la manutenzione predittiva, il più innovativo scenario di metodologia manutentiva, è reso possibile grazie all’Industrial IoT e alle piattaforme software Cmms (Computer Management Maintenace System). Nei sistemi Cmms confluiscono i dati dal campo, in tempo reale, per essere elaborati per la realizzazione del modello predittivo.
Coswin è il Cmms di Siveco Group, software house francese sul mercato da oltre 30 anni con una presenza internazionale in 60 Paesi con distributori locali e 20 filiali dirette. In Italia opera con le filiali di Milano e Catania, dove è attivo da due anni un polo di ricerca in collaborazione con l’Università di Catania. «La scelta di investire in un polo tecnologico in Italia è dovuta al fatto che negli ultimi quattro/cinque anni il mercato italiano è stato particolarmente ricettivo per quanto la manutenzione 4.0», ci dice Stefano Betti, direttore di Siveco Italia, carica che condivide con Paolo Pontillo.
«Si sta assistendo a un cambiamento culturale, in particolare, da parte delle aziende industriali, le quali iniziano a considerare la manutenzione non più come un puro costo, ma come una potenziale leva competitiva». La forte spinta verso la manutenzione predittiva è giunta dai settori dell’industria e dai trasporti, che sta portando competenze anche in altri settori, seguiti da quelli dell’energia, dell’Oil&Gas e del Facility Management. «Negli ultimi anni diverse realtà italiane hanno avviato progetti informativi per le manutenzioni predittive molto evolute, avvicinandosi e superando anche aziende tedesche, tradizionalmente più strutturate. Mettendo in campo idee e creatività sia in ambito di processo che di realizzazione, l’Italia ha colmato in due anni un gap di circa un decennio nel campo della manutenzione», afferma Betti.
L’esperienza Leonardo e l’approccio di Abb
«Un esempio che conferma questa tesi è il caso Leonardo, che nell’arco di tre anni circa è passata da una manutenzione “a foglio Excel” a una manutenzione di tipo predittivo», continua Betti. Il progetto è partito dal sistema di estrazione d’aria, indispensabile per la produzione di schede elettroniche ad alta tecnologia destinate al settore dell’aerospazio e difesa, realizzate nella divisione Electronics nello stabilimento di Cisterna di Latina (LT).
«Nella produzione di questi componenti elettronici», spiega Betti, «è indispensabile mantenere i parametri ambientali di temperatura e umidità costanti durante il ciclo produttivo, poiché al minimo scostamento vengono a mancare i parametri qualitativi del prodotto, interrompendo di fatto l’intera linea di produzione con conseguenti impatti sul business».
Grazie alla sensoristica a bordo macchina, è stato possibile, rilevando vibrazioni, assorbimenti e altri parametri, prevedere quando l’estrattore sta andando in rottura o sta avvenendo il guasto, consentendo di intervenire ed evitando di interrompere il ciclo produttivo.
Questo progetto, partito circa tre-quattro anni fa, durante i quali sono stati raccolti grandi quantitativi di dati, ha richiesto l’inserimento di figure con competenze specifiche per la raccolta e la gestione del dato, fondamentali per realizzare modelli di manutenzione predittiva. Lo step successivo, al quale si sta già lavorando, è l’adozione di algoritmi di Machine Learning.
«Parallelamente, stiamo seguendo un progetto analogo in un’altra importante realtà industriale con esigenze completamente diverse, ma che sta seguendo lo stesso percorso relativamente alle nuove competenze richieste nei team di manutenzione», prosegue Betti. L’azienda in questione è Abb. «Realizzando grandi volumi, il gruppo svizzero non può permettersi fermi macchina in linea, per questo è partita con un approccio dal basso, attivando modelli di manutenzione predittiva direttamente sulle macchine, colloquiando direttamente con i plc», spiega Betti.
Cambia la figura del manutentore
Una volta si ascoltavano le macchine e il rumore anomalo era un indicatore di buon o malfunzionamento , ora questa attività è stata informatizzata attraverso l’IoT che, con sensori a bordo macchina, rileva ogni attività producendo enormi quantità di dati. «La figura del manutentore è cambiata», afferma Betti. «All’interno del team di manutenzione si è resa necessaria la presenza di una competenza informatica, quale il Data Analyst, in grado di gestire tutte le componenti informatiche presenti oggi nella manutenzione, dal plc ai sensori ai sistemi evoluti di Cmms, e capace di leggere, analizzare, incrociate i dati per prendere decisioni sul modello di manutenzione più efficace da adottare».
Cosa fa il sistema Cmms?
Come detto, il Cmms è la piattaforma dove confluiscono i dati dal campo per essere elaborati per la realizzazione del modello predittivo. I dati vengono raccolti in framework e dopo essere passati da gateway e “ripuliti”, quelli essenziali vengono trasferiti nel Cmms, il tutto in real-time. «La nostra piattaforma Cmms, fruibile on premise o in modalità SaaS, è un sistema aperto che può dialogare con sistemi Erp, Scada e simili, e ha già integrato nei suoi moduli standard il mondo del Bim con BimServer, della geolocalizzazione con Esri e, grazie al modulo dell’IoT, comunica direttamente con il mondo della produzione», spiega Betti. «Ancora oggi, invece, molti costruttori di macchine hanno sistemi blindati che richiedono processi complessi per estrarre le informazioni, mentre le macchine di nuova generazione comunicano direttamente a livello alto poiché sono dotate di librerie software».
Benefici paralleli
Diversi sono i vantaggi che derivano dall’adozione di una politica di manutenzione predittiva, tra questi anche la possibilità di ottenere, in modo automatico e in real-time, l’indice Oee, l’Overall Equipment Effectiveness, cioè la misura di efficacia totale di un impianto, un indice molto utilizzato nelle imprese manifatturiere. «Tra i benefici paralleli, si può anche parlare di ottimizzazione della gestione del magazzino del costruttore delle macchine utensili, relativamente a materiali di riapprovvigionamento e pezzi di ricambio, e conseguentemente dei flussi logistici», conclude Betti. Un aspetto non trascurabile, se pensiamo che proprio la logistica in ottica 4.0 sarà una delle chiavi del prossimo futuro.
Cambia la figura del manutentore, servono competenze informatiche per gestire le piattaforme di manutenzione predittiva, ma rimane strategico saper “ascoltare le macchine”.
I sensori, un ruolo da tecnologia protagonista
Oggi si possono distinguere due macrocategorie di sensori: quelli semplici, che rilevano il dato dalla macchina e lo inviano a un gateway per essere poi indirizzato alla piattaforma di Cmms (approccio tipicamente in uso su attività di retrofitting/revamping), e quelli smart, nati già predisposti all’IoT, integrati a bordo macchina, che comunicano direttamente con il Cmms senza passare dai gateway di campo, sfruttando tecnologie e protocolli innovativi come l’Mqtts. Nelle aziende si vede spesso un mix di sensoristica: su alcuni impianti ha senso adottare sensori smart, su altri risultano ancora migliori quelli standard: molto dipende dal tipo di impianto, dall’ambiente, dalla mole e dalla tipologia di dati da raccogliere.
