Convergencia de AI/ML y tecnologías de gemelos digitales en mantenimiento predictivo
By s4pcademy
A medida que nuestros clientes continúan con su transformación digital, comenzamos a ver más clientes de EAM que adoptan tecnologías de IA y gemelos digitales juntas en sus programas de mantenimiento predictivo (PdM). Uno de los mejores ejemplos es Engie, un líder mundial en energía y servicios bajos en carbono que ganó un premio a la innovación de SAP 2022. Engie obtuvo beneficios impresionantes: 11 % de reducción en la pérdida de producto y 35 % de eficiencia de mantenimiento ganada para aquellos equipos fotovoltaicos monitorizados y analizados por SAP Predictive Asset Insight (PAI) y SAP Enterprise Productive Development (EPD).
La convergencia de AI/ML y la simulación basada en gemelos digitales crea un caso de uso de PdM muy convincente. En función de los datos de los sensores incorporados desde los dispositivos o las capas de datos, las tecnologías de gemelos digitales simulan «sensores virtuales» que, de otro modo, serían física o económicamente imposibles de instrumentar. Se forma una imagen completa del equipo cuando la IA combina y analiza las lecturas de los sensores virtuales y los sensores físicos. Los usuarios comerciales pueden configurar reglas de mantenimiento para monitorear continuamente el equipo y generar alertas y/o notificaciones EAM cuando se detecta una anomalía o la IA predice una falla.
Si bien Engie ha implementado este caso de uso utilizando PAI y EPD, este caso de uso ahora es compatible con SAP Asset Performance Management (SAP APM, el sucesor de SAP PAI) con integración estándar a EPD. Además, APM está programado para tener una muy mejorada capacidad de detección de anomalías en Q2. Esta nueva y mejorada capacidad de detección de anomalías se basa en SAP AI Core y brinda una experiencia de usuario sin código y explicabilidad para los ingenieros de confiabilidad. Compartiré más detalles sobre las nuevas capacidades de IA de APM en futuros blogs, así que manténgase informado.
