Siemens übernimmt Anbieter für industrielle Analyseverfahren
Software für die digitale Fabrik
Mit der Übernahme des Anbieters für industrielle Analysesoftware Senseye erweitert Siemens sein Portfolio um Lösungen für die vorausschauende Instandhaltung (Predictive Maintenance) und Asset Intelligence. Mit den Lösungen sollen ungeplante Maschinenstillstände um bis zu 50 % reduziert und die Produktivität der Instandhaltungsteams um bis zu 30 % gesteigert werden können.
Künstliche Intelligenz unterstützt bei der Planung vorausschauender Instandhaltung (Bild: Siemens).
Darüber hinaus, so die Angabe von Siemens, trägt der Einsatz der Software-Lösungen von Senseye für Predictive Maintenance und Asset Intelligence zu einer erhöhten Anlagenlebensdauer sowie zur Erreichung und Verbesserung der Nachhaltigkeitskennzahlen bei.
Seit 1. Juni 2022 ist das britische Softwarehaus eine 100prozentige Tochter von Siemens holdings plc in Großbritannien. Das Unternehmen ist organisatorisch Siemens Digital Industries zugeordnet und gehört zur Business Unit Customer Services.
Bild: Siemens
»Zusammen mit unserem Portfolio von digitalen Services ermöglichen die KI-basierten Lösungen von Senseye eine effiziente und skalierbare Predictive Maintenance. Zukünftig können wir unseren Kunden in zahlreichen Branchen mit hochflexiblen Lösungen helfen, den Zustand ihrer Maschinen vorauszusagen und so die Effektivität ihrer Anlagen insgesamt zu steigern.« (Margherita Adragna, CEO Customer Services für Digital Industries der Siemens AG)
Seit Gründung im Jahr 2014 entwickelt Senseye skalierbare und nachhaltige Software-as-a-Services-Lösungen für Asset Intelligence. Eingesetzt werden moderne, spezifische maschinelle Lernverfahren und künstliche Intelligenz für eine skalierbare Lösung, die eine vorausschauende Instandhaltung ermöglicht und zu einer Reduzierung ungeplanter Stillstände sowie einer höheren Nachhaltigkeit beiträgt.
Die Lösung lässt sich laut Siemens einfach und nahtlos in vorhandene bzw. neue Infrastrukturen integrieren. Das System umfasst die Analyse von Daten zu Maschinen-, Instandhaltungs- und Instandhalterverhalten, informiert über den zukünftigen Zustand der Maschinen sowie notwendige Eingriffe. Anwenderseitiges Vorwissen in Bezug auf Data Science oder konventionelle Zustandsüberwachung sei nicht erforderlich.
