为何要预测工作原理产品行业项目方法成果荣誉关于我们预约会议

人工智能预测性维护

提前两周预测设备故障

PRECOG 学习每台电机驱动设备的正常运行状态，及早发现偏差，并告诉您的技术员什么可能出现故障，出现在哪里，以及何时发生。

预约会议了解工作原理
2025年日内瓦国际发明展银奖 FMpro Service 专题报道 六个行业，2,000+ 台设备

PRECOG 简介
2周平均提前预警时间，视具体缺陷而定
85%+首月故障检出率
95%+首年故障检出率
14种概率算法
7万亿+用于训练的测量数据点

01为何要预测

多数维护仍是在故障发生之后才做出反应

数据中心的空调一旦发生故障，整个服务器群可能在几分钟内面临风险。医院的电梯出现故障，可能使关键流程中断。每一次意外故障都代价高昂，因此维护既是一项技术工作，也是一个战略因素。

事后维修

出故障后再修

设备在已经损坏之后才进行维修。起初看似成本低，但制冷系统、供暖系统或生产线一旦发生故障，就会造成高昂费用。

非计划停机和安全风险

预防性

按计划更换

按固定周期进行检查或更换。意外故障的可能性有所降低，但许多更换并无必要。

不必要的成本和备件

预测性，使用 PRECOG

需要时才行动

依据实时数据预测缺陷，只在确有必要时才进行作业。PRECOG 对每台设备分别进行预测。

计划内作业，持续运行

02工作原理

从原始遥测数据到清晰的维护信息

小型的专用模型实时运行。只有检测到相关异常时，才会启动 AI 分类，因此每条信息都以真实测量为依据。

  1. 01

    测量

    能耗、电流、振动、温度或位置，数据来自现有传感器或 PRECOG 设备。

  2. 02

    分析

    14 种概率算法学习每台设备的正常运行状态。

  3. 03

    检测

    无需固定阈值，即可识别偏离正常运行的情况。

  4. 04

    分类

    AI 将偏差与已验证缺陷的数据库进行比对。

  5. 05

    通知

    技术员会收到一条简短信息，说明发生了什么、在哪里、何时发生，并附上可能的维修建议。

知识留在系统中

技术员用“是”或“否”确认或驳回每条警报，系统因此不断学习。从一次已检测到的缺陷中获得的经验，会自动迁移到其他同类设备。

01

适应每台设备

无需对每台设备做详细建模，按设备类别进行测试即可。

02

只使用真实数据

PRECOG 只使用测量数据，因此不会出现 AI 幻觉。

03

室内和室外

在这两种环境中，连续运行和周期性运行的设备都适用。

深入了解技术

03产品

传感器、处理单元和仪表板，由一家供应商提供

我们设计并制造定制传感器方案，以 PRECOG AI 作为处理单元，并提供用于查看结果的仪表板。

3Kérdés: a három rész külön-külön is megvásárolható (például csak a PRECOG AI mint feldolgozó egység)? Egyelőre úgy szerepel, hogy szenzort gyártunk, az AI a feldolgozó egység, és van dashboard is.

传感器

定制传感器方案

我们为您的设备设计并制造测量装置。它们也可以与您现有的测量设施配合使用。

  • 能耗、电流、振动、温度、位置
  • Wi-Fi 或 Ethernet 连接
  • 安装简便
处理单元

PRECOG AI

将遥测数据转化为维护信息的分析引擎。它学习每台设备，检测偏差，并识别可能的缺陷。

  • 14 种概率算法，配合 AI 分类
  • 部署在云端或本地服务器
  • Web API
仪表板

PRECOG 仪表板

机器的实时状态、能耗以及带通知的预测。

  • 实时状态和能耗分析
  • 带通知的预测
  • 云端或本地服务器，通过 Web API

03产品，仪表板

实时监测与能源优化

PRECOG 仪表板显示机器的实时状态、能耗以及带通知的预测。它通过 Web API 连接，可部署在云端或本地服务器。

  • 实时监控每台设备
  • 能源优化：比较相似的机器并检测异常
  • 季节性分析，揭示消耗模式变化的原因
  • 按时间段统计过去和未来的能耗，包括成本和能源
  • 可定制的报告
  • 带通知的预测
安装在工业水泵控制柜下方的黑色 PRECOG 测量装置
设备机房中，安装在立式水泵旁的 PRECOG 测量装置

03产品，传感器

可融入现有设施的测量装置

PRECOG 可以基于现有测量数据工作，也提供自有的定制传感器。装置通过 Wi-Fi 或 Ethernet 连接。

Wi-Fi 或 Ethernet装置与 PRECOG 之间的连接。
安装简便安装在设备或其控制柜旁。
集成可与现有设施配合使用。

试点，云端

验证

由 VidaSoft 托管的 Web API 和浏览器应用，用于快速完成技术和业务验证。

生产，本地部署

本地安装

专用的本地 PRECOG 服务器，配有独立的 API 端点和 PostgreSQL 数据库。

HTTPS，TLS 1.2 或更高版本 HMAC 认证 基于角色的访问控制 日志与备份 可按需集成 SIEM

04行业

凡是电机驱动运转之处

水泵、风机、压缩机、电梯、传送带、机器人和转辙机，连续或周期性运行。

5Ügyfélneveket és márkákat nem használunk, csak iparágakat. A kártyák az iparági oldalra mutatnak, ahol minden iparághoz részletes tartalom van.

工厂中的自动化装配单元

制造业

机械臂、传送带、压力机、数控加工中心、绕线机和涂装线。

了解更多

停在机场航站楼旁的客机

机场和物流

行李处理、登机桥、自动人行道、门和暖通空调。

了解更多

设有空气处理机组和管路的楼宇设备机房

酒店和楼宇

酒店、医院、办公楼和购物中心的冷水机组、空气处理机组、水泵、电梯和扶梯。

了解更多

轨道旁装有转辙机的铁路道岔

铁路和公共交通

道岔和转辙机、自动门、道口栏杆和车站电梯。

了解更多

服务器机柜之间的数据中心通道

数据中心和电信

制冷、空气处理，以及 IT 基础设施背后的机械系统。

了解更多

一排大型工业水泵

能源、水务和流程工业

水泵、压缩机、冷却塔、消防水系统和工艺设备。

了解更多

05项目方法

从您最关键的资产开始

每个项目都从对您设备的定制调研开始，价格视项目而定。在投入日常运行之前，会先在现场验证故障的可检测性。

1. 选择

选出关键资产

  • 分析故障记录数据库
  • 故障影响、成本和频率
  • 各资产的 MTBF、MTTR 和总停机时间
  • 备件关键程度和交付周期
2. 研究

证明故障可以被预测

  • 分析现有数据
  • 规划并测量测试数据
  • 现场考察和文档记录
  • 验证故障可检测性
3. 运行

运行并持续学习

  • 实时监控和故障预测
  • 基于 AI 的缺陷识别和警报
  • 维护决策支持
  • 技术员反馈和持续学习

06成果

测量成果与准确率

一个监测 300 组道岔电能消耗的铁路项目的成果，以及算法在 1500 多个资产和指标上的准确率。

30%维护成本降低
75%非计划现场出勤和误报减少
50%检出率提高
40%停机时间减少
0非计划维护
90%+缺陷预测率正确预测的缺陷占实际发生的全部缺陷的比例。
90%+及时预测对中长期缺陷和突发的短期缺陷均可靠。
~100%严重警报几乎每个被检测到的缺陷，在发生之前都会触发红色警报。
<1%严重警报误报设计目的是避免对操作员造成不必要的干扰。
80%+持续性持续发出的警报让维护人员始终关注正在发展的缺陷。

深入了解

技术

成熟度等级、算法、准确率指标，以及与阈值方法的比较。

数据评估

输入数据、如何解读结果、预测示例和常见问题。

周期性运动分析

PRECOG 如何分析周期性运动设备的功率曲线，并附分析方案。

案例研究

六个项目案例，涵盖机场、酒店、铁路道岔和电信KPI。

07荣誉

获得独立认可

第50届国际发明展

在 83 项发明中获得银奖

PRECOG 于2025年在日内瓦获得银奖。

FMpro Service，2025年第5期

“未来的运营管理，将不再是事后修复故障，而是提前知道问题可能在何时、何处发生。”

PRECOG 的发明者，摘自“人工智能与工业维护的未来”

08关于 Vida Soft

PRECOG 背后的工程师和数学家

工程师和数学家设计了一套用于预测电驱动设备故障的算法系统。此后，该系统在真实设备上不断完善，并与现代 AI 相结合。Vida Soft Ltd. 于2020年在伦敦成立。

15年工程和数学研发
2,000+台用于完善技术的设备
6个覆盖的行业
伦敦英国
洛桑瑞士
布达佩斯匈牙利

09预约会议

与我们探讨您的设备

请选择适合您的日期和时间，我们会通过电子邮件确认预约。首先就您的设备进行交流，然后准备定制调研方案和按项目报价。

7A foglalás e-mailt küld a két kijelölt értékesítési kapcsolatnak (a címek a site/design.md fájlban vannak, az oldalon nem jelennek meg). A naptár itt demó adatokkal működik. Élesben foglalási eszköz kell hozzá (például FluentBooking vagy hasonló), amely a két naptárhoz kapcsolódik.

日期

时间