Detección precoz del fallo de un cojinete en una bomba crítica mediante DataMind AI™.
Por Razor Labs 5 min leer COMPARTE En una gran central eléctrica, el motor de una bomba crítica de alto rendimiento empezó a mostrar un sutil comportamiento vibratorio que los sistemas convencionales no detectaban. DataMind AI™identificó los primeros signos de degradación de los rodamientos mediante un análisis avanzado en tiempo real, antes de que se […]
Understanding MTBF in Maintenance: Its Meaning and Role in Predictive Strategies
Predictive maintenance is equipment maintenance that is based on the ability to predict equipment failures, by leveraging real-time data from various sensors and applying AI algorithms.
DataMind AI™ Una solución de mantenimiento predictivo todo en uno
Por Michael Zolotov 4 min leer COMPARTE Hace año y medio, ChatGPT irrumpió en escena, desencadenando una intensa carrera entre gigantes tecnológicos como OpenAI, Microsoft y Facebook para desarrollar los modelos de IA más avanzados. A pesar de los rápidos avances iniciales, el campo de la IA se ha estancado, lo que ha provocado una […]
Boletín de resumen de Razor Labs del primer trimestre de 2025
By Razor Labs 5 min read SHARE Welcome to Razor Labs‘ Q1 2025 Newsletter! We’re excited to share Razor Labs’ key achievements from Q1 2025 – a quarter defined by continued growth, innovation, and global expansion, all fueled by our commitment to operational excellence through AI. Our momentum continues to build across the mining sector and beyond, spanning continents and […]
Razor Labs gana el Premio a la Excelencia en Tecnología Minera 2025
Razor Labs is an AI predictive maintenance technology company and a Triple Category Winner in the 2024 Mining Technology Excellence Awards
DataMind AI™ evita fallos en el ventilador de sinterización detectando problemas de lubricación y holguras mecánicas
Por Razor Labs 5 min leer COMPARTE DataMind AI™se desplegó en una fundición de cromo para supervisar activos críticos, incluidos los ventiladores de sinterización responsables de mantener el flujo de aire y la estabilidad del proceso durante la etapa de sinterización. Cualquier fallo en estos ventiladores puede causar graves trastornos en la producción. DataMind AI™ […]
Seminario web: Ejemplos reales de mantenimiento predictivo con fusión de sensores de IA
by Razor Labs 4 min read SHARE Realising the Full Potential of Predictive Maintenance with AI Sensor Fusion Predictive maintenance has become a critical focus for mining operations looking to reduce downtime, improve asset reliability, and increase operational efficiency. In this recorded webinar, produced in collaboration with Austmine, we explore how AI Sensor Fusion is […]
Detectar un desequilibrio crítico del tambor de una centrifugadora con DataMind AI™
Por Razor Labs 5 min leer COMPARTE DataMind AI™se instaló en un importante yacimiento de carbón para supervisar equipos críticos, incluida una centrifugadora de alta velocidad esencial para la separación de materiales. Cualquier fallo o desequilibrio podía interrumpir la producción y provocar costosos tiempos de inactividad. Tras una parada rutinaria, DataMind AI™ detectó un aumento […]
DataMind AI™ identifica daños en los dientes de la caja de engranajes del molino de bolas y garantiza la continuidad operativa
Por Razor Labs 5 min leer COMPARTE DataMind AI™ se instaló en una mina de hierro de Australia para supervisar equipos críticos, como el molino de bolas. Históricamente, la planta se había enfrentado a fallos recurrentes de la caja de engranajes, que provocaban costosas paradas imprevistas y riesgos para la seguridad. Poco después de la […]
Razor Labs firma un acuerdo de suscripción con SIMEC Mining tras la fase piloto inicial
By Razor Labs 3 min read SHARE SYDNEY, Feb. 18, 2025 – Razor Labs (TASE: RZR), a leader in AI-driven predictive maintenance solutions, announced today its new subscription agreement with SIMEC Mining, a major industrial and mining operator in South Australia. Building on the promising initial pilot phase, this partnership will see the continued deployment […]
