Digitaltryk involverer generelt mange korte oplag med hurtig ekspedition til stadig kortere leveringstider, alt sammen i høj grad drevet af automatiserede arbejdsgange, der kan spænde over flere forskellige afdelinger fra prepress og trykning til efterbehandling og opfyldelse. Uventede nedbrud skaber problemer med tætte produktionsplaner, især hvor trykkerier har været afhængige af en eller to enheder med høj volumen. For at imødegå disse problemer og berolige kunderne er mange printerleverandører begyndt at satse på forebyggende vedligeholdelse med løftet om, at det vil reducere maskinernes nedetid.

Det er uundgåeligt, at maskiner går i stykker, og det er umuligt at eliminere sådanne problemer fuldstændigt, men hvis man kunne reducere hyppigheden af sådanne problemer, ville det lette presset på de fleste printoperationer. Tidligere har printere været afhængige af faste vedligeholdelsesrutiner, der tog højde for den forventede levetid for de vigtigste komponenter. Men denne form for forebyggende vedligeholdelse er en meget upræcis videnskab, da mange faktorer, fra omgivelsesforhold, den involverede arbejdsbyrde og operatørens evner til at bruge printeren, alle vil påvirke hver maskine og dens dele forskelligt.

Når det er sagt, er moderne printere i dag udstyret med en række forskellige sensorer, der registrerer en lang række oplysninger, f.eks. arbejdstemperaturen inde i printeren og den tid, printeren er tændt og kører. Disse data kan give et meget præcist billede af printerens forringelse og det arbejde, som systemet generelt udfører. De fleste printere har også specifikke sensorer til at måle alle de vigtigste komponenters ydeevne, så man bedre kan forudse, hvornår de svigter.

Fortolkning af data

Selvfølgelig kommer man ikke langt med disse rådata. Man skal stadig have adgang til dem og kunne analysere dem. Derfor sælger mange udstyrsleverandører nu analyseprogrammer sammen med deres maskiner, som kan fortolke disse data og hjælpe kunderne med at optimere effektiviteten af deres system. Disse programmer har gjort det muligt for maskinbyggerne at indsamle data om alle de systemer, de har i marken, så de bedre kan forstå, hvordan forskellige kriterier hos forskellige kunder kan påvirke, hvordan deres udstyr fungerer.

Det giver naturligvis en enorm mængde data, men det er et område, der virkelig har nydt godt af kunstig intelligens og dens evne til at gennemgå enorme datasæt for at finde mønstre og forudsige, hvordan disse mønstre kan fungere i den virkelige verden. Som følge heraf er denne type software i stigende grad i stand til at give ret præcise forudsigelser af potentielle problemer og foreslå…

...