Manutenzione predittiva: cos'è, vantaggi e come abilitarla
Per comprendere la centralità della manutenzione predittiva nel modello industriale 4.0 è sufficiente riportare una percentuale: 29,8%.
Questa rappresenta il tasso di crescita annuo composto delle soluzioni di predictive maintenance fino al 2026, quando varrà più di 18 miliardi di dollari (fonte: fortune business insights).
Si tratta senza dubbio di una crescita importante, solida e continua, a testimonianza di quanto l’universo industriale la consideri una delle manifestazioni più significative di smart manufacturing.
Evitare i fermi macchina: l’esigenza più importante
Per i produttori, una delle voci di costo più significative sono i fermi macchina, che di fatto si verificano principalmente in due occasioni: gli attrezzaggi e i guasti. Nel primo caso, le aziende gestiscono il fenomeno con un insieme articolato di soluzioni: metodologie come SMED (Single Minute Exchange of Die), macchine dotate di cambio utensili automatico e una schedulazione perfetta delle sequenze di produzione sul Manufacturing Execution System (MES). Per quanto concerne i guasti, fino all’avvento della sensoristica integrata nei macchinari, o più genericamente dell’Internet of Things, l’unica possibilità era quella della manutenzione programmata: ci sarebbe stato comunque un fermo macchina, ma decisamente più gestibile e di minor impatto rispetto a quello totalmente inatteso causato da un guasto. Di fatto, quindi, per molto tempo la manutenzione è stata reattiva (di fronte a un guasto improvviso) o programmata.
Internet of Things e il concetto di ecosistema connesso
L’avvento dell’Internet of Things e dei modelli 4.0 ha cambiato le carte in tavola. Oggi, complice la convergenza tra sistemi IT e OT, lo shopfloor industriale è diventato un ecosistema connesso di macchinari, sensori, attuatori e device i cui dati confluiscono in piattaforme di analisi (in cloud o all’edge della rete) che li valorizzano, cioè trasformano il dato in un’informazione capace di indirizzare i processi decisionali.
Il concetto fondamentale, dal quale trae origine la manutenzione predittiva, è proprio quello dell’ecosistema connesso: lo stesso MES, cioè il sistema dipartimentale dedicato al controllo e all’avanzamento della produzione, è integrato a monte con i sistemi di business (ERP), da cui riceve gli ordini di lavoro, e a valle con i sistemi di controllo delle macchine, ponendosi così al centro di un sistema di scambio e valorizzazione di dati che coinvolge tutta l’azienda. Con un MES debitamente connesso ai macchinari è possibile ottenere non solo indicatori di alto livello come l’OEE (Overall Equipment Effectiveness), ma anche dati specifici di produttività delle singole macchine, delle squadre, degli operatori, come vengono impiegate le risorse, dove sono i colli di bottiglia che incidono sui lead time, sui tempi di produzione e sui costi.
Intelligenza Artificiale e manutenzione predittiva
In questo ecosistema connesso si inserisce il concetto di manutenzione predittiva. Rispetto ad intervenire a seguito di un guasto o di una programmazione periodica che non sempre è necessaria, tale manutenzione si definisce predittiva perché viene programmata ed eseguita di fronte a specifici indicatori che prevedono un potenziale guasto nell’immediato futuro o, comunque, nell’intervallo di tempo considerato.
Due sono i fattori necessari per abilitarla: i dati di cui sopra, che provengono dai sensori delle macchine (Industrial Internet of Things), e una piattaforma di analisi che sia in grado non solo di dare loro un significato e quindi di ‘fotografare’ la situazione attuale dell’impianto, ma di prevederne lo stato futuro. Miscelando, per esempio, un dato anomalo di vibrazione con un certo tipo di surriscaldamento, la piattaforma di analisi (predittiva) potrebbe prevedere un potenziale guasto dell’apparecchio, o anche solo un consumo fuori norma, nell’arco temporale interessato, allertando le squadre di manutenzione e anche i responsabili di linea e di produzione per una riprogrammazione del ciclo produttivo.
Tutto ciò richiede non solo tutto quell’ecosistema connesso di cui si è detto, ma anche l’impiego di algoritmi di intelligenza artificiale, o meglio di Machine Learning: la piattaforma di analisi, infatti, non è semplicemente programmata sulla base di regole standard, ma viene istruita progressivamente diventando sempre più precisa e affidabile nelle sue previsioni e negli alert.
A livello un po’ più tecnico, esistono due tipi di Machine Learning: supervisionato e non supervisionato. Nel primo caso si parte da alcune regole di base, cioè da coppie di input e output, e si fa in modo che il sistema elabori costantemente ampi volumi di dati al fine di migliorare in modo progressivo le sue performance, cioè l’affidabilità delle rilevazioni. Nel secondo caso, quello dell’apprendimento non supervisionato, non vengono fornite regole e il sistema punta ad estrarre autonomamente conoscenza e di migliorare le sue performance dalle basi di dati fornite e dalle correlazioni tra gli stessi.
A prescindere dal metodo impiegato, la manutenzione predittiva offre una serie di indubbi vantaggi in ambito produttivo: primo e più evidente è il saving, il risparmio, chiara conseguenza di un riduzione dei fermi macchina; cresce ovviamente la produttività, a seguito della maggiore continuità operativa dei macchinari; soprattutto, si riducono in modo avvertibile gli imprevisti, una vera e propria manna per chi ha la responsabilità del rispetto dei tempi e dei costi.
Manutenzione predittiva: le soluzioni AMADA
Con i suoi macchinari all’avanguardia e le piattaforme software avanzate, AMADA sposa senza esitazioni il paradigma industriale 4.0. Il sistema V-factory, in particolare, abilita il controllo remoto delle macchine: grazie all’acquisizione e all’elaborazione di dati in tempo reale, la piattaforma effettua un vero e proprio monitoraggio di tutto il processo produttivo e ne permette la verifica in tempo reale mediante diversi dispositivi (anche mobile). Grazie alla connessione diretta con i sensori IoT, AMADA può inoltre fornire servizi di assistenza remota che comprendono la manutenzione predittiva, ovvero un’efficace previsione dei guasti e la pianificazione puntuale degli interventi di manutenzione.
