Manutenzione predittiva: in che modo si integrerà sempre più con AI e IoT

Redazione BacktoWork 10/02/2022

Internet delle cose (IoT), Intelligenza Artificiale (AI) e manutenzione predittiva: i nuovi, grandi pilastri di una rivoluzione industriale già in atto 

Quando si parla di manutenzione predittiva quasi sempre ci si riferisce all'ambito dell'edilizia, del settore automobilistico, dei macchinari, ma nel tempo è divenuta sempre più importante anche nel mondo dei servizi e degli strumenti informatici.

È spesso confusa con la manutenzione preventiva: al contrario di quest’ultima, la variante predittiva della manutenzione fa ricorso a strumenti sempre più sofisticati per la raccolta e per l'analisi dei dati e il suo mercato, secondo molte ricerche condotte in ambito industriale da player come IBM, Microsoft e SAP, sta letteralmente esplodendo.

Le ultime stime parlano di una crescita complessiva che, dai circa 1,5 miliardi di dollari nel 2016 è arrivato a quasi 7 miliardi alla fine dello scorso anno, e raggiungerà i 28 miliardi di dollari nel 2026.

La manutenzione predittiva, in inglese predictive maintenance, si basa sull'osservazione continua dei dati (in gran parte attraverso quelli raccolti da sensori) e sulla loro analisi (utilizzando la probabilità matematica e strumenti statistici) per verificare lo stato di usura degli impianti e quindi prevedere l’eventualità di un intervento di manutenzione per qualsiasi componente o parte del sistema.

Ancora più importante della prevenzione

La manutenzione preventiva, chiamata anche on condition maintenance, fa, invece, riferimento a un tipo di manutenzione proattiva che include regolazioni, pulizia, lubrificazione, riparazioni e, in caso, sostituzioni. Il suo scopo è quello di mantenere le risorse aziendali in buono stato, ridurre i tempi di fermo non programmati e contenere le riparazioni che possono incidere sui ritmi di produzione industriale. 

La manutenzione preventiva, in ultima analisi, può essere paragonata a un controllo fisico regolare effettuato in un determinato intervallo di tempo. I tecnici eseguono queste attività di manutenzione quando tutto funziona ancora senza intoppi per prevenire guasti futuri o problemi derivanti dalla manutenzione di emergenza.

La manutenzione predittiva, viceversa, è un tipo di manutenzione basata sull'utilizzo di dispositivi di rilevamento. Questi sensori forniscono dati in tempo reale che devono essere poi interpretati. Se i tecnici scoprono che una particolare apparecchiatura funziona improvvisamente al di fuori dei parametri normali, attivano un protocollo per programmare comodamente una riparazione o prevenire guasti futuri.

L’importanza dei Big Data

Secondo molti esperti informatici oggi si producono più dati di quanti se ne possono memorizzare in computer convenzionali e quindi la sfida tecnologica di chi vuole avvantaggiarsi di un certo tipo di Predictive Analysis per migliorare continuamente i propri processi produttivi è connessa al problema di come gestirli. Ecco cosa si può fare con grosse serie di dati:

  • Salvarli: accedere ai dati in tempi ragionevoli, farne uno o più backup, utilizzare sistemi distribuiti
  • Elaborarli: cercare di trovare risposte utilizzando come base i dati a disposizione e le loro caratteristiche
  • Visualizzarli: saper sintetizzare in modo comprensibile il significato di tutto ciò che si è raccolto, memorizzato e analizzato, far emergere l’informazione per prendere decisioni data driven

Designer e analisti di tutto il mondo lavorano per creare nuovi modi per mettere a disposizione le informazioni derivanti dai dati in azienda.

Software e dati, quindi. Gli imprenditori capiscono che le risposte alle loro domande sono nei dati ma la gestione dei Big Data attraverso strumenti informatici ad hoc è sempre secondaria rispetto alle esigenze di business.

Le informazioni necessarie a prendere decisioni strategiche si basano spesso solo su una parte piccola dei dati. Ecco perché vale la pena cambiare la prospettiva e focalizzarsi sui Good Data: i dati utili a fare analisi e prendere decisioni in accordo con i risultati ottenuti.  Come trovarli tra tanti?

Dai dati alle informazioni

Ecco un esempio degli step che segue chi fa ricorso a manutenzione predittiva: 

  1. Si sceglie una risorsa tra quelle impiegate in un ciclo produttivo.
  2. Si installano sensori su quella risorsa.
  3. Si collegano i sensori a un moderno software in grado di comunicare e memorizzare dati in tempo reale.
  4. Si assume uno specialista (eventualmente esterno all’azienda) in grado di lavorare su questi dati.
  5. Si usano calcoli per stimare quanto tempo dureranno le risorse (o le sue singole parti) prima di guastarsi.
  6. Si pianifica un intervento prima del punto di guasto previsto e considerando l’impatto di un eventuale fermo si ordinano le parti di ricambio.

Il sistema di controllo avvisa quando una parte è danneggiata o la temperatura ha raggiunto un punto specifico e potrebbe surriscaldarsi presto. I sensori implementati nell'apparecchiatura possono verificare le condizioni impostate e attivare ordini di lavoro quando vengono superati limiti specifici attraverso procedure automatiche Machine to Machine (M2M). L'informatica supporta gli operatori a entrare in questo ciclo.

Per “sfogliare” l’albero di tutti i dati raccolti, tralasciare quelli improduttivi, spesso per approssimazioni successive, l'analisi predittiva aggrega dati ambientali, di processo, delle risorse e utilizza l'intelligenza artificiale e l'apprendimento automatico. È sempre più difficile per l'uomo gestire con accuratezza e senza applicazioni questa grossa mole di numeri.

Gli indicatori chiave di prestazione (KPI) che incidono sulla produzione sono molti e in continuo aggiornamento. Il tempo medio tra i guasti (MTBF) o il tempo medio di riparazione (MTTR), tra le tante metriche, possono essere calcolati automaticamente dal sistema e rispediti alle dashboard di reporting. 

Grazie ad algoritmi di rilevamento si possono identificare, infine, i guasti precoci, avvisare per tempo i tecnici dell'assistenza o persino, questa la prossima frontiera dei programmi di Enterprise Asset Management (EAM), di inviare raccomandazioni di riparazione automatiche.


Potrebbe interessarti anche:

business management industry

Industria 4.0: i profili professionali più richiesti nel 2020

business management innovation economy

L'Innovation Manager: chi è, cosa fa, quanto guadagna

business management

Il cyber security manager: chi è, cosa fa, quanto guadagna