维护是必要环节，可以避免不必要的过高成本和过长停机时间。迪砂将于今年晚些时候正式推出 Monitizer | DETECT 规范性维护服务。该服务将实时监控迪砂造型机上的每个传感器数据，可在出现问题时立即向您发送警报，并就可采取的最佳操作提供来自迪砂专家工程师的建议。
采用这一人工智能驱动服务的铸造厂将能够及早发现并纠正任何问题，并不断优化设备的运行。是不是很感兴趣？
在无法看到重要的内部部件运行状况的情况下，如何让精密的铸造机械始终保持最佳性能，将停机时间降至最短，并尽可能降低成本？
将人工智能技术、海量数据和云技术结合起来，加之人类的经验和专业知识，可轻松应对这些技术挑战。铸造厂经理和服务技术人员无需再纠结于复杂的分析。他们会在设备运行发生异常时及时收到警报和建议，以便在情况变得严重、生产停止之前发现问题并进行修复。
纵观铸造厂和整个行业，获取更为方便并更具可负担性的工业 4.0 技术正在迅速改变我们维护设备的方式。传统的预防性或计划性维护通常根据设备运行时间或产出量而安排：在经过一定小时数或完成一定数量的部件加工后，技术人员便必须检查设备并更换某些服务部件。
这种做法的经济性较差。将不可避免地出现过早（或过迟）更换部件的情况，设备无法进行生产。更糟的是，铸造厂仍会因某个部件出现故障早于预期而经历计划外停机和设备损坏。
然而，日常监控只限关键磨损部件或与标准维护任务相关的数据，且这一过程仍然处于被动状态，等出现警报时，往往严重故障正在发生或已经发生。如要及早获知故障，则需调低警报阈值以提高灵敏度，但因此产生的大量警报常常使人不胜其扰。大部分状况监控系统需要在 IT 方面进行大量投资，并需要内部专业知识来正确解读数据及避免误报警。最关键的是，对于所有获取的数据，只能通过人工解读其中一小部分。
例如，迪砂的远程监控服务利用人类专家来解读设备运行和状态数据，从而提供及时的建议。这种方法效果很好，但即使是迪砂的专家工程师，也无法做到人工分析所有可用的数据。现在的迪砂设备上安装了许多传感器，会在每个设备周期产生数千个数据点。
现代 IT 技术使这一演进得以实现：预测性维护。通过将强大处理能力、低成本存储和像人工智能 (AI) 这样的自动化分析相结合，工程师可以通过分析历史运行数据来建立数字模型，从而映射出多种不同参数和运行条件之间的复杂关系，并显示这些关系如何影响结果（如设备性能、部件磨损等）。
将实时数据添加到这一数字模型中，便可将该模型变为实时工具，可针对某个部件开始出现故障或设备运行不佳的情况在很早期给出预警。这有助于最大程度减少计划内停机和计划外停机时间，并持续确保稳定的性能。
但预测建模的过程很复杂，相比较状况监控，需要更多的数据专业知识和 IT 支出。即使外部供应商将分析作为一项服务来提供，解读结果并将其转化为能带来收益的操作仍然需要大量的内部经验，而这些经验往往十分稀缺。由于需要大量投资，只有最大规模的一批企业才能真正利用这一优势。
规范性维护会在设备存在潜在故障或运行不佳时通知铸造厂，并提供修复建议，以此轻松克服了这一挑战。数据收集、人工智能驱动分析和人类专业知识都是该服务的组成部分，因此铸造厂不需要另外聘请 IT 或数据专家。
通过易于使用的规范性服务，您可以较低的成本和业务风险获得与内部预测性维护工具相同的收益。与基于状况的维护不同，维护操作的实施不是因潜在的破坏性磨损或严重的部件问题，而是对大量设备传感器数据进行自动分析得出的结果。这两者共同提供了针对故障产生或次优运行的很早期预警。
因此，铸造厂只在需要时才维护设备，无需提前维护，并且故障通常在实际发生之前便得到解决，可防止出现潜在设备损坏、停机或产出较多废品的情况。除可在较早阶段修复问题外，铸造厂还可利用这些信息对设备运行和工艺进行持续改进。