Digitaltryck innebär i allmänhet många korta upplagor med snabba omställningar för allt kortare leveranstider, allt till stor del drivet av automatiserade arbetsflöden som kan spänna över flera olika avdelningar från prepress och tryck till efterbehandling och fulfilment. Oväntade haverier skapar problem med täta produktionsscheman, särskilt när tryckerierna har förlitat sig på en eller två enheter med hög volym. För att motverka dessa problem och lugna kunderna satsar många tryckerileverantörer på förebyggande underhåll och lovar att det kommer att minska maskinernas stilleståndstider.

Det är oundvikligt att maskiner går sönder och det är omöjligt att helt eliminera sådana problem, men om man kunde minska frekvensen av sådana problem skulle det underlätta mycket för de flesta tryckerier. Tidigare har tryckerier förlitat sig på fasta underhållsrutiner som tar hänsyn till den förväntade livslängden för viktiga komponenter. Den här typen av förebyggande underhåll är dock en mycket inexakt vetenskap eftersom många faktorer, från omgivningsförhållanden, arbetsbelastningen och operatörens skicklighet i att använda skrivaren, påverkar varje maskin och dess delar på olika sätt.

Med detta sagt är moderna skrivare numera utrustade med en mängd olika sensorer som registrerar en mängd olika uppgifter, t.ex. arbetstemperaturen inuti skrivaren och hur länge skrivaren är igång. Dessa data kan ge en mycket exakt uppfattning om skrivarens försämring och hur mycket arbete systemet i stort utför. De flesta skrivare har också specifika sensorer som mäter prestandan hos alla huvudkomponenter för att bättre kunna förutse när dessa komponenter kan gå sönder.

Tolkning av uppgifterna

Naturligtvis kommer man inte långt med dessa rådata. Du måste fortfarande kunna komma åt dem och analysera dem. Därför säljer många maskinleverantörer nu analysprogram tillsammans med sina maskiner som kan tolka dessa data och hjälpa kunderna att optimera effektiviteten i sina system. Dessa program har gjort det möjligt för maskintillverkarna att samla in data om alla de system de har ute på fältet, så att de bättre kan förstå hur olika kriterier hos olika kunder kan påverka hur deras utrustning presterar.

Detta ger naturligtvis upphov till en enorm mängd data, men det här är ett område som verkligen har gynnats av artificiell intelligens och dess förmåga att gå igenom enorma datamängder för att hitta mönster och förutsäga hur dessa mönster kan fungera i verkliga scenarier. Som ett resultat av detta kan den här typen av programvara i allt högre grad ge ganska exakta förutsägelser om potentiella problem och föreslå lämpliga underhållsåtgärder.

Detta innebär i…

...