Článek se zabývá možností využití metod umělé inteligence pro klasifikaci stavu (poruch) stroje na základě obrazových dat. Konkrétně se jedná o metodu Deep Learning, zpracovanou ve volně dostupném prostředí Python a knihoven Keras a TensorFlow. Výsledky jsou porovnány s dříve publikovanými metodami [1][2] na známém datasetu za účelem posouzení vhodnosti nasazení této metody pro řešení složitějších problémů.

Správná a spolehlivá práce zařízení je důležitou součástí výrobních procesů. Významnou úlohu při chodu zařízení sehrává jejich efektivní údržba. Znalost okamžiku, ve kterém je potřebné provést údržbu, je při provozu klíčová. Moderní metody dokážou odhadnout čas, kdy je vhodné údržbu uskutečnit. MATLAB poskytuje skupinu nástrojů, které pomáhají při vytvoření algoritmů prediktivní údržby, a specializovanou nadstavbu zaměřenou na tuto oblast – Predictive Maintenance Toolbox.