Media2025-02-26T21:42:04+00:00

视频

TDK SensEI 的 AutoML 是一个高自动化的算法开发平台,助力客户利用传感器数据快速构建机器学习解决方案,适用于工业智能制造、智慧能源、智慧建筑等高复杂环境的设备管理。

介绍如何使用基于 AI 的边缘设备数据监测实时设备健康状况解决方案的概況。

点击视频了解 TDK SensEI如何创新使用AI驱动设备预测性维护,实现与边缘 AI 设备的无缝集成。您将看到精密的传感器和设备战略性地部署在机器端,不断实时收集和分析数据。edgeRX设备预测性维护系统会在潜在问题升级之前进行预测,确保最佳生产性能并减少停机时间,这项创新解决方案改变传统制造业的运维模式,使其更智能、更高效、更可靠。

Upcoming Events

Past Events

2026工业运维下半场:TDK SensEI凭“机理+AI”双轮驱动,破局智能制造核心痛点

随着工业4.0进入深水区,预测性维护已不再是“新鲜词”,但如何解决故障误报率高、边缘侧响应延迟以及大模型在垂直领域的落地难,依然是挡在企业面前的三座大山。而预测性维护作为智能制造的核心环节,其落地质量直接关系到企业设备管理效率与AI应用的实际价值。 在近日举办的第十五届中国智能制造高峰论坛上,TDK集团旗下工业边缘AI前沿企业TDK SensEI脱颖而出,凭借edgeRX解决方案一举揽获2025年度“工业AI技术创新先锋供应商”与“智能制造优秀推荐产品”两项大奖。TDK SensEI产品总监郑理强发表主题演讲并表示“作为行业观察者,我们看到的不仅是两座奖杯,更是TDK如何通过机理模型与双AI模型的深度融合,重新定义了工业设备运维的底层逻辑,为企业AI应用落地与设备管理升级提供了可行路径”。 [...]

Energy LIVE

December 9-11, 2025 TDK SensEI 将于 2025 年 [...]

国际电力展(PowerGEN)—— 得克萨斯州达拉斯市

时间:2025 年 2 月 11-13 日 国际电力展(PowerGEN International)是电力行业专业人士与解决方案提供商的顶级交流合作平台。展会汇聚了发电企业、水务机构、工程总承包商(EPC)、咨询公司、原始设备制造商(OEM)及大型能源用户,为探索清洁能源转型背景下的创新解决方案提供了优质平台。国际电力展为核心受众营造了与时俱进的交流环境,支持其实现业务转型,同时也吸引了投身清洁能源运动、致力于实现 [...]

关于国际消费电子展(CES)

国际消费电子展(CES)是全球最具影响力的科技盛会 —— 这里是突破性技术与全球创新者的 “试金石”。在 CES,各大品牌既能达成商业合作、结识新合作伙伴,行业内最具洞察力的领军人物也会登上舞台,发布最新产品、揭晓最前沿的突破性成果。 国际消费电子展(CES)由美国消费技术协会(CTA)® 拥有并主办,是全球唯一能在单一场盛会中全面展示整个科技领域全貌的贸易展会。 更多信息请访问: [...]

能源现场大会(Energy LIVE)—— 得克萨斯州休斯顿市

时间:2024 年 12 月 4-5 日 能源现场大会(Energy LIVE)融合了高层管理团队(C-suite)深度研讨与实际商务洽谈,专为能源领域决策者打造。大会围绕能源转型、氢能及太阳能与储能领域,提供前沿市场分析、战略洞察及技术进展分享。 [...]

edgeRX 新闻稿

下载新闻稿 下载图片 人工智能 TDK推出 edgeRX:工业机器健康监测的未来 2025年3月17日 [...]

SensEI Podcasts

SensEI Blog

案例故事:edgeRX+电梯设备预测性维护,借助边缘人工智能变革设备运维

行业背景: 在竞争激烈的电梯制造与维护领域,最大限度减少停机时间、确保电梯系统可靠性至关重要。传统维护方式在故障发生前的预测和预防方面常显不足,通过edgeRX边缘人工智能设备智能运维系统为全球电梯制造商实现 年均13 亿元设备运维成本,共同革新设备维护流程,实现显著成本节约与运营效率提升。   面临挑战: 该电梯企业面临电梯非计划停机如何解决?如何缩短电梯门的维护时间?如何提高服务效率和客户满意度等问题。在传统被动响应式维护的方式,往往带来一系列问题: 非计划服务呼叫频繁:因设备故障产生的频繁非计划服务呼叫干扰正常运营,增加维护成本; 预测能力有限:传统维护方式无法在故障发生前进行预测,导致突发停机; 维护成本高昂:因服务呼叫频率高及所需人工投入,企业承担了巨额维护成本。   [...]

案例研究:edgeRX+电机设备预测性维护解决方案,借助边缘人工智能革新设备健康监测

行业背景:在高精密电机行业,机械结构异常会影响电机运行质量,比如轴承磨损与损坏、传动机构偏差与松动、转子/定子异常摩擦,以及绕组故障,以及机械部件长期损耗与老化引发的松动等问题,在传统设备健康监测方式往往依赖人工技术人员,其局限性日益凸显。本案例研究将探讨由边缘人工智能驱动的edgeRX+电机设备预测性维护解决方案,如何为某直流步进电机制造商革新质量保证(QA)流程,显著降低人力成本并提升缺陷检测精度。 面临挑战:该制造企业的质量管理流程主要依赖设备技术维护人员通过聆听电机异常噪音来识别缺陷电机。这种方式存在诸多问题:人为误差:技术人员易受疲劳、分心影响,导致缺陷漏检或误判;主观性偏差:异常噪音识别过程本质上具有主观性,不同技术人员的判断标准存在差异;劳动密集型:每个厂区需配备 30 名质量检测技术人员,成本高昂且效率低下;检测能力有限:人类听觉对早期缺陷对应的细微振动与噪音识别能力不足。解决方案:为应对上述挑战,该电机制造商部署了 edgeRX,一款人工智能驱动的预测性维护(PdM)解决方案:1. 高精度传感器:采用高精度传感器捕捉电机运行中的细微振动与噪音,提取振动幅值、噪声频谱畸变率,检测能力远超人类听觉范围;2. 边缘 AI 处理:依托边缘人工智能在数据源端实现本地化实时处理与特征提取,无需依赖云端算力支撑即可完成高精度缺陷识别与快速响应;3. 可扩展性:系统可轻松扩展至同时监测多台设备,满足生产车间级全域监测的部署需求;4. 自动化警报:edgeRX 自动向技术人员推送潜在缺陷警报,支持即时干预并减少非计划停机时间。edgeRX [...]

Go to Top