La manutenzione predittiva si caratterizza per essere uno dei moderni processi di fabbrica. Il denominatore comune è associato all’utilizzo di grandi volumi di dati per l’ottimizzazione della produzione. Ecco perché i proprietari di fabbriche dovrebbero investire in programmi di manutenzione predittiva per ridurre i tempi di fermo e aumentare l’efficienza complessiva dei macchinari.
La manutenzione più efficace ed economica è quella che viene fatta nel momento giusto, con interventi in grado di garantire il miglior risultato con il minimo impatto. E’ questo l’obiettivo della manutenzione predittiva che di fatto costituisce l’evoluzione delle precedenti modalità di intervento: quella di tipo reattivo, in sui l’intervento viene effettuato in seguito a una segnalazione di malfunzionamento e dunque a guasto avvenuto; quella di tipo preventivo dove gli interventi sono programmati a intervalli programmati per ridurre le probabilità di guasto.
Entrambe le logiche di manutenzione sin qui prevalentemente adottate – reattiva e preventiva – comportano degli svantaggi: nella manutenzione di tipo reattivo si devono affrontare costi di mancata produzione causati da fermi macchina; nella manutenzione preventiva si attuano interventi a prescindere dalla condizione effettiva del componente o del macchinario, sostenendo così costi che potrebbero essere risparmiati o dilatati nel tempo. Queste criticità vengono invece superate dalla manutenzione predittiva. Ma attenzione, quest’ultima non s’improvvisa. Per mettere a punto un sistema predittivo efficace occorrono investimenti, skill e competenze diversificate. Mai pensare che il tutto si possa risolvere con una polverina magica.
Rispetto alla manutenzione preventiva, il costo delle apparecchiature di monitoraggio necessarie per la manutenzione predittiva è spesso elevato; vanno poi considerati anche il livello di competenza e l’esperienza richieste per interpretare in modo accurato i dati del monitoraggio.
Le variabili di investimento associate alla manutenzione predittiva possono incidere non poco sul costo iniziale ma va evidenziato che le spese, una volta ammortizzate, possono poi consentire nel tempo risparmi non indifferenti. Va da sé, inoltre, che questo tipo di investimento deve essere valutato in base alle singole capacità produttive riferibili a ciascuna singola azienda. Semplificando, la manutenzione predittiva è tanto più vantaggiosa quanto più grande è il parco macchine installato. Insomma, vale la logica dell’economia di scala.
Oggi, è possibile sviluppare modelli di comportamento delle macchine che, sulla base dei dati analizzati, siano in grado di individuare il tempo residuo reale prima del guasto, l’elemento esatto che si andrà a rompere e il modo migliore per gestirlo. La manutenzione basata sui big data e sul machine learning consente quindi un intervento più efficace e mirato là dove il macchinario lo richiede.
Il risultato finale è l’ottimizzazione delle risorse tecniche, umane e temporali. La manutenzione smart si basa non solo sulle tecnologie ma anche sulla capacità di comunicare e di collaborare fra operatori, manutentori e azienda. E’ necessario che il processo sia veloce ed esaustivo, per questa ragione devono esserci strumenti per trasmettere informazioni relative all’operatività e ai guasti per segnalare la presa in carico e lo stato di avanzamento dei lavori: una comunicazione istantanea che faciliti la social collaboration, la gestione e la diffusione delle conoscenze all’interno dell’azienda e, al contempo, possa essere tracciata e gestita a livello aziendale.
Il guasto di una sola macchina, che è parte integrante di una linea di assemblaggio per la produzione di massa, può comportare costosi tempi di fermo e altre spese, di cui i produttori di macchine, componenti e gli integratori di sistemi devono tenere conto. In altre parole, la manutenzione e il monitoraggio dei macchinari sono essenziali per evitare tempi di fermo e costosi ritiri dei prodotti, nonché per prolungare la durata dei macchinari stessi. Pertanto, la manutenzione è una parte importante dei servizi che i costruttori di macchine, i produttori di componenti e gli integratori di sistemi devono considerare di offrire ai proprietari di fabbriche.
La manutenzione predittiva si basa su grandi volumi di dati. Consiste nella valutazione dei dati generati da una o più macchine. Prevede le possibilità di guasto della macchina prima che questo si verifichi effettivamente e può programmare la manutenzione prima del guasto stesso per risolvere i problemi. Tutto questo è possibile grazie all’analisi dei dati.
Nelle tecniche di manutenzione predittiva standard, un sensore o dei sensori della macchina raccolgono i dati relativi alle sue prestazioni. Questi sensori possono monitorare e raccogliere dati in tempo reale sulla temperatura, le condizioni, la pressione, le vibrazioni e la produzione della macchina specifica. I sensori inviano i dati relativi alla macchina ad un’unità di elaborazione, registrando eventuali scostamenti dai valori di riferimento prestabiliti o dai modelli di apprendimento della macchina.
I valori di riferimento o modelli di apprendimento della macchina si basano sui valori osservati prima del verificarsi di un guasto alla macchina. Di conseguenza la manutenzione è programmata in funzione di scostamenti di misura predefiniti prima che si verifichi l’effettivo guasto della macchina.
[dropcap style=”default, square, or circle”]…[/dropcap]Possibili Step di sviluppo per progetti di manutenzione predittiva
Di seguito viene fornita una panoramica delle fasi di sviluppo e integrazione di un semplice programma di manutenzione predittiva o di manutenzione predittiva come programma di assistenza. I costruttori di macchine potrebbero offrire questo servizio ai proprietari di fabbriche per assisterli nell’implementazione di programmi di manutenzione predittiva:
- È consigliabile che la fabbrica inizi prima con un piccolo progetto pilota evitando di implementare una soluzione di manutenzione predittiva per tutte le macchine contemporaneamente.
- Il costruttore della macchina deve innanzitutto acquistare il software o gli strumenti SaaS per l’aggregazione e l’analisi statistica dei dati. In questo processo il costruttore deve saper individuare le risorse e le competenze necessarie, che possono essere interne ed esterne.
- Ogni macchina del progetto pilota dovrebbe essere dotata di uno o più sensori in grado di registrare i valori e gli indicatori relativi alla manutenzione. Di solito le apparecchiature moderne vengono fornite con questi sensori, ma per i macchinari meno recenti potrebbe essere necessario acquistarli e installarli.
- È necessario sviluppare modelli di apprendimento automatico che si basano sui dati ottenuti dai sensori. Questi modelli utilizzeranno algoritmi per il rilevamento di schemi di comportamento e la valutazione dei dati in tempo reale.
- I modelli generati dovranno essere integrati negli ERP e MES esistenti della fabbrica, sviluppando dei trigger in grado di segnalare al personale i problemi di prestazioni rilevati e la necessità di manutenzione. Il costruttore della macchina dovrebbe fornire un HMI con un dashboard in grado di avvertire il proprietario della fabbrica in merito alla manutenzione predittiva.
- Una volta che il personale riceve questi avvisi, potrà programmare la manutenzione adeguata alla macchina specifica.