Avantages
Déployez des modèles machine learning via UbiFunctionsans avoir besoin de connaissances en science des données.
Détectez les anomalies au plus tôt et agissez avant que les pannes ne perturbent vos opérations.
Planifiez la maintenance en fonction des données d'utilisation réelles, et non à intervalles de temps arbitraires.
Signalez instantanément tout comportement anormal des équipements grâce à des alertes basées sur la moyenne mobile.
Commencez par des règles de seuil et évoluez vers des pipelines d'apprentissage automatique complets à mesure que vos données mûrissent.
Centralisez la collecte, le traitement, la visualisation et la prédiction des données.
IoT en action
Comment ça marche
Ubidots Machine Learning connecte vos actifs industriels à un puissant pipeline analytique, transformant les données de séries temporelles en décisions de maintenance fiables.
Connectez des capteurs de vibrations, de température, d'énergie et de durée de fonctionnement. Ubidots collecte les données de séries temporelles provenant de n'importe quelle source et les organise pour une analyse en temps réel.
Utilisez des variables synthétiques et des moyennes mobiles pour suivre le comportement des équipements au fil du temps. Identifiez les écarts par rapport aux schémas de fonctionnement normaux grâce à la détection d'anomalies intégrée.
Déployez des modèles d'apprentissage automatique Python via UbiFunctionpour prédire les pannes avant qu'elles ne surviennent. Déclenchez des alertes automatisées et des flux de travail de maintenance dès qu'un seuil de risque est franchi.
Caractéristiques principales
Surveiller l'utilisation réelle des machines à l'aide de variables synthétiques afin de permettre une planification de la maintenance basée sur l'utilisation.
Analyser les données vibratoires dans le domaine temporel et fréquentiel pour détecter les premiers signes de défaillance mécanique.
Détection automatique des comportements anormaux des équipements grâce à des algorithmes de moyenne mobile configurables.
Exécutez des modèles machine learning Python sans serveur via UbiFunction, sans gérer d'infrastructure.
Recevez des notifications instantanées lorsque les relevés des capteurs dépassent les seuils de fonctionnement sûrs prévus.
Ingérer et traiter les données de capteurs haute fréquence provenant de n'importe quel appareil ou protocoleIoT .
Visualisez l'état de santé, les prévisions et l'état de maintenance de vos équipements grâce à dashboardsen temps réel personnalisables.
Appliquez des modèles prédictifs à l'ensemble de vos parcs de machines à partir d'une vue unifiée.
Connectez n'importe quel capteur, automate programmable ou système externe via une API REST, MQTT ou des intégrations natives.
Quantify Environmental utilise des capteurs IoT sans fil et dashboards Ubidots pour transformer les données des services publics en informations en temps réel, aidant ainsi les clients industriels à surveiller leur consommation d'eau, d'énergie et de gaz, à détecter les inefficacités et à agir avant que les coûts n'augmentent.
$d'économies annuelles pour les clients grâce à une consommation optimisée d'eau, d'électricité et de gaz.
Des millions de litres d'eau douce économisés et des tonnes d'émissions de CO₂ évitées, générant des résultats mesurables en matière de développement durable.
Amélioration du contrôle opérationnel grâce à une visibilité en temps réel sur la consommation des services publics et les performances des équipements.
Histoire à succès
Cas d'utilisation
Tom Ulanowski
Cofondateur
UbidotsUbidotsUbidotsUbidots utilise UbidotsUbidotsUbidotsUbidots pour surveiller les réseaux de services publics sur différents sites, aidant ainsi ses clients à réduire leurs coûts grâce à des données et des alertes en temps réel.
Résultats :
Steve Barker
Fondateur et PDG
Prospect Control utilise Ubidots pour fournir une surveillance à distance du niveau des réservoirs aux clients industriels, remplaçant ainsi les configurations PLC/SCADA complexes par une solution IoT évolutive et basée sur le Web.
Résultats:
Darryl Schembri
Directeur général
AIS Technology utilise Ubidots pour surveiller la consommation d'électricité, d'eau et de gaz dans les immeubles à locataires multiples, permettant une visibilité en temps réel, une facturation automatisée et une réponse plus rapide aux inefficacités.
Résultats:
Onofre Tamargo
PDG et cofondateur
S4IoT utilise Ubidots pour surveiller à distance les systèmes d'irrigation des jardins urbains, aidant ainsi ses clients à réduire les coûts d'entretien, à prévenir les pertes de plantes et à passer d'opérations manuelles à un modèle évolutif basé sur un abonnement.
Résultats:
Aide et assistance
Vous avez des questions sur Ubidots? Voici quelques-unes des questions les plus fréquentes pour vous aider à démarrer.
Non. Ubidots propose une progression du plus simple au plus avancé. Vous pouvez commencer par des alertes basées sur des seuils et des compteurs d'utilisation construits à partir de variables synthétiques — sans aucune programmation. À mesure que vos données s'enrichissent, vous pouvez intégrer la détection d'anomalies par moyenne mobile et, à terme, déployer des modèles de machine learning Python via UbiFunction, le tout sur la même plateforme et sans équipe de data scientists dédiée.
Ubidots prend en charge quatre approches : la maintenance basée sur l’utilisation (suivi du temps d’exécution via des variables synthétiques), la surveillance des vibrations (analyse RMS dans le domaine temporel et FFT dans le domaine fréquentiel), la détection d’anomalies de moyenne mobile (signalement des écarts par rapport aux modèles de fonctionnement normaux) et le déploiement de modèles ML (exécution de modèles de classification ou de régression Python via UbiFunctionpour prédire les pannes ou estimer le temps avant la panne).
Les modèles sont déployés sous forme de scripts Python via UbiFunction, l'environnement d'exécution sans serveur d' Ubidots. Le flux de travail typique : récupérer les dernières valeurs des capteurs, prétraiter les données et créer des caractéristiques telles que les moyennes mobiles, charger le modèle entraîné, générer une prédiction et enregistrer le résultat dans une variable Ubidots , où il peut déclencher des alertes automatisées ou être visualisé sur un dashboard.
Les variables les plus utiles sont l'état de fonctionnement (marche/arrêt), le nombre de cycles, les valeurs RMS ou de crête des vibrations, la température et la consommation d'énergie. Le contexte environnemental, comme l'humidité ou la qualité de l'air, apporte un signal prédictif supplémentaire. L'essentiel est de commencer l'enregistrement immédiatement, y compris les données en conditions normales et en cas de panne, car ce sont les événements de panne étiquetés qui permettent aux modèles d'apprentissage automatique d'être précis dans le temps.
