Tutte le aziende possiedono beni di valore, macchine industriali, computer, attrezzature. Infrastrutture indispensabili per gestire la produzione, ma che richiedono una manutenzione continua per restare efficienti. Guasti e rotture, infatti, generano fermo impianti e necessitano di riparazioni costose.
A partire dagli anni Ottanta sono nati metodi manutentivi innovativi, che hanno sostituito le tradizionali tecniche di manutenzione reattiva, per molti anni utilizzate in tutto il mondo industriale: la manutenzione preventiva, quella programmata e la manutenzione predittiva.
I diversi tipi di manutenzione
Ad oggi esistono diversi tipi di manutenzione che le imprese possono decidere di mettere in piedi:
- La manutenzione reattiva (o correttiva), in cui la riparazione si esegue solo dopo che il guasto si è verificato. Non ha costi iniziali associati ma quando si verifica un guasto è necessario interrompere la produzione
- La manutenzione preventiva, in cui vengono programmati i fermo macchina in tempi conveniente per eseguire controllo e riparazioni. Se la frequenza non è ottimizzata, la frequenza gli interventi può risultare troppo bassa o troppo elevata rispetto alle effettive necessità delle attrezzature.
- La manutenzione predittiva, in cui lo stato di salute dei macchinari viene monitorato costantemente in modo da predire quando si verificherà un guasto.
Che cos’è la manutenzione predittiva
Rispetto alla manutenzione reattiva o preventiva, la manutenzione predittiva utilizza strumenti e tecniche di monitoraggio per tracciare le prestazioni delle macchine durante il normale funzionamento e per individuare le anomalie prima che diano luogo ad avarie. Queste tecniche sono state sviluppate dagli Ottanta e aggiornate fino ai giorni nostri. I sistemi di manutenzione predittiva si basano sull’Internet delle Cose (Iot, che permette di collegare gli oggetti alla rete) e sui CMMS (Computerized Maintenance Management System), come vengono chiamati i sistemi informativi che progettano, organizzano e gestiscono la manutenzione interna dell’azienda.
I vantaggi della manutenzione predittiva
Le tecniche di analisi predittiva comportano la possibilità di:
- identificare tempestivamente anomalie nei macchinari ed evitare ripercussioni economiche e ambientali
- controllare e ridurre i costi a parità di qualità erogata
- assicurare la possibilità di estendere e massimizzare la vita delle macchine e degli impianti
- misurare la performance dell’impianto e fare manutenzione solo quando è veramente necessaria.
In particolare, tramite sistemi che rilevano l’entità delle vibrazioni, la termografia e particolari condizioni quali pressione, umidità dell’aria, temperatura è possibile:
- Prevedere le condizioni del guasto, calcolando sia il tempo che intercorre fra un guasto e l’altro, sia le azioni da intraprendere a livello di manutenzione ordinaria.
- Valutare le prestazioni del macchinario nel tempo, aggregando grandi quantità di dati che provengono da diverse fonti, con l’obiettivo di stimolare il processo di Machine Learning e permettere al sistema di affinare gli algoritmi in modo da ridurre gli scostamenti dalla previsione.
- Stimare la vita residua del macchinario, in modo da poter valutare, il bisogno di sostituzione o manutenzione, i costi degli interventi e le fasi dei processi, ma soprattutto evitare che eventi straordinari possano incidere sull’efficienza aziendale.
Effetti positivi della manutenzione predittiva
Secondo un recente report della società di analisi Aberdeen Group, le società di punte nell’area MRO (Maintenance, Repair and Operations) hanno migliorato disponibilità, affidabilità e safety delle proprie operazioni combinando dati e strumenti di analisi predittiva. Risultato: il 12% in meno dei fermo macchina non programmati e il 15% in più di margine operativo. Non solo. La manutenzione predittiva permette anche di allungare il ciclo di vita degli asset, ridurre i costi e la complessità delle riparazioni e gestire meglio le scorte e i pezzi di ricambio.
Le tecnologie alla base della manutenzione predittiva
Iot (Internet delle cose), Intelligenza artificiale e Machine learning (ML), cioè la capacità delle macchine di imparare dalla loro esperienza sono strumenti essenziali per la manutenzione predittiva: permettono infatti di integrare nelle macchine industriali sensori di ogni tipo, e di connetterli alla rete in modo da monitorare il loro stato di funzionamento. Integrando i dati raccolti con dati statistici, i sistemi informatici sono in grado di ottimizzare la strategia di manutenzione.
Quanto costa una macchina rotta (oltre alla riparazione) – I costi di un fermo macchina
Secondo il report di Abderdeen, il 70% delle aziende non sa quando è necessario sottoporre i propri macchinari a manutenzione e l’80% non è in grado di calcolare quanto costi per l’azienda un fermo macchina. Un calcolo che ha provato fare Oneserve, analizzando il mercato del Regno Unito: oltre Manica i guasti ai macchinari costano ai produttori una media annuale di 31.000 sterline. In base al report, inoltre, tre quarti delle aziende esternalizza la manutenzione delle apparecchiature, con una spesa media di 120.000 sterline all’anno. Ma i fermo macchina comportano anche costi nascosti: l’impoverimento delle scorte, per esempio, oppure la perdita di clienti.
Il mercato della manutenzione predittiva
La spinta dell’Industria 4.0 sta guidando la domanda di soluzioni tecnologicamente sempre più avanzate, tra cui la manutenzione predittiva, che come abbiamo visto necessita di sistemi informatici avanzati di raccolta e analisi dati. Secondo gli studi, il mercato della manutenzione predittiva è in grado di crescere in maniera importante: da un mercato di 1,498 miliardi di dollari nel 2016 a uno di 10,692 miliardi di dollari nel 2022. Dice il rapporto “IoT Analytics, Predictive Maintenance”: ”La crescita annua stimata tra il 2016 e il 2022 nell’implementazione della manutenzione predittiva è del 29%”.
La manutenzione predittiva applicata al sistema idrico – Case Study di Hera ed Università di Bologna
Ogni giorno gli acquedotti italiani perdono 24 metri cubi di acqua per chilometro. Il Gruppo Hera, il secondo operatore nazionale del servizio idrico integrato, ha deciso di affidarsi all’Intelligenza artificiale e alla collaborazione con gli inglesi di Rezatec e di Alma Mater per migliorare la propria azione di contrasto al problema delle perdite.
In questo caso l’algoritmo studiato per mettere a punto il sistema di manutenzione predittiva è stato a pesi dinamici: oltre ai fattori endogeni che possono determinare la rottura di una condotta, come l’età, il materiale e il diametro della condotta, sono stati presi in considerazione anche fattori esogeni, come la temperatura, il tipo di suolo, la profondità della falda, le radici presenti nel terreno e i suoi cedimenti. Tutto grazie a un’intelligenza artificiale integrata e aggiornata che utilizza immagini satellitari e altri dati derivanti dall’osservazione terrestre.