Tosh Defence
预测性维护

SAJAG सजग

智能资产判断与可用性保护

预测故障。保护任务。

<100ms
预测推理时间
0
需要 GPU 或互联网
6
监控的车辆系统
100%
本地主权

问题

印度陆军的车辆故障是因为维护遵循日历,而不是实际情况。车间需要等待数周才能获得应提前准备的备件。固定间隔的维护要么过度维护(浪费资源),要么维护不足(漏掉故障)。当设备意外故障时,备件通常在2000公里外的仓库中——车辆因此闲置数周。SAJAG改变了这一切:它根据每辆车的实际使用情况预测故障,并准确告诉军需部门需要储备哪些备件、在哪里、何时储备。

解决方案

什么 SAJAG 是否

SAJAG是一个人工智能平台,可以预测军事车辆和设备何时会故障、需要什么备件以及何时进行备货——将反应式故障修复转变为主动预测预防。它利用军队已有的数据:服务记录、故障日志和部署历史。第一阶段无需传感器。

Every prediction is conditioned on terrain and climate. The same vehicle behaves fundamentally differently in Ladakh (-40°C, 5,500m altitude) vs Rajasthan (+52°C desert) vs Northeast monsoon zones. This terrain correlation is SAJAG's core intelligence - no commercial platform models this because no commercial fleet operates across this range. Classical ML algorithms (XGBoost, survival analysis, time-series forecasting) run on standard CPU hardware. No GPU. No LLM dependency. No internet required for any core function.

SAJAG

सजग (SAJAG) - 警觉。警惕。关注。在印度军队文化中,"Sajag raho"(保持警觉)从基础训练开始就灌输给每位士兵。SAJAG保持对设备退化的警觉,以确保您的舰队保持任务准备状态。

能力

关键特性

车辆健康评分

每辆车和每个系统(发动机、冷却、传动、电气、刹车、悬挂)生成的 0-100 健康评分。每次数据摄取事件后更新,并进行历史趋势跟踪。

故障预测引擎

生存分析+分类混合模型预测每辆车每个系统在7/14/30/60/90天内的故障概率。包括影响因素和建议措施。

地形-天气相关器

核心差异化因素。根据部署地形调整所有预测 - 高海拔、沙漠、季风、平原。地形磨损因素根据实际操作数据进行校准。

备件需求预测

每个编队的 30/60/90 天备件需求预测。将预测的维护映射到备件物料清单。死库存识别和周期性分析。

故障模式挖掘

关联规则挖掘识别共同发生的故障模式。"当 ALS 在 >4000 米的高度运行超过 90 天时,燃油喷射系统故障在 89% 的情况下跟随电气故障。"

任务可靠性计算器

每辆车和每个编队的单一可靠性百分比。假设场景:“如果我们首先服务这3辆车,可靠性将从64%提高到86%。”

维护警报引擎

关键(7 天)/ 警告(7-30 天)/ 建议(30-90 天)警报,附带推荐行动、备件清单和确认工作流。

数据优先架构

与现有纸质记录通过CSV/Excel上传、网页表单或移动应用数字化的方式兼容。无需传感器。未来引入的车辆可进行传感器集成。

部署选项

产品层级

SAJAG OnPrem

部署在军队编队现有的服务器基础设施上。在没有互联网的本地网络上工作。数据永远不会离开编队。适合操作部署和敏感编队。

SAJAG云

在 NIC 云上提供完整堆栈以快速进行试点部署。所有数据存储在印度政府基础设施上。适合初步评估和演示。

SAJAG混合

第2阶段

用于数据收集和本地预测的编队级实例。指挥级聚合器用于跨编队可见性。军需部门从指挥层获取需求预测。

为什么不选择外国替代品?

为什么 SAJAG?

外国预测性维护平台
SAJAG
车队支持
单一OEM,受控环境
多OEM,多年代(1980年代到2020年代)
地形建模
无 - 设计用于高速公路/工厂
内置极端环境下的地形-天气相关性
传感器依赖
从第一天起需要物联网传感器
首先使用手动日志数据,传感器可选
基础设施
云托管,需 GPU
标准8核CPU服务器,无GPU,无互联网
数据主权
外国服务器,美元定价
本地,主权,印度卢比定价
供应链集成
未包含
与军需层级相关的备件需求预测

每天,军用车辆因我们根据日历而非实际状况进行维护而发生故障。SAJAG 根据每辆车的实际使用情况 - 在何种地形、何种海拔、何种温度下 - 预测故障,并准确告诉军需部门应储备哪些备件、在哪里以及何时储备。

集成

兼容

现有军队车间记录(CSV/Excel/纸质数字化)
电子与军需后勤供应链系统
IMD气象数据用于地形气候相关性
OBD-II和CAN总线传感器适配器(第二阶段)
每日利用日志的移动应用

设计用于:

服务对象

印度陆军(工程机械兵团)
印度空军(地面支持)
印度海军(车辆车队)
准军事部队(BSF,CRPF,ITBP)
国防公用事业单位(OFB、BEL、BEML)
州运输企业

自豪地在印度制造

在印度以世界级标准设计。可在全球任何地方部署。提供完整源代码以供主权审计。无供应商锁定。无外部依赖。

准备好查看 SAJAG 在行动中?

工作原型将在30天内提供。安排与我们的团队进行实时演示,以满足您的操作需求。全球范围内。