Dobici:
- Zna koji podaci ukazuju na kvar
- Može napraviti predviđanja uz jednostavno praćenje praga
- Razlikuje šta AI može, a šta ne može da uradi ovde
Većina kvarova ne nastaje iznenada; daje signal unaprijed. Povećane vibracije, povećanje temperature, promjena u potrošnji struje i promjena karaktera zvuka su najčešći prethodnici.
Podaci za praćenje
- Struja motora: rastuća struja može ukazivati na blokadu ili zaglavljivanje ležaja.
- Temperatura ležaja: nedostatak podmazivanja ili neusklađenost.
- Vibracije: neravnoteža, habanje, labavljenje.
- Razlika u pritisku aspiracije: začepljenje filtera.
- Efikasnost proizvodnje: smanjenje efikasnosti sa istom postavkom je indirektan pokazatelj habanja.
Uloga vještačke inteligencije
Umjetna inteligencija strpljivije prati obrazac u ovim podacima nego čovjek: otkrivanje „struje motora C2 valjka se postepeno povećava u posljednje tri sedmice“ čini vidljivim trend koji je možda bio zanemaren.
Međutim, umjetna inteligencija ne vidi kvar, ona vidi podatke. Ako nema senzora i nema podataka, nema predviđanja. Preduslov za prediktivno održavanje je merenje; softver je drugi korak.
Rečenica "AI predviđa neuspjeh" je istinita samo ako postoje podaci. Prvo izmjerite, a kasnije modelirajte. Izgradnja modela bez mjerenja znači izvođenje zaključaka iz nepostojećih informacija.