使用适当的数学模型随时间测量和预测的服务参数。关键是要预测一个或多个组件在它们以不可修复的方式发生故障之前的剩余寿命，从而导致它们所属的系统完全停止。
为此，RINA 使用最常见的检测方法：振动测量、热成像和吸收电流分析。
该活动是按照 RINA 治理模式进行的，该模式保证了公正性并防止了利益冲突情况。
检测到受控参数的预期值发生意外变化，表明开始持续退化。基于特定模型，我们可以在发生灾难性故障之前预测相关部件的剩余使用寿命。随着使能技术，特别是智能内置传感器的出现，集成预测性维护已成为工业 4.0 的主要应用之一。
由于存在将数据发送到更复杂的预测模型的内置传感器，现在可以由机器本身决定是否需要停止。大型基础设施，无论是民用还是工业，都可以进行预测性维护，例如监控无人机。智能“飞行”传感器能够检测异常腐蚀情况、气体泄漏、正在进行的裂缝，并实时要求人工干预。
通常，我们基于以下条件应用多步方法：
我们的方法基于我们在工艺、材料和自动化方面的强大技术经验以及传感器、模型和客户的专业知识、经验和实际需求的定制组合。我们有广泛的实验室，从纳米到全尺寸，来解决您的问题。我们广泛的技术背景，包括数学模型、传感器、无人机等，基于多年的全球现场经验。
你能举出应用的例子吗？
是的，这些年来，我们在意大利、欧洲和美洲提供了多个物理和虚拟传感器以及软件平台和工具。
为什么监测关键部件的磨损会产生如此大的经济影响？
必须停止机器/设备吗？
