Med större krav på resurseffektiv produktion för att uppnå klimatmålen, modernare industri och en kontinuerlig strävan efter lönsamhet kan AI användas för att effektivisera underhåll. Denna rapport ämnar ge läsarenen ökad förståelse för artificiell intelligens inom förebyggande underhåll, dess utmaningar och potentiella tillämpningar. Som metod sammanställs ett flertal studier och även två intervjuer, vars sammanlagda tanke är att ge en detaljerad bild av underhållsmetoder och områden för tillämpningar, och även få en inblick i hur väletablerade företag handskas med problem relaterat till underhåll. I rapporten belyses även ekonomiska aspekter, praktiska skillnader, begränsningar och systemens tillförlitlighet.

Att använda AI i underhåll ställer stora krav på företaget, inte minst på datalagring och datans kvalitet. Relationen mellan AI och underhåll har precis börjat och förväntas ha en stor tillmognad och positiv utveckling framöver. I rapporten framgår att AIs integrering i underhåll potentiellt bidrar till en större tillgänglig tid, effektivare fel identifiering och en säkrare arbetsmiljö.

With greater demands for resource-efficient production to reach climate targets, more modern industry and continuous pursuit of profitability, AI can be used to streamline maintenance. This report aims to provide the reader with a greater understanding of artificial intelligence in preventive maintenance, its challenges, and potential applications. As a method, several case studies and two interviews were compiled to provide a detailed picture of maintenance methods and areas of application. Furthermore, to gain an insight into how well-established companies handle problems related to maintenance. The report also deals with economic aspects, practical differences, limitations, and reliability of the systems.

Using AI in maintenance places challenges on the company, not least on data storage and data quality. The relationship between AI and maintenance is just beginning and is expected to have great maturity and positive development going forward. The report shows that the integration of AI in maintenance potentially contributes to greater uptime, more efficient fault identification and a safer environment.