Manutenzione predittiva: cos’è e come farla con intelligenza artificiale e IoT

pittogramma Zerouno

Focus on

Manutenzione predittiva: cos’è e come farla con intelligenza artificiale e IoT

Perché la manutenzione predittiva può essere una metodologia vantaggiosa rispetto ad altre strategie d’intervento, come la manutenzione reattiva o preventiva

20 Gen 2020

di Redazione Data Science & Machine Learning

Tutte le organizzazioni possiedono beni di valore che fanno parte dell’infrastruttura fisica dell’azienda, attrezzature, computer, macchinari industriali: questi asset fisici sono indispensabili per gestire la produzione o l’attività di business e richiedono interventi di manutenzione per conservare condizioni di funzionamento ottimali. La manutenzione predittiva è una modalità di manutenzione emergente, portata alla ribalta dalla trasformazione digitale e dalla disponibilità di maggiori quantità di dati sullo stato degli asset fisici.

Eliminare i guasti con la manutenzione predittiva

Rispetto alla manutenzione correttiva o reattiva, in cui la riparazione si esegue solo dopo che un malfunzionamento o un guasto si sono verificati, o alla manutenzione preventiva o programmata, in cui gli interventi vengono eseguiti sulla base del tempo o dell’intensità di utilizzo di un determinato asset, la manutenzione predittiva è una metodologia che utilizza tool e tecniche di condition monitoring per tracciare le prestazioni dell’attrezzatura durante il normale funzionamento e per individuare eventuali anomalie e risolverle, prima che diano luogo ad avarie.

Pro e contro di manutenzione reattiva e preventiva

Ciascuna strategia di manutenzione porta con sé vantaggi e svantaggi.

La manutenzione reattiva non ha costi iniziali associati, ma quando, ad esempio, una linea di produzione si ferma per un downtime imprevisto, il blocco può causare un impatto considerevole sul business, senza contare che, al momento del guasto, pezzi di ricambio e personale d’intervento possono non essere subito disponibili, innescando situazioni d’emergenza. In vari casi, le riparazioni servono giusto a far ripartire il macchinario, ma non ne ottimizzano lo stato di funzionamento. La mancanza di pianificazione costringe il personale a lavorare sotto pressione per risolvere il fermo macchina, con conseguenti maggiori rischi di safety. In generale, la manutenzione reattiva può essere applicabile per componenti poco costosi e facili da sostituire, e nei casi in cui l’avaria non causa gravi danni collaterali all’attrezzatura.

La manutenzione preventiva consente di programmare i fermi macchina in tempi convenienti per la produzione, e di pianificare per tempo l’approvvigionamento di tutti i pezzi di ricambio e il reperimento del personale necessario. Tuttavia, questa strategia richiede un’accurata pianificazione e, se non ottimizzata, la frequenza degli interventi finisce per essere troppo elevata o troppo bassa, rispetto alle effettive necessità delle attrezzature.

TopNetwork - Riconoscimento immagini e oggetti

Manutenzione predittiva, cosa può fare e come funziona

Le società di punta nell’area MRO (Maintenance, Repair and Operations), secondo un recente report della società di analisi Aberdeen Group, hanno potuto migliorare disponibilità, affidabilità e safety delle proprie operation, combinando dati in tempo reale sugli asset e strumenti di analisi predittiva. Ciò ha permesso loro di ridurre del 12% i downtime non programmati e di elevare del 15% i margini operativi. Oltre a ridurre i downtime e a migliorare la produttività, con la manutenzione predittiva è possibile estendere il ciclo di vita degli asset, ridurre costi e complessità delle riparazioni, gestire meglio le scorte di materiali e pezzi di ricambio, rispettare le normative e gli standard di conformità vigenti in materia.

Manutenzione predittiva per risparmiare in manutenzione preventiva

La progressiva diffusione dei dispositivi e delle applicazioni IoT (Internet of Things), assieme alla disponibilità di strumenti analitici evoluti e all’emergere delle tecnologie di intelligenza artificiale e machine learning (ML), permettono oggi di integrare nei macchinari industriali sensori d’ogni tipo, e di connettere in rete tali attrezzature, per poi monitorarne di continuo lo stato di funzionamento. In base ai dati raccolti, vengono elaborati modelli predittivi che consentