I pilastri della manutenzione predittiva

La manutenzione predittiva è tra le applicazioni più interessanti e concrete, possibili grazie ad alcune delle tecnologie abilitanti di Industria 4.0. A partire dall’aerospace, settore precursore nel fare proprie le nuove tecnologie, per poi passare all’automotive, ai grandi impianti industriali nel campo energetico, fino ai treni ad alta velocità, la manutenzione predittiva sembra promettere grandi potenzialità.

Un interessante esempio è il nuovo centro di manutenzione Alstom/Italo di Nola (160 addetti per mantenere in salute una flotta di 47 treni ad alta velocità), che dispone di diverse tecnologie avanzate di diagnostica, tra le quali “train tracer”, uno strumento di manutenzione predittiva che permette di analizzare e capire in remoto cosa stia accadendo a bordo, mentre il treno è operativo a centinaia di chilometri di distanza.

Il compito della manutenzione predittiva

La manutenzione è un’attività intrecciata con l’evoluzione stessa delle logiche del costruire e del produrre un prodotto o un asset. Nel momento in cui esso viene pensato sono anche definite un insieme di caratteristiche che diventano un investimento a garanzia dell’efficienza produttiva.

«Quando il prodotto o il bene durevole viene utilizzato, è di rilievo la capacità di valutarne l’affidabilità nelle attuali condizioni di ciclo di vita, per anticipare l’accadimento dei guasti attraverso una capacità prognostica, al fine ultimo di mitigare i rischi di sistema. Nel ciclo di vita dell’asset diventa importante essere capaci di combinare tali capacità, per predire anomalie e degradi di prestazione, in modo da limitare gli impatti sui diversi stakeholder interessati ed è questo il compito della manutenzione predittiva, che sta evolvendo in modo estremamente interessante attraverso l’utilizzo di tecniche diagnostiche e prognostiche, tecnologie dell’informazione e della comunicazione e di automazione degli impianti», spiega Marco Macchi, professore ordinario presso il Dipartimento di Ingegneria Gestionale del Politecnico di Milano, al quale abbiamo chiesto quali sono i pilastri della manutenzione predittiva, quali le architetture e quale l’evoluzione nei contesti di Industria 4.0.

Paolo Massardi, Senior Partner di Roland Berger Italia, ci ha invece parlato di come si stanno muovendo le pmi italiane nel settore delle macchine utensili, con riferimento a uno degli studi che la società di consulenza strategica ha condotto in collaborazione con l’associazione tedesca dei costruttori di macchine utensili Vdma e con Deutsche Messe AG. Dallo studio Roland Berger emerge che entro il 2022 il mercato dei sistemi di Predictive Maintenance varrà tra i 6,3 e gli 11 miliardi di dollari, con una crescita stimata tra il 27% e il 39% sui valori del 2016 (prima rilevazione disponibile, ndr.).

Nel cuore del mondo produttivo, con la manutenzione predittiva

Marco Macchi, professore ordinario presso il Dipartimento di Ingegneria Gestionale del Politecnico di Milano

«La Manutenzione Predittiva agli addetti ai lavori non è cosa nuova, sia nei concetti che negli strumenti», ci dice il prof. Macchi.

«Negli anni si sono, infatti, sviluppate tecniche di misura e, quindi, di monitoraggio dello stato dell’asset, inteso come bene strumentale, che sono conoscenze acquisite. Per esempio, l’analisi delle vibrazioni, degli oli, la termografia sono tecniche di misura e monitoraggio ben note. Il punto centrale della manutenzione predittiva è che si sta prospettando la possibilità, grazie all’integrazione spinta, di ottenere dati da fonti diverse, tra cui dall’automazione industriale.

Aprire le informazioni che provengono da macchine a controllo numerico, da sensori e da plc all’utilizzo del monitoraggio delle condizioni dell’asset è un’evoluzione con grandi potenzialità perché permette di monitorare il macchinario con tutte le sue variabili di funzionamento e, tra queste, alcune possono essere indispensabili per conoscere lo stato di salute dell’asset».

Questo è possibile grazie a una delle tecnologie chiave dell’Industria 4.0, come l’IIoT, che mettendo in rete tutti i device va a costruire un framework su cui lavorare. L’altro aspetto è che si potenzia la possibilità di monitoraggio continuo, che consente di conoscere, come detto, lo stato di salute.

Oltre il Condition Monitoring

Monitorare le condizioni dell’asset e lo stato di salute porta a una prima valutazione sulle condizioni in cui versa l’asset stesso.

«Se sta evolvendo il degrado bisogna verificare quali sono i componenti che lo stanno determinando attraverso la diagnostica», aggiunge il prof. Macchi. «La predizione che dà poi il nome alla manutenzione predittiva è alla fine un’operazione condotta con opportuni modelli che elaborano l’insieme delle informazioni stimando un trend, cioè la vita residua rimanente, ed eventualmente offrendo anche delle probabilità in merito alla vita residua».

La diagnostica valuta lo stato di salute, il cosiddetto health assessment, e la prognostica indica quando avverrà il guasto. Monitoraggio delle condizioni e diagnostica sono, dunque, le base della predittiva.

Il dato e l’intelligence

Per realizzare soluzioni di manutenzione predittiva, oltre all’IIoT, che consente di ottenere un insiemi di dati variegati, si aggiunge la necessità di trattare il dato, attraverso due dimensioni principali: il data management, che prevede anche lo stoccaggio e la gestione dello storico, indispensabile per fare una predizione, e l’intelligence sui dati attraverso la Data Analytics, che comprende sempre di più tecniche dovute alla computer science e, in particolare l’intelligenza artificiale, oltre ad altre tecniche di dominio tipicamente statistico, sempre molto utili.

«Queste stesse tecniche hanno una doppia funzione», precisa il prof Macchi, «poiché oltre a elaborare e trattare i dati aiutano anche nella raccolta, caratterizzando il problema e permettendo di ottenere dati di qualità, anche attraverso le conoscenze e le competenze del settore/processo in cui l’asset viene impiegato.

Per un buon progetto di manutenzione predittiva è consigliabile, infatti, partire dalle conoscenze dell’asset e avere una buona ingegneria di manutenzione, che aiuta a fruire al meglio le potenzialità della Data Analytics».

Tuttavia, conclude il prof. Macchi, «oggi, la maturità dei processi manutentivi non vede ancora una grande diffusione della manutenzione predittiva, mentre sicuramente il livello di utilizzo del Condition Monitoring è più diffuso.

Poiché è dal Condition Monitoring che si parte per un programma di manutenzione basata sulle condizioni, sarà il futuro a dimostrare quanto l’utilizzo combinato delle tecnologie messe a disposizione nel quadro dell’Industria 4.0 permetterà di evolvere verso una manutenzione intelligente e predittiva sugli impianti».

Ottimizzare la produzione

Paolo Massardi, Senior Partner di Roland Berger Italia

«La manutenzione predittiva è un’opportunità con campi di applicazione infiniti, il cui traino principale è la tecnologia», afferma Massardi di Roland Berger. Perché, dunque, non coglierla.

E così, gli analisti Roland Berger hanno elaborato un Radar, il “Predictive Maintenance: from data collection to value creation”, che illustra i benefici che deriveranno affidandosi al metodo predittivo in real time.

«Dove ci sono situazioni mission critical o failure collegate a potenziali rischi che coinvolgono vite umane, c’è la necessità di condurre un attento monitoraggio. Si pensi all’aerospace o al settore delle turbine elettriche e a gas, dove già oggi le tecniche di monitoraggio sono molto avanzate, non solo per rilevare eventuali problemi, ma si spingono sempre di più verso l’ottimizzazione del processo produttivo: ad esempio, considerando l’umidità e la pressione si vanno a modificare alcuni parametri per migliorare il funzionamento della centrale stessa».

Tra gli altri settori, in Italia, in ambito manifatturiero, Massardi cita le macchine utensili, alla base del sistema produttivo. «C’è molto interesse da parte dei costruttori, ma al momento si fa fatica ad associare il beneficio che deriverebbe da un’applicazione di manutenzione predittiva», spiega ancora Massardi.

«È difficile costruire un business case, perché all’utilizzatore di un macchinario interessa essere informato su eventuali guasti, ma ritiene che se ne debba occupare il fornitore della macchina, il quale, pur avendo le competenze tecniche per mettere a punto un progetto di manutenzione predittiva, spesso non ha la struttura o la giusta spinta».

Non esiste ancora, dunque, un’offering strutturata, salvo alcune eccellenze, che confermano la forza del Made in Italy.

L’intelligence sui dati attraverso la Data Analytics è un trend emergente e distintivo, ma in Italia, nonostante le potenzialità, la Manutenzione Predittiva non è ancora così diffusa.

 

 

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome