Hlavní demo aplikací společnosti Mitsubishi Electric na MSV bylo řešení prediktivní údržby. Toto řešení využívá robota série FR a umožňuje komunikaci s rozsáhlou výrobní linkou, kterou Mitsubishi Electric tentokrát umístilo v digitálním světě - skutečná zařízení tak spolupracují s výrobní linkou umístěnou v 3D simulaci. Vše probíhá pomocí protokolu OPC UA, který se v souladu s předpoklady Průmyslu 4.0 stane do budoucna hlavním průmyslovým komunikačním protokolem.
Systém shromažďuje data z jednotlivých komponentů automaticky a sleduje různé parametry činnosti pohonů. Všechny pohony v takovém systému jsou považovány za samostatné prvky, neboť každý z nich může poskytnout různé informace. Sběr s frekvencí až 0,4 ms by však vedl ke vzniku terabytů dat. Systém Mitsubishi Electric proto tato data zpracovává a analyzuje a v databázi se ukládají pouze ta nejdůležitější.
SCADA (MAPS - Mitsubishi Adroit Process Suite) slouží pro agregaci dat a vizualizaci základních parametrů provozu. Nejdůležitějším prvkem tohoto systému je umělá inteligence, která vyvozuje závěry o stavu jednotlivých součástí a indikuje případný požadavek na provedení servisních úkonů.
Produktivita firmy závisí ve velké míře na tom, jak dobře využívá své zdroje. Veškeré technologie a systémy i nástroje používané při údržbě prošly dlouhou cestu. Inženýři údržby již dávno neřeší otázku: „Co se vlastně stalo?" a identifikaci problémů zajišťuje diagnostická vrstva softwaru nebo automatizační technologie. Otázku: „Co se stalo?" nahradila otázka: „Proč se to stalo?" - a to je fáze, ve které se v současnosti nachází mnoho firem. Identifikujeme a odstraňujeme příčiny problémů, činíme závěry do budoucna, a díky tomu snižujeme náklady na využívání zdrojů. Dalším krokem je samozřejmě otázka: „Co se určitě stane?" Tato otázka shrnuje zásady prediktivní údržby, při které probíhá výměna zařízení na základě údajů o jejich opotřebení s potřebným předstihem, což umožňuje předejít vzniku poruch.
Mitsubishi Electric doporučuje, abyste se ptali: „Co by se mohlo stát?" Naše zařízení obsahují řadu technologií, které usnadňují sběr velkého množství dat, včetně dat, která zdánlivě nemají žádný význam. Tato data mohou po provedení automatické analýzy a filtrace představovat základ pro prediktivní systémy, které využívají potenciál umělé inteligence. Využití strojového učení umožňuje předvídat potenciální problémy dlouho předtím, než se objeví první zřetelné symptomy.