任何维护保养方案的目标，都在于尽可能缩短停机时间和按计划进行生产。预防性方案利用统计数据来确定何时应当执行维护工作，但是这样无法避免不必要的停机，而且还可能导致过早更换零件。而预测性维护保养则基于以往和实时数据，并加以分析，以确定即将到来的维护保养需求。

  UPtime收集数据，并利用人工智能，根据机器的具体设置和使用情况确定执行维护工作的最佳时间。这样可以帮助企业避免生产中断，减少零备件库存，从而节约成本。

  迈入大数据时代

  关键性能数据，例如气压、温度和振动，通过传感器传输至UPtime（如上图所示）。然后，这些数据被用于检测与机器潜在故障相关的行为模式。当这些模式出现时，UPtime人工智能将判断发生故障的可能性，并通过早期检测预警和明确的操作指示来警示技术人员。此外，该系统还不断从数据和模式中学习，这意味着UPtime的预测能力将会随着时间的推移逐渐提高。

  想象一个无需投入额外时间，就能避免意外停机、紧急维护和压力问题的未来。随着UPtime的推出，这种未来已经来临。