan

 Scalable Predictive Maintenance in Nissan - IoT ONE Case Study
技术
  • 分析与建模 - 机器学习
  • 分析与建模 - 预测分析
  • 功能应用 - 企业资产管理系统 (EAM)
  • 功能应用 - 远程监控系统
适用行业
  • 汽车
适用功能
  • 维护
用例
  • 预测性维护
挑战

由于拥有丰富的数据和不足以进行分析的熟练资源,Nissan 热衷于扩大使用数据影响维护的好处。它决定启动一项基于状态的维护计划,以将数千种不同资产的生产停机时间减少多达 50%。 Senseye 因其以机器学习为基础的强大预测产品而被 Senseye 所吸引。

客户
日产
关于客户
日产汽车在全球 20 个国家和地区生产汽车,包括日本、美国、俄罗斯和英国。 2016年全球汽车产量超过560万辆,产品和服务遍及160多个国家。
解决方案

Senseye 正在为多个全球日产生产基地提供预测性维护能力,这些生产基地生产逍客、X-Trail、Leaf 和英菲尼迪等车型。使用 Senseye 专有的机器学习算法远程监控 9,000 项连接的资产和 30 多种不同的机器类型,包括机器人、输送机、升降机、泵、电机和冲压机/冲压机。超过 400 名维护用户积极使用 Senseye 来优化维护活动,并在预测的机器故障前几个月进行维修。

运营影响
  • [Cost Reduction - Production]

    Multi-million dollars of unplanned downtime saved to date

  • [Process Optimization - Predictive Maintenance]

    2 weeks to 6 months advance warning of asset failure

  • [Efficiency Improvement - OEE]

    Year-on-year OEE improvements

相关案例.

联系我们

欢迎与我们交流!

* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

Thank you for your message!
We will contact you soon.