Skip to content

Manutenzione predittiva: dati e AI aiutano le imprese a lavorare nel futuro

  • 11 mins

Nell'attuale panorama industriale, è considerata una preziosa risorsa, perché consente alle imprese di adottare un approccio proattivo nella gestione dei propri asset. Nata dalle radici della manutenzione tradizionale, questa metodologia innovativa fonde le tecnologie dell'Internet of Things (IoT) e dell’Intelligenza Artificiale (AI) per analizzare grandi quantità di dati e identificare segnali precoci di problemi o guasti tecnici imminenti a macchine e impianti, abilitando di conseguenza la possibilità di ottimizzare processi, costi e performance aziendali.

 

Il paradigma di “Industria 4.0” ha rivoluzionato il modo di organizzare e di gestire le attività produttive e la Manutenzione Predittiva è una delle principali espressioni di questa rivoluzione: grazie a sensori intelligenti, permette di raccogliere dati in tempo reale sullo stato operativo degli asset e delle apparecchiature aziendali e di avere una visione dettagliata dello stato di salute delle stesse, prevedendo possibili malfunzionamenti o disservizi. A differenza della manutenzione preventiva, che si affida a interventi programmati a intervalli fissi, la Manutenzione Predittiva segue un approccio che razionalizza l'uso delle risorse e dei tempi di intervento, riducendo i costi associati a inattività impreviste e alle riparazioni non necessarie.

 

Il settore manifatturiero, come molti altri comparti, è arrivato a un punto di svolta ed è nella fase cruciale del percorso di trasformazione digitale. Le cosiddette Operational technologies (OT) sono storicamente sempre state separate dalle tecnologie IT: da qualche anno, invece, questi due mondi stanno convergendo e dopo gli esperimenti avviati con i primi progetti di Industria 4.0 questo percorso di integrazione sta giungendo oggi alla piena maturazione.

Le aziende “pioniere” e più propense all’innovazione hanno capito da tempo i benefici derivanti dagli investimenti destinati a questa integrazione mentre altre imprese, per contro, hanno iniziato il loro processo di trasformazione solo quando l’emergenza causata dalla pandemia di Covid 19 ha palesato in modo evidente la necessità di una maggiore digitalizzazione del mondo OT.

 

I vantaggi di questa convergenza sono diversi e spaziano dalla possibilità di controllare i macchinari da remoto per ridurre tempistiche e oneri economici a quella di individuare più facilmente, grazie all’acquisizione dei dati telemetrici relativi al funzionamento delle macchine e delle linee produttive, le aree dove è possibile generare maggiore efficienza, impattando positivamente sui consumi energetici e, di conseguenza, sulle emissioni di CO2.

 

La disponibilità di soluzioni di Manutenzione Predittiva aggiungono a questo processo di evoluzione un ulteriore aspetto di estrema rilevanza: facendo leva su dispositivi IoT, tool di analisi dei dati e algoritmi di machine learning, ogni azienda è nella condizione di controllare in tempo reale i parametri chiave di ogni macchinario e di intervenire tempestivamente su eventuali anomalie di funzionamento dei sistemi prima che si possano verificare problemi più gravi, riducendo in modo significativo i tempi di fermo macchina imprevisti ed incrementando la produttività.

 

Newsletter dicembre  (2)

 

 

 

Le tecnologie per fare efficienza

Gli sviluppi dell’intelligenza artificiale e la disponibilità di sensori e dispositivi IoT a basso costo hanno quindi permesso di rendere “intelligenti” e connessi su larga scala anche i macchinari industriali.

 

L'Internet of Things costituisce la spina dorsale della Manutenzione Predittiva perché i dati raccolti dai sensori sullo stato di funzionamento degli impianti costituiscono la base informativa necessaria per l’applicazione delle tecnologie di Intelligenza Artificiale, a cui spetta il compito di analizzare questi dati per identificare i modelli che consentono di formulare interventi preventivi mirati. L’AI porta valore aggiunto al processo confrontando i dati storici di selezionati parametri, come per esempio le temperature di esercizio dell’impianto o il livello di vibrazioni registrate, con quelli acquisiti in tempo reale e valutando quando questi ultimi si discostano dalla norma: potendo individuare per tempo gli eventuali problemi è quindi possibile programmare gli interventi di manutenzione prima che si raggiunga la soglia critica che porta all’interruzione del funzionamento del macchinario.

 

Una piattaforma di Manutenzione Predittiva, in sintesi, è composta da tre elementi:

 

  • i sensori, che possono essere dispositivi IoT, videocamere a infrarossi o anche rilevatori di temperatura;
  • un server edge, che elabora le informazioni raccolte dei sensori in tempo reale;
  • un’applicazione (in cloud oppure on-premise) che gestisce l’archiviazione dei dati storici per elaborazioni più complesse.

I vantaggi

Sono numerosi gli studi che dimostrano i molteplici benefici della Manutenzione Predittiva applicata in azienda. Un rapporto di Deloitte del 2022, per esempio, evidenzia una riduzione del 15% dei tempi di inattività, un aumento del 20% della produttività e una diminuzione del 30% dei livelli di stock indotta dalla minore necessità di ricambi mentre per l’industria automobilistica globale l’implementazione di strategie di tipo predittivo ha comportato il taglio del 33% sui difetti di produzione.

 

Newsletter dicembre  (1)

Volendo elencare in dettaglio alcuni di questi benefici, questi sono i principali:

 

Riduzione dei costi operativi e di manutenzione

Predire i guasti prima che accadano significa poter eliminare i costi associati ai tempi di inattività improvvisi e alle riparazioni di emergenza.

 

Minore impatto sui tempi di inattività

Mantenere in funzione gli asset aziendali in modo costante, assicurando il funzionamento a pieno regime di attrezzature e linee di produzione, riduce la perdita di produttività e garantisce la continuità della catena di fornitura e i livelli di servizio offerti ai clienti.

 

Miglioramento della sicurezza

Prevedere e prevenire guasti diminuisce sensibilmente il rischio di incidenti o malfunzionamenti che potrebbero compromettere la sicurezza degli operatori e degli asset stessi.

 

Maggiore durata degli asset

Grazie ai dati e ai tool di analisi predittiva è possibile ottimizzare le prestazioni degli impianti, delle macchine e delle apparecchiature, riducendone l'usura e prolungandone la durata utile nel tempo.

 

Maggiore efficienza delle risorse

La pianificazione degli interventi di manutenzione in base alle effettive necessità consente un impiego più efficiente del personale e dei materiali, evitando attività di manutenzione non necessarie.

 

Un caso di successo

Industrie strategiche come quella petrolifera ed automobilistica piuttosto che comparti di grande rilevanza per il mondo retail come quello degli elettrodomestici hanno adottato sistemi di Manutenzione Predittiva per migliorare la sicurezza, ridurre i costi e ottimizzare le operazioni. Anche nel settore ferroviario, il ricorso a soluzioni di monitoraggio intelligenti e basate sui dati ha aumentato in modo considerevole le capacità di rilevamento dei posti vuoti e ha incrementato la sicurezza complessiva per i clienti passeggeri.

Una caso di successo per l’utilizzo dei modelli predittivi è quello di un’azienda leader in Italia nel campo della progettazione, costruzione e installazione di macchine ed impianti per la manutenzione di rotabili ferroviari, metropolitani e tramviari. L’obiettivo della società è la creazione di una piattaforma digitale in grado di analizzare in tempo reale i dati IoT dei macchinari venduti, prevederne eventuali rotture e malfunzionamenti e abilitare in modo automatico la prenotazione dell’intervento di assistenza.

 

La soluzione proposta da Metriks risponde non solo alle esigenze attuali dell'azienda ma anche alle sue potenziali esigenze future. Un aspetto fondamentale del progetto è la riutilizzabilità della soluzione stessa: ogni volta che un nuovo macchinario verrà introdotto, verranno apportate le necessarie modifiche per poter personalizzare il modello esistente in base alle specifiche richieste. Le criticità da affrontare per sviluppare e applicare un solido programma di Manutenzione Predittiva, specialmente in assenza di dati storici, costituiscono una sfida da vincere non indifferente e richiedono una strategia d’azione basata su alcune componenti fra loro complementari:

Dati del produttore: Le informazioni relative alla durata prevista e alle tipologie di guasto comuni di impianti e attrezzature possono essere un punto di partenza prezioso per la manutenzione predittiva.


 Il parere degli esperti: Coinvolgere figure con grande esperienza in materia di attrezzature e macchine industriali può aiutare a prevedere problematiche standard anche in assenza di dati specifici sul nuovo prodotto.


