Serwis gromadzi materiały opisujące działanie sensorów IoT, algorytmów prognozowania awarii oraz sposobów wdrażania systemów predictive maintenance w zakładach przemysłowych działających w Polsce.
Naprawa maszyny następuje dopiero po wystąpieniu awarii, bez wcześniejszego monitorowania jej stanu technicznego.
Przeglądy i wymiany części odbywają się w ustalonych z góry odstępach czasu, niezależnie od faktycznego stanu urządzenia.
Zakłady zaczynają instalować czujniki drgań, temperatury i innych parametrów umożliwiające bieżącą ocenę stanu maszyn.
Zebrane dane pomiarowe są wykorzystywane do budowy modeli statystycznych opisujących typowe wzorce poprzedzające awarię.
Decyzje o interwencji serwisowej podejmowane są na podstawie ciągłej analizy danych z czujników i wskazań modeli prognostycznych.
Utrzymanie prewencyjne opiera się na stałym harmonogramie przeglądów, natomiast utrzymanie predykcyjne wykorzystuje bieżące dane z czujników do określenia rzeczywistego momentu, w którym interwencja serwisowa jest konieczna.
Podstawą są dane historyczne z czujników drgań, temperatury i innych parametrów pracy maszyny, obejmujące zarówno okresy normalnej pracy, jak i okresy poprzedzające wystąpienie awarii.
Zwykle nie — czujniki mogą zostać zamontowane na istniejących maszynach, a dane z nich przesyłane do systemu analitycznego bez konieczności wymiany samego urządzenia produkcyjnego.
