T-Systems desarrolla una solución que reduce un 25% los costes en el mantenimiento predictivo en la industria
La solución de T-Systems integra una arquitectura flexible, global y escalable que permite filtrar, pretratar, normalizar y combinar los datos recogidos por los distintos sensores antes de enviarlos a la nube
El mantenimiento predictivo permite que las industrias sean capaces de detectar problemas en el funcionamiento de maquinaria antes de que se produzcan o mitigar la posibilidad de accidentes.
En este contexto, soluciones como la nueva ENAE de T-Systems -desarrollada en España- permiten mejorar su despliegue y reducir entre un 15 y un 25% los costes y tiempos de implementación.
T-Systems desarrolla una solución que reduce un 25% los costes en el mantenimiento predictivo en la industria T-Systems, filial de servicios tecnológicos del grupo Deutsche Telekom, ha presentado este miércoles, en el marco del evento Digital Enterprise Show (DES), en Madrid, su solución ENAE para impulsar el mantenimiento predictivo.
ENAE representa un modelo de acompañamiento en este tipo de proyectos que combina tecnología IoT Industrial (IIoT), Cloud y Edge Computing, IA y 'machine learning', y se destina especialmente a entornos industriales y productivos críticos, como ha informado la empresa en un comunicado.
Nueva arquitectura
La solución de T-Systems integra una arquitectura flexible, global y escalable que permite filtrar, pretratar, normalizar y combinar los datos recogidos por los distintos sensores antes de enviarlos a la nube, lo que disminuye el coste de la conexión de datos, almacenamiento y procesamiento, al tiempo que mejora la potencia de cálculo en la nube.
Además, ENAE es capaz de integrar soluciones de cualquier fabricante tanto a nivel de 'hardware' como de 'software', adaptándose a cada ecosistema y a las necesidades del cliente, y detectando y resolviendo cualquier posible incompatibilidad que pudiera existir entre los componentes.
Gracias a las tecnologías de Edge Computing, ENAE realiza un control de activos que permite la detección temprana de anomalías y previene posibles accidentes en planta o campo.
Además, cuenta con un sistema de alertas inteligentes con clasificación automática del nivel de alerta, envío de avisos al equipo adecuado en cada caso (mantenimiento, bomberos, etc.) o activación de medidas de forma automática como apagado de activos, según la gravedad de la situación.
La herramienta también ayuda al control de presencia en planta que, combinada con cámaras dotadas de Inteligencia Artificial (IA), puede alertar de la presencia de personal no autorizado en zonas peligrosas o críticas, así como al control de contaminantes en aguas residuales de refrigeración y otros casos de uso distintos.
ENAE es una suite creada por el equipo español de T-Systems Iberia, que responde a las necesidades del sector energético o incluso otras industrias, donde los trabajos de mantenimiento son críticos para garantizar la continuidad del servicio, como las plantas de refino, químicas, estaciones petroleras, redes de distribución o plantas de generación.
Dos laboratorios de pruebas en España
T-Systems ha creado también dos laboratorios de pruebas en España donde se podrán realizar pruebas y desarrollar prototipos de forma segura para los clientes y sin impacto ni instalaciones en los entornos productivos.
Estas dos nuevas instalaciones para impulsar la innovación en el sector energético se encuentran en el T-Lab de T-Systems en sus oficinas en Madrid y en el Innovation Center de la compañía en sus oficinas del Distrito 22@ de Barcelona.
Los profesionales de estas nuevas instalaciones trabajarán creando soluciones para perfeccionar la captura de datos desde las máquinas en planta o campo, probando nuevos sensores o incluso creando dispositivos desde cero.
Además, realizarán pruebas para mejorar la integración de nuevas soluciones tecnológicas en los entornos estudiados, adelantándose a las posibles incompatibilidades, o realizarán simulaciones de situaciones de riesgo o variaciones en las condiciones ambientales o de seguridad para entender el impacto en la producción antes de que se produzcan.