Guadagni:
- Sa quali dati indicano un malfunzionamento
- Può fare previsioni con un semplice monitoraggio della soglia
- Distingue ciò che l'IA può e non può fare qui
La maggior parte dei malfunzionamenti non si verificano all'improvviso; dà un segnale in anticipo. Aumento delle vibrazioni, aumento della temperatura, cambiamento nell'assorbimento di corrente e cambiamento nel carattere del suono sono i precursori più comuni.
Dati da monitorare
- Corrente del motore: l'aumento della corrente può indicare un blocco o un inceppamento dei cuscinetti.
- Temperatura del cuscinetto: mancanza di lubrificazione o disallineamento.
- Vibrazioni: squilibrio, usura, allentamento.
- Differenza di pressione di aspirazione: intasamento del filtro.
- Efficienza produttiva: diminuire l'efficienza a parità di impostazione è un indicatore indiretto di usura.
Il ruolo dell'intelligenza artificiale
L'intelligenza artificiale segue lo schema di questi dati più pazientemente di un essere umano: il rilevamento del fatto che "la corrente del motore del rullo C2 è gradualmente aumentata nelle ultime tre settimane" rende visibile una tendenza che potrebbe essere stata trascurata.
L’intelligenza artificiale però non vede il malfunzionamento, vede i dati. Se non è presente alcun sensore e non vengono registrati dati, non vi è alcuna previsione. Il prerequisito per la manutenzione predittiva è la misurazione; il software è il secondo passo.
La frase "L'intelligenza artificiale predice il fallimento" è vera solo se ci sono dati. Prima misura, poi modella. Costruire un modello senza misurare significa fare inferenze da informazioni inesistenti.