Nyereség:
- Tudja, hogy mely adatok jeleznek hibás működést
- Képes előrejelzéseket készíteni egyszerű küszöbérték-figyeléssel
- Megkülönbözteti, hogy az AI mit tehet és mit nem
A legtöbb meghibásodás nem hirtelen következik be; előre jelez. A megnövekedett vibráció, a hőmérséklet emelkedése, az áramfelvétel változása és a hangjellemzők változása a leggyakoribb prekurzorok.
Nyomon követendő adatok
- Motoráram: az áramerősség emelkedése blokkolást vagy csapágytapadást jelezhet.
- Csapágyhőmérséklet: kenés hiánya vagy helytelen beállítás.
- Rezgés: kiegyensúlyozatlanság, kopás, kilazulás.
- Aspirációs nyomáskülönbség: szűrő eltömődés.
- Gyártási hatékonyság: a hatékonyság csökkenése azonos beállítás mellett a kopás közvetett mutatója.
A mesterséges intelligencia szerepe
A mesterséges intelligencia türelmesebben követi ezen adatok mintáját, mint egy ember: „a C2 görgő motorárama fokozatosan nőtt az elmúlt három hétben” láthatóvá tesz egy olyan tendenciát, amelyet talán figyelmen kívül hagytak.
A mesterséges intelligencia azonban nem a meghibásodást látja, hanem az adatokat. Ha nincs érzékelő és nincs adat rögzítve, akkor nincs előrejelzés. A prediktív karbantartás előfeltétele a mérés; szoftver a második lépés.
Az "AI előrejelzi a kudarcot" mondat csak akkor igaz, ha vannak adatok. Először mérje meg, majd modellezze. A modell felépítése mérés nélkül azt jelenti, hogy nem létező információkból vonunk le következtetéseket.