La manutenzione predittiva, secondo un recente report di Market Research Future, rappresenta un mercato in forte crescita che dovrebbe superare i 23 miliardi di dollari entro il 2025.

Si tratta di un settore in forte espansione parte del più ampio mercato del Digital Manufacturing, presente già dagli anni ’90 e che, in linea di massima, può essere definito come un approccio integrato alla produzione incentrato su un sistema informatico-digitale. Oggi siamo forse più abituati a sentire il termine Smart Manufacturing (o fabbrica intelligente) che, di fatto, racchiude l’essenza evolutiva stessa del segmento manifatturiero attraverso percorsi di trasformazione digitale che innervano i sistemi produttivi e logistici – e le filiere ad essi connessi – di tecnologie innovative.

In generale oggi identifichiamo il Digital Manufacturing come il processo di produzione digitalizzato (che richiede un intervento minimo dell’essere umano lungo la catena di produzione che viene avviata e gestita direttamente dalle macchine e dai sistemi informatici).

Quando parliamo di Smart Manufacturing, invece, ci riferiamo ormai a qualcosa di molto più ampio che afferisce ad una vera e propria rivoluzione dei processi, dei modi e dei tempi della produzione attraverso l’utilizzo congiunto ed esteso di diverse tecnologie digitali, spesso raggruppate sotto il cappello dell’Industria 4.0.

In questo ambito ricade la manutenzione predittiva che possiamo identificare come una strategia di manutenzione guidata dalle tecnologie di analisi predittiva.

 

Cos’è e cosa significa manutenzione predittiva

 

La manutenzione predittiva è un tipo di manutenzione preventiva (vedremo poi la differenza tra le due) che sfrutta tecniche (e tecnologie) progettate per aiutare a determinare le condizioni delle apparecchiature in servizio al fine di stimare (e prevedere) quando è necessario eseguire la manutenzione, prima che si verifichino fermi o guasti che potrebbero avere conseguenze dirette sui processi produttivi.

La manutenzione predittiva viene effettuata attraverso l’identificazione di determinati parametri che vengono monitorati, misurati ed analizzati – utilizzando appropriati algoritmi e modelli matematici – con l’obiettivo di determinare il cosiddetto “tempo residuo” prima di un fermo, un guasto o un possibile problema e, in base a tale tempo, capire quand’è il momento migliore per intervenire minimizzando i rischi per la produzione e per il business.

È evidente che il vantaggio primario della manutenzione predittiva è consentire una efficace programmazione della cosiddetta “manutenzione correttiva” e di prevenire guasti imprevisti ai macchinari utilizzati nei processi produttivi e logistici.

 

Manutenzione preventiva e manutenzione predittiva, che differenze ci sono?

 

La manutenzione preventiva e la manutenzione predittiva sono due facce della stessa medaglia (entrambe sono strategie efficaci per la manutenzione degli asset), ma differiscono nelle modalità (e nelle tecniche) di attuazione.

La manutenzione preventiva implica un monitoraggio sistematico delle risorse con interventi costanti di manutenzione ordinaria per prevenire tempi di inattività imprevisti o guasti. A differenza della manutenzione reattiva (o correttiva) – in cui il servizio di manutenzione avviene dopo che l’asset ha funzionato male o si è guastato – la manutenzione preventiva richiede l’esecuzione della manutenzione prima che qualsiasi cosa funzioni male.

Per riuscire a fare questo tipo di manutenzione, solitamente, ci si affida a parametri quali il tempo (tra un intervento di manutenzione ordinaria ed un altro, oppure in base alle ore di utilizzo o ai chilometri percorsi), le condizioni fisiche degli asset e la scoperta di qualche prova fisica che minaccia il malfunzionamento di un asset.

La manutenzione predittiva sfrutta invece le analisi avanzate dei dati per prendere decisioni più efficaci e consapevoli: la manutenzione predittiva implica l’analisi dell’effettivo utilizzo di un asset per decidere quando eseguire la manutenzione.

Anche nella manutenzione preventiva si sfruttano tecnologie di analisi ma di tipo descrittivo, che consentono un’analisi dei dati storici per fare ipotesi statistiche. La manutenzione predittiva differisce invece dalla manutenzione preventiva perché si basa sulle condizioni effettive delle apparecchiature (sfruttando analisi di tipo predittivo), piuttosto che sulle statistiche sulla vita media o prevista, per prevedere quando sarà necessaria la manutenzione.

In una strategia di manutenzione predittiva si utilizzano sia i dati storici sia quelli attuali (spesso in real-time) sulle prestazioni degli asset per determinare quando è probabile che si verifichi un malfunzionamento e quindi eseguire la manutenzione in anticipo.

 

Digital manufacturing: come fare manutenzione predittiva degli impianti

 

La manutenzione predittiva basata sulle condizioni e le prestazioni reali degli asset si basa su diversi elementi chiave:

  • – acquisizione dei dati;
  • – elaborazione dei dati;
  • – processo decisionale di manutenzione.

