SKF zacieśnia współpracę z AWS

SKF i Amazon Web Services (AWS) ogłosiły współpracę, aby na nowo zdefiniować zagadnienia dotyczące niezawodności maszyn przemysłowych oraz konserwacji predykcyjnej. Wspólnie planują dostarczyć na rynek łatwy w użyciu i skalowalny pakiet do monitorowania i analizy stanu, który umożliwi zbieranie i przetwarzanie danych przy użyciu technologii uczenia maszynowego.

W pierwszym kroku SKF połączy swoją wiedzę na temat maszyn wirujących i konserwacji predykcyjnej z przemysłowymi usługami AI AWS. Pozwoli to zaoferować czujniki, bramy dostępowe oraz usługę uczenia maszynowego, która jest łatwa w instalacji, uruchomieniu i skalowaniu. Firmy będą również współpracować nad następną generacją platformy do analizy danych SKF.

Przedstawiciele producenta łożysk uważają, że dzięki partnerstwu kilka tysięcy dużych zakładów produkcyjnych, w których monitorowane są maszyny wirujące wykorzysta w swoich operacjach konserwację predykcyjną. SKF chce pomóc w podejmowaniu decyzji, wydajnym planowaniu oraz harmonogramowaniu serwisów. To samo podejście może być stosowane przez początkujących użytkowników i małych oraz średnich producentów, dzięki czemu możliwość korzystania z analizy opartej na sztucznej inteligencji jest dostępna dla większej części rynku przemysłowego.

- Kluczem do maksymalizacji wartości biznesowej maszyn jest skalowalność - powiedział John Schmidt, prezes działalności przemysłowej SKF w obu Amerykach - Dzięki większej liczbie narzędzi do monitorowania stanu dostępnych dla szerszej gamy zasobów użytkownicy końcowi uzyskają więcej informacji, które pozwolą poprawić wydajność ich urządzeń.

- Zaangażowanie AWS w kooperację z SKF pokazuje w jaki sposób technologie uczenia maszynowego w połączeniu ze skalowalną chmurą AWS i doświadczeniem w zakresie monitorowania stanu mogą poprawić wydajność operacyjną procesów klientów przemysłowych - dodał Vasi Philomin, wiceprezes ds. usług SI w AWS - Wraz z SKF cieszymy się, że możemy dostarczać skalowalne, łatwe w aplikacji rozwiązania przemysłowe, które przyspieszą tempo innowacji operacyjnych dla klientów przemysłowych każdej wielkości.

(rr)