A Senspider é um hardware desenvolvido para facilitar as iniciativas de Manutenção Preditiva. Neste sentido, ela realiza a aquisição de sinais utilizados em ambientes industriais, faz o tratamento local enquanto se comunica com a nuvem, permitindo a utilização desde softwares básicos até processos mais complexos, como inteligência artificial. Desta forma, a Senspider é uma peça imprescindível em manufaturas no contexto da Indústria 4.0.
Gravação
Objetivos
O webinar tem como objetivo mostrar como a Senspider, solução desenvolvida pela Macnica, pode trazer benefícios para a manutenção preditiva na Indústria 4.0.
Benefícios:
- Redução das paradas para a manutenção preventiva
- Otimização dos recursos disponíveis na planta
Apresentadores
Fabrício Petrassem Sousa – IoT Manager da Macnica DHW
Os Melhores Treinamentos sobre Sistemas embarcados e IoT
Cursos com professores qualificados para acelerar sua carreira e projetos
Engenheiro Civil pela Universidade Federal de Santa Catarina (UFSC).
Administrador de empresas pela Escola Superior de Administração e Gerência (ESAG); com MBA em Gestão Empresarial pela Unisul/HSM e especialização em formação de controller pela Unisociesc.
Atualmente é o responsável pelo planejamento estratégico da unidade de negócios da Macnica DHW de IoT Business, além da gestão do projeto Perini City Lab, voltado para Cidades Inteligentes, junto ao Ágora Tech Park.
Gustavo Mourão – Data Scientist da Macnica DHW
Graduado em Engenharia Elétrica pela Universidade Federal de Viçosa ( MG).
Mestrado em Engenharia Elétrica pela Universidade Federal de Santa Catarina.
Possui formação técnica/profissionalizante pelo Centro Federal de Educação Tecnológica – Campus Ouro Preto em Instrumentação Eletrônica e Controle de Processos.
Destaque para as seguintes experiências:
- Processamento de sinais através de projetos desenvolvidos em laboratórios de pesquisa (NIAS; Biometric Laboratory – University of Calgary).
- Implementação de sistemas para automação de processos, processamento de sinais e aplicação de técnicas de aprendizado de máquina no contexto de análise de vibração e análise de dados.