La manutenzione predittiva si basa dunque su apparecchiature di monitoraggio delle condizioni degli asset e degli impianti per valutare le prestazioni delle risorse in tempo reale. Grazie alla combinazione di analisi/diagnosi basate su condizioni con formule predittive e ai dati raccolti “sul campo” grazie alle tecnologie dell’Internet of Things (IoT), la manutenzione predittiva crea uno strumento preciso per la raccolta e l’analisi dei dati degli asset. Questi dati consentono di identificare eventuali aree che necessitano o necessiteranno di attenzione e/o intervento.

In linea di massima possiamo dire che acquisendo i dati attraverso una distribuzione a livello di fabbrica/impianti delle tecnologie IoT (in particolare di sensori), i dati vengono acquisiti per l’analisi.

Questi dati vengono poi raccolti in un Data Hub e messi a disposizione dei sistemi di analisi (che si basano su modelli matematici di tipo predittivo e consentono di fare analisi avanzate, oggi anche sfruttando tecnologie innovative come il Machine Learning).

Infine, l’analisi predittiva restituisce informazioni che consentono di accelerare, rendere efficaci e persino automatizzare le decisioni ed i processi di manutenzione in un “regime predittivo” che riduce i tempi di fermo e i costi e consente di inserire la manutenzione all’interno dei normali processi produttivi invece di essere una barriera o un “male necessario”.

Come ogni altra strategia di manutenzione proattiva, la manutenzione predittiva mira a:

  • – ridurre al minimo il numero di guasti imprevisti e massimizzare il tempo di attività delle risorse che ne migliora l’affidabilità;
  • ridurre i costi operativi ottimizzando il tempo speso per i lavori di manutenzione (in altre parole, fare la manutenzione solo quando è doverosa elimina praticamente ogni possibilità di perdere tempo a fare manutenzione non strettamente necessaria);
  • migliorare i profitti riducendo i costi di manutenzione a lungo termine e massimizzando le ore di produzione.

 

New call-to-action

Approfondimenti da BNext:

Data Science Lifecycle, le 6 (+1) fasi del processo

La Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati. Non esiste un framework unico e universalmente condivido per definire i processi di Data Science, tuttavia, dal punto di vista tecnico lo standard KDD è quello a cui ci si ispira maggiormente, perché indica l’intero processo di ricerca di nuova conoscenza dai dati.

Cos’è la data monetization e come si implementa in azienda

Lo scopo di tutte le attività che vengono pianificate ed effettuate all’interno di qualunque azienda è quello di creare profitto. L’uso dei dati, in quanto nuovo asset aziendale, mantiene questa linea. Esistono diversi modi di utilizzare i dati aziendali, ed anche in...

Data Mesh: un nuovo approccio architetturale 

Nell’epoca dei Big Data ci troviamo quotidianamente ad affiancare le aziende nella definizione di strategie data driven e ad aiutarle a diventare o a mantenersi competitive nei mercati di riferimento. I dati in questo senso rappresentano un aspetto centrale ed anche...

A cosa serve la Data Science?

L’analisi dei dati è in generale una materia molto ampia e con una storia che rimanda indietro di diversi anni da oggi. Si inizia a parlare di analisi dati già alla fine del 1700 con le prime visualizzazioni grafiche e l’evoluzione di questa materia non solo negli...

IoT Analytics: il valore di applicare il Machine Learning all’IoT 

L’Iot consiste in un sistema formato da dispositivi informatici univoci e interconnessi, capaci di scambiare dati attraverso la rete in maniera autonoma, sfruttando un protocollo di comunicazione. Quando ci si riferisce all’Internet of Things (IoT), infatti, si pensa...

Come scegliere la giusta Data Visualization? I nuovi trend 

La Data Visualization è definita come la rappresentazione grafica di dati e informazioni, ed abbiamo già trattato quanto questo strumento grafico sia capace di rendere informazioni complesse o difficili da interpretare, comprensibili ed accessibili anche per utenti...

Decision support system: cosa sono e come aiutano le aziende 

Negli ultimi decenni il grande e rapido sviluppo delle tecnologie e dell’informatica ha portato le attività aziendali di ogni settore verso un approccio “intelligente”, guidato dai dati. Ciò ha permesso di spostare sempre più il focus sul cliente e sui suoi bisogni e...

Churn Strategy: gli step per impostarla al meglio minimizzando il Churn Rate

Churn analysis e churn rate sono due concetti strettamente connessi: l’analisi degli abbandoni (churn analysis) è quella branca della Data Science attraverso cui si cerca di prevedere quali clienti hanno maggiori probabilità di abbandonare l’azienda, cosa che si...

Cosa sono e come funzionano i sistemi di raccomandazione 

Prima della diffusione di internet e dei motori di ricerca, trovare informazioni utili ad uno specifico argomento o contesto era molto difficile, richiedeva tempo, ricerche lunghe e faticose, e spesso risultava costoso in quanto non era inusuale dover acquistare libri...

Datafication: cos’è e che impatto ha sulla nostra vita quotidiana

Cos’è la Datafication e perché se ne parla  Per datafication si intende tutto il processo tecnologico che trasforma i vari aspetti della vita quotidiana, sociale ed individuale di ogni persona in dati i quali, opportunamente trattati ed analizzati, si trasformano...