Предприятия ежегодно теряют 5% дохода только из-за неоптимизированных процессов техобслуживания. И это не только поломки и их устранение, это еще и "лишний" ремонт. Производитель станка закладывает срок службы какой-нибудь детали с запасом - чтоб наверняка, но на деле оказывается, что заменить деталь можно позже, без ущерба производству. Получается, что еще рабочая деталь просто отправляется на свалку.

Самарский проект даст машинам возможность "рассказывать" о своем самочувствии. На основе данных десятков датчиков, которые выдают тысячи показателей, проводится математический анализ, из которого можно сделать вывод, когда деталь или машина выйдет из строя, когда надо поменять масло в двигателе и какие проблемы в каких ситуациях могут возникнуть. "Разработанная модель анализирует неисправный двигатель, собирает статистику и на основе изучения больших данных, полученных от машины, мы делаем выводы. Например, благодаря такой аналитике авиационные компании могут сократить затраты на обслуживание масляного фильтра двигателя самолета на 50%. Но самое интересное, что работа с большими данными позволяет делать довольно неожиданные выводы, например, может оказаться, что повышение температуры в каком-то узле всего на 3% - верный признак скорого выхода двигателя из строя. И эту взаимосвязь никак иначе не обнаружить", - отмечает сооснователь проекта Иван Исаев.

Сейчас проект "Системы предсказательного технического обслуживания" проходит акселерационную программу GenerationS 2016 по направлению TechNet. Сотрудничество с корпоративным партнером трека TechNet - заводом НПО "Сатурн" - дает возможности для работы непосредственно на производстве. Оператором трека TechNet акселератора GenerationS является StartupSamara.