Manutenzione predittiva: ferma le macchine solo quando serve

Tabella dei Contenuti

Un’applicazione di machine learning per l’industria 4.0

Sensori, apprendimento automatico e dati sono alla base della manutenzione predittiva e consentono di abbattere i costi e aumntare la produttività delle aziende che abbracciano le soluzioni dell’industria 4.0.

Wired ha pubblicato uno studio di Porsche Consulitng sul Predictive Asset Management le cui evidenze parlano di vantaggi molto significativi, con un esempio di riduzione dei costi in 5 settori differenti:

Fonte: Porsche Consulting

La manutenzione predittiva è un’opportunità che sempre più imprese si apprestano a cogliere: le stime per il 2020 parlano di un investimento di circa 100 milioni di euro, per l’Italia e di oltre un miliardo in Europa.

La manutenzione predittiva sostituirà quella reattiva e quella programmata. Capiamo meglio di cosa si tratta e qual è la soluzione più adeguata rispetto alle esigenze specifiche.

Manutenzione: quali sono le alternative?

La manutenzione reattiva

Chiamata anche manutenzione correttiva, consiste nel risolvere il problema solo dopo che questo avviene. È un approccio che ha senso per la gestione di macchinari che, se rimangono fermi, non producono particolari perdite per l’azienda.

Manutenzione programmata

La manutenzione programmata richiede interventi a intervalli regolari definiti dai responsabili di produzione sulla base dei dati di usura a disposizione.

La manutenzione programmata, Preventive maintenance in inglese, confrontata con la manutenzione predittiva, ha due forti limiti.

  • L’eccesso di manutenzione. Se effettuati su macchinari ancora in buone condizioni e in grado di lavorare, spendere in manutenzione è uno spreco di costi. Inoltre bisogna fermare e fare ripartire le macchine, e questo è spesso una sollecitazione non necessaria, che incide sull’invecchiamento delle stesse macchine che si vuole manutenere.
  • La scarsa manutenzione. Macchinari poco manutenuti con ogni probabilità porteranno a prolungati periodi di fermo e a guasti inaspettati. I guasti possono creare disagi e perdite non preventivabili soprattutto se sono necessari pezzi di ricambio per riparare la macchina. La gestione del magazzino dei ricambi comporta un aggravio dei costi quando la loro quantità è superiore al necessario, menre la fabbrica deve calcolare i danni causati dovuti ai giorni di inattività, se i ricambi sono scarsi o addirittura non disponibili.

La manutenzione basata sui big data e sugli algoritmi predittivi

La predictive maintenance (PdM) o manutenzione predittiva è un approccio che richiede il monitoraggio in tempo reale di macchinari e robot. La manutenzione è eseguita nel momento in cui sono rilvevati dei problemi che si presume possano avere un impatto negativo sulle performance future dello stesso maccinario.

In sintesi possiamo dire che:

  • Con la manutenzione reattiva si interviene troppo tardi, quando il macchinario è ormai fermo per il guasto.
  • La manutenzione programmata comporta tempi non necessari di fermo dei macchinari oppure legati alla gestione dei ricambi.
  • La manutenzione predittiva usa i dati per predire guasti futuri e, come vedremo, ha l’obiettivo di effettuare l’intervento al momento giusto.

Il principale obiettivo della manutenzione predittiva

Il principale obiettivo della manutenzione predittiva è di evitare possibili danni e di riparlarli in tempo, per evitare il fermo causato dal guasto.

Risultati chiave

In un progetto di manutenzione predittiva è essenziale definire le metriche di successo del progetto, ad esempio l’aumento della produttività o la diminuzione dei costi di gestione dei pezzi di ricambio.

I dati necessari (input)

Oggi sono disponibili molte tecniche diagnostiche per il monitoraggio dei macchinari industriali che consentono di misurare parametri differenti:

  • Proprietà chimiche degli olii di raffreddamento
  • Vibrazioni
  • Acustica
  • Termografia (rilevamento della temperatura con raggi infrarossi)
  • Temperatura
  • Pressione
  • Velocità di rotazione
  • Corrente elettrica

A seconda del tipo di macchinario, valori superiori o inferiori alla norma possono segnalare probabili guasti futuri.

La strategia di manutenzione predittiva 

Dopo aver definito l’obiettivo, i risultati da misurare e i dati da monitorare, i responsabili di produzione hanno un ruolo chiave nella definizione della strategia di manutenzione predittiva. La loro esperienza e la conoscenza dei dati storici consente loro di selezionare i macchinari chiave del processo produttivo, gli “anelli più deboli della catena”. Alcune domande aiutano a definire lo scopo del lavoro:

  • quante macchine sono impegnate nel processo produttivo?
  • in caso di guasto quali sono le macchine che generano maggiori problemi di produzione?
  • finora che impatto hanno avuto i guasti sui risultati finanziari?

Per spiegare i principi sui quali si basa la manutenzione viene generalmente ci aiuta la definizione dell’intervallo di guasto da potenziale a funzionale, in inglese potential-to-functional (P-F) failure interval. L’evento che causa il guasto si verifica in un momento solitamente difficile da stimare sui parametri di età, ambiente o altri input dei macchinari.

La curva P-F (P = Potential failure; F = Failure) rappresenta graficamente in quanto tempo diminuisce la resistenza al guasto di un oggetto o di un macchinario. Il punto P è il momento in cui è possibile rilevare la causa che determina il processo di deterioramento che porterà al guasto nell’istante F.
Se diventiamo capaci di rilevare il guasto potenziale possiamo anche prevenirlo. Perché ciò accada, dobbiamo rilevare il guasto in un intervallo di tempo, in inglese P-F Interval, sufficiente a intervenire in tempo con l’azione manutentiva.

La manutenzione predittiva consiste proprio nel monitorare e quantificare le condizioni che condurranno al guasto. L’intervallo di tempo deve essere minore di P-F e le cause, che non sono facili da preventivare, devono essere scoperte. Diverso è il caso in cui la curva P-F sia lineare. Pensiamo, ad esempio, alle ruote di un’automobile. Il battistrada si consuma gradualmente ed è possibile decidere di cambiare gli pneumatici sulla base dei chilometri percorsi. Anche il tempo è una condizione da considerare: un’auto ferma potrebbe avere un battistrada per nulla consumato, ma l’aderenza e l’efficacia potrebbero essere compromesse dalla perdita di elasticità.

Figura 1— L’intervallo di guasto da potenziale a funzionale

Quali sono i principali vantaggi e svantaggi di una strategia di manutenzione predittiva basata sul machine learning?

Ecco un elenco dei principali vantaggi della manutenzione predittiva:

  • Migliore up-time, “l’intervallo di tempo in cui un singolo apparato o un intero sistema informatico è stato ininterrottamente acceso e correttamente funzionante” (Wikipedia).
  • Maggiore durata del macchinario: l’aspettativa di vita aumenta
  • Migliore qualità del prodotto finito
  • Minori sprechi: le macchine sono usate in condizioni migliori e consumano meno materiale, ad esempio olio lubrificate oppure energia elettrica
  • Maggiore sicurezza per i lavoratori e per l’ambiente: la prevenzione dei guasti riduce la possibilità di incidenti le cui conseguenze possono essere speso gravi o catastrofiche
  • Minori costi rispetto alla manutenzione preventiva: il Dipartimento dell’Energia degli Stati Uniti stima un risparmio dell’8-12%

La manutenzione ha il vantaggio di essere eseguita solo quando necessario oppure pianificata con anticipo, evitando così le inefficienze tipiche degli interventi di urgenza necessari in caso di guasto della macchina.

Il principale svantaggio, in alcuni casi, riguarda la necessità di installare sensori dedicati al monitoraggio dei macchinari esistenti.

In breve, ha senso pensare alla manutenzione predittiva quando gli investimenti necessari per creare il modello predittivo migliorano l’up time e riducono i costi di manutenzione.

Manutenzione predittiva: quali sono le competenze necessarie?

Il personale ha bisogno di familiarizzare con i cruscotti e con il sistema di notifiche che integrerà il processo di manutenzione e può impattare sul flusso di lavoro, sulla gestione del magazzino dei ricambi o sui contratti con fornitori addetti alle riparazioni dei guasti.

La manutenzione predittiva può essere associata a un progetto di change management per individuare i processi interessati e definire come l’azienda li gestirà.

Implementazione e applicazione

Figure 2—Un esempio di architettura della manutenzione predittiva

La manutenzione predittiva si basa sulla raccolta di una serie di dati e sulla loro interpretazione da parte di un algoritmo capace di predire il guasto potenziale.

Tra i dati raccolti abbiamo quelli che provengono da:

  • linea di produzione,
  • processi operativi,
  • controllo qualità,
  • software di gestione (ERP)

Una volta interpretato dall’algoritmo, il dato alimenta dashboard o altre piattaforme di analisi usate dai responsabili della produzione.

Stefano Stravato, CEO
Dal 2004 la sua passione è progettare e realizzare piattaforme che coinvolgano persone e brand, creando valore per entrambi. Dal 2019 è alla guida di Krystal Ball, un team interdisciplinare che aiuta le aziende ad integrare soluzioni di machine learning e data science nei propri processi o prodotti. Nel 2014 ha co-fondato Fifth Beat, per progettare prodotti, servizi e organizzazioni, con le persone e per le persone. Dal quando è papà è un po’ più appassionato alle sorti del genere umano.

Continua a leggere

altri approfondimenti

gradient_color_kristal-ball_logo_v1 1

Una checklist pratica per capire se il tuo business è pronto a cogliere le opportunità offerte da data science e machine learning.

Organizziamo una call

Metti in pratica il Machine learning, prenota una consulenza gratuita di 25 minuti