その仕組みについて
Xサービス
Flyで始めましょう
技術
仕組み
Elmodisは、産業用機械の包括的な監視と診断を提供するハイブリッドソリューションを提供しています。ハードウェアとデジタルサービスの組み合わせにより、信頼性と効率の向上が実現されます。最適なアーキテクチャを備えたこのソリューションは、完全にスケーラブルで適応性があり、任意の数と任意のタイプの電気駆動機械に簡単に導入できます。
コンパクトなスマートエッジデバイスは、資産からの電気信号と他のローカルデータを読み取り、秒間数千回の計算を行った後、結果のKPIをクラウドに送信します。オペレーターは安全なウェブポータルから資産のパフォーマンス洞察を表示し、緊急の介入が必要な場合はオペレーターに直接アラートを送信することも可能です。
01 / 04
ハードウェア
Elmodisの診断および監視モジュールは、既存のモータ制御センターパネルまたはコンパクトな専用ローカルパネルに取り付けられます。モータの配線システムに干渉することなく、モータの配線に接続が行われます。測定は非常に高い周波数で行われるため、機械の動作に直接関連する電気的な特性の微細な動的な不規則性を検出するなど、超高解像度の診断が可能です。KPIは、特許取得済みの機械学習に裏打ちされたアルゴリズムを使用して、診断モジュール内で開発されます。必要に応じて、振動センサや選択したプロセスパラメータ（温度、圧力、流量など）を統合するための追加の診断および監視モジュールも提供されます。
Elmodisのソリューションは完全にスケーラブルであり、新しい診断および監視モジュールは、システム全体をゼロから再構築または実装する必要なく簡単に追加できます。
クイックインストール
定性データ
アーティフィシャル・インテリジェンス
02 / 04
接続性
相互接続された診断および監視モジュールは、事前処理されたデータ（KPI）をコンピューティングクラウドに送信します。
エッジコンピューティングにより、大量のデータを事前処理して圧縮し、干渉がなく、機械の重要な動作パラメータのみを含む高品質なKPIに変換することが可能です。このプロセスにより、送信時間とコストが大幅に削減されます。処理と転送はリアルタイムで行われるため、ユーザーはリアルタイムで操作の洞察を確認することができます。
データの送信は、セルラーネットワーク、Wi-Fi、またはイーサネットを介して行うことができるため、固定通信インフラが存在しない遠隔地でもElmodisのソリューションを成功裏に実装することができます。
03 / 04
クラウドとプラットフォーム
データとレポートはElmodisの安全なクラウドサーバーに保存されます。ユーザーはサイバーセキュリティに保護されたログインを通じて安全なポータルにアクセスし、登録された機器に関するすべての情報やアーカイブされたデータやレポートを常に閲覧することができます。データは暗号化され、権限のないアクセスから保護されています。また、特定のユーザーに対して必要な報告書を個別にカスタマイズしたり、認可を設定したりすることも可能です。ユーザーは購入やメンテナンスするソフトウェアは必要ありません。デジタルサービスの購読には、マスターソフトウェアプラットフォームのメンテナンスを含むすべてのユーザーのニーズがカバーされているため、オペレーターは常に最新のソフトウェアバージョンにアクセスできるという安心感を持つことができます。
現在のシステムアップデート
セキュアなデータ
個人向けレポート
04 / 04
アナリティクスとレポーティング
特許取得済みのElmodis方式の電気信号解析により、産業機械の動作の異常を検出することが可能です。機械学習アルゴリズムと、さまざまな種類の機械（ポンプ、ファン、コンベア、タービンなど）専用の仮想プロセスおよび測定モデルに基づいて、クラウド上でデータが処理されます。機械学習アルゴリズムは、新しいデータセットごとに分析モデルを改善し、その結果、機械の状態の予測（故障の予兆）と分析をより効率的に行うことができます。
複数のモニター機器（例：同じクラスの多数のファン駆動モーター）のデータを分析・比較することで、予測効率レベルを反復的に向上させます。
機械学習
高速スケーラビリティ
オンラインビュー
Xサービス
Elmodisの提供
1.設備モニタリングサービス
- プロセス変化、過負荷などの検出
- 統計データ – 起動回数、動作時間
- 検出電気パラメータの誤動作
- 連続オンラインモードで測定されるパラメータの概要
- 通知（警告や警報、あらゆるイベント）
2.サービスとしての設備診断・状態予測
を追加しました：
- 電源異常の検出、
- 故障検出（ミスアライメント、アンバランスなど）、
- モータの電気的状態の診断、
- 異常の検出、
- トラッキングパラメータトレンド
3. 設備パフォーマンスの最適化をサービスとして提供
を追加しました
- すべての監視対象資産の動作パラメータのベンチマークレポートにより、異常事態をより迅速に認識できるようになりました、
- 連続オンラインモードで測定されたパラメータの概要を説明します、
- マシンおよびプロセスの通知（警告およびアラーム、任意のイベント）、
- 動作条件、
- 運用上の問題
システムの立ち上げ
センサーデータが定格データ（電気データ）に対応しているか、プロセスデータと振動データが機械とその環境の実際の挙動に対応しているかの検証。
1
データ検証
機械の運転状態やシステム内でのパフォーマンス特性の検出。閾値の決定、データのクラスタリングとラベリング、KPIの開発、作成したモデルのトレーニング、デバイス内での実装。
2
解析の立ち上げと学習期間
機械の運転状態やシステム内でのパフォーマンス特性の検出。閾値の決定、データのクラスタリングとラベリング、KPIの開発、作成したモデルのトレーニング、デバイス内での実装。
3
モニタリングと予測
機械全体のパラメータと性能のモニタリングと予測。モデルおよびアルゴリズム・パラメーターの検証
4
