پایش آنلاین زمانی ارزشمند است که داده خام را به هشدار قابل اقدام تبدیل کند. در یک سامانه برودتی، اندازه‌گیری دمای اتاق به‌تنهایی برای تشخیص سلامت تجهیزات کافی نیست. فشار مکش و دهش، دمای مکش و دهش، دمای مایع، سوپرهیت، سابکولینگ، جریان موتور، وضعیت کمپرسورها، اختلاف فشار روغن، عملکرد فن‌ها و توالی دیفراست تصویری کامل‌تر می‌سازند. معماری اینترنت اشیا این داده‌ها را از کنترلر محلی یا حسگرها جمع‌آوری و برای ثبت، تحلیل و اعلان به سامانه مرکزی منتقل می‌کند.
تشخیص پیش‌دستانه با مشاهده روندها آغاز می‌شود. افزایش تدریجی فشار تقطیر همراه با افزایش اختلاف دمای هوا در کندانسور می‌تواند نشانه کثیفی سطح یا افت جریان هوا باشد. افت سابکولینگ و تشکیل فلاش‌گاز در خط مایع ممکن است تغذیه شیر انبساط را مختل کند، اما علت آن فقط کمبود شارژ نیست؛ افت فشار خط، دمای محیط، گیرنده مایع و وضعیت کندانسور نیز باید بررسی شوند. به همین دلیل، یک علامت منفرد نباید مستقیماً به حکم قطعی تبدیل شود.
سوپرهیت بالا می‌تواند از کمبود تغذیه اواپراتور، گرفتگی فیلتر، تنظیم شیر، افت فشار یا بار حرارتی غیرعادی ناشی شود. سوپرهیت بسیار پایین نیز احتمال برگشت مایع را افزایش می‌دهد، ولی خطای سنسور یا محل نصب نامناسب باید پیش از اقدام رد شود. سامانه تحلیلی خوب، چند متغیر مرتبط و وضعیت عملیاتی مانند دیفراست، راه‌اندازی یا باز بودن در سردخانه را با هم می‌سنجد تا هشدارهای کاذب کاهش یابد.
آشکارسازی نشتی دو مسیر مکمل دارد. حسگر مستقیم غلظت مبرد می‌تواند وجود گاز در فضای تجهیزات را تشخیص دهد و برای مبردهای قابل‌اشتعال بخشی از راهبرد ایمنی باشد. روش غیرمستقیم از تراز مبرد، الگوی فشار و دما، زمان کار کمپرسور و عملکرد شیرها استفاده می‌کند. هیچ الگوریتم نرم‌افزاری جای الزامات قانونی آشکارساز، تهویه و اینترلاک ایمنی را نمی‌گیرد. محل نصب، آستانه هشدار، کالیبراسیون و ویژگی‌های چگالی مبرد باید طبق دستور سازنده و استاندارد پروژه تعیین شوند.
برای نگهداری پیش‌بینانه، داده باید با کیفیت و دارای زمان‌بندی یکسان باشد. سنسور خارج از کالیبراسیون، قطع ارتباط یا نمونه‌برداری نامناسب می‌تواند نتیجه غلط تولید کند. بهتر است کنترل‌های حیاتی مانند حفاظت فشار بالا، فشار روغن و فرمان اضطراری به‌صورت محلی و مستقل باقی بمانند؛ ارتباط ابری برای نظارت و بهینه‌سازی مفید است، اما نباید تنها لایه ایمنی باشد. شبکه صنعتی باید سطح دسترسی، ثبت رویداد، پشتیبان‌گیری و به‌روزرسانی امن داشته باشد.
شاخص‌های کلیدی شامل مصرف انرژی به ازای ظرفیت یا محصول، ساعات کار هر کمپرسور، تعداد استارت، مدت دیفراست، انحراف دمای اتاق و زمان پاسخ به هشدار هستند. مقایسه تجهیزات مشابه و خط مبنا به شناسایی انحراف کمک می‌کند. الگوریتم ابتدا می‌تواند مبتنی بر قواعد مهندسی باشد و پس از جمع‌آوری داده کافی، مدل آماری یا یادگیری ماشین به آن افزوده شود؛ مدل بدون داده معتبر، علت فیزیکی را تضمین نمی‌کند.
هدف نهایی، تعمیر قبل از خرابی بحرانی و جلوگیری از توقف خط تولید است. این هدف با زنجیره‌ای از حسگر صحیح، کنترلر قابل اعتماد، ارتباط امن، تحلیل چندمتغیره و فرآیند پاسخ‌گویی مشخص حاصل می‌شود. داشبوردی که فقط نمودار تولید کند ولی مسئول هشدار، اولویت و اقدام اصلاحی را تعیین نکند، سامانه نگهداری پیش‌بینانه محسوب نمی‌شود.
جمع‌بندی کاربردی پرومارت: پیش از سفارش هر قطعه، کد دقیق مدل، نوع مبرد، ظرفیت، دماهای تبخیر و تقطیر، فشار کاری و الزامات کنترلی پروژه باید تطبیق داده شود. شباهت ظاهری یا یکسان بودن سایز اتصال، تأیید فنی قطعه محسوب نمی‌شود.