Benchmark e standard settoriali: Sebbene non siano specifici per un nuovo macchinario, i dati e i benchmark di prodotti simili utilizzati in settori affini offrono utili indicazioni sui potenziali punti di guasto e sui programmi di manutenzione da condurre.

 Integrazione in un modello predittivo:  Le conoscenze acquisite sono la base per creare un modello di manutenzione predittiva o un algoritmo più complesso che integra le referenze e le esperienze di ingegneri e di esperti di manutenzione.

 

Sviluppo di modelli di simulazione: Costruire un modello in grado di simulare il funzionamento di un nuovo macchinario basandosi sulle specifiche di progettazione, principi di ingegneria e dati disponibili da prodotti simili è il primo passo da compiere per raggiungere l'obiettivo di conoscere in via preventiva il comportamento del prodotto in varie condizioni.

 

 Applicazione di modelli di AI e machine learning: L’utilizzo degli algoritmi permette di estrarre modelli relativi ai potenziali guasti di un impianto da dataset limitati, migliorando nel tempo questi stessi modelli con dati reali aggiuntivi.

 

La soluzione implementata per l'azienda prevede l’installazione di un’unità server a cui è affidato il compito di processare tutti i sensori presenti nei vari macchinari. I dati elaborati dagli algoritmi di Metriks vengono restituiti sotto forma di tabelle, grafici e alert alle figure responsabili della manutenzione dell’impianto, a cui è stato reso disponibile un pannello di controllo attraverso il quale visualizzare costantemente lo stato di funzionamento di ogni macchinario, programmare gli interventi e ricevere avvisi di natura predittiva sulle tempistiche di lavorazione di ogni specifica parte del macchinario.

 

Grazie alla soluzione di Metriks, l'azienda ha ottenuto una serie di tangibili risultati e fra questi una crescita dell'uptime nell’ordine del 2%-5%, una riduzione delle interruzioni non programmate fra il 30% e il 50%, un saving sui costi generali di manutenzione del 10-25%, un incremento della durata della vita utile dell'apparecchiatura calcolabile fra il 20% e il 40% e un miglioramento dell'efficienza energetica del 10-20%.

 

 

Uno sguardo al futuro: innovazione continua

La Manutenzione Predittiva non è un percorso statico e a termine ma continua ad evolversi e grazie all’ausilio di tecnologie avanzate di AI e Machine Learning promette ulteriori miglioramenti. L'obiettivo di fondo rimane sempre e comunque quello di portare innovazione nella gestione degli asset aziendali, aprendo le porte a un futuro all’insegna di una sempre maggiore efficienza operativa, di una più puntuale ottimizzazione dei processi e di una progressiva significativa riduzione dei costi.

E che questo processo di trasformazione costituisca un’opportunità con un enorme potenziale di sviluppo lo dicono i numeri. Secondo recenti rilevazioni della società di ricerche specializzata Research and Markets, infatti, il valore di mercato dell’industria della “Predictive Maintenance” è destinato a superare i 18 miliardi di dollari su scala globale entro il 2027, rispetto a 4 miliardi registrati a fine 2022. Aziende come Microsoft, Ibm, Oracle, Schneider Electric, Aws, Sas e Ptc sono fra i principali attori di questo comparto e a detta degli analisti l’area geografica che vedrà la maggior diffusione di queste soluzioni saranno il Nord America e l’Europa. La forte vocazione manifatturiera del Vecchio Continente e l’impegno UE verso la decarbonizzazione spingerà le aziende ad investire in soluzioni per incrementare il più possibile l’efficienza riducendo allo stesso tempo al minimo le emissioni di CO2.

 

L’adozione di una piattaforma digitale per abilitare la manutenzione predittiva è quindi un passaggio obbligato e la scelta di tale piattaforma non può essere effettuata solamente sulla base delle caratteristiche tecniche delle soluzioni disponibili, perché è sempre fondamentale valutare aspetti come la capacità di integrazione della soluzione con i sistemi IT e OT esistenti, la complessità di gestione, i tempi di implementazione e, naturalmente, anche i suoi costi.

 

 

 

 

 

 

 

 

 

 

 

Scopri il futuro della tua azienda con l'AI

Rimani aggiornato sui trend aziendali iscrivendoti alla nostra Newsletter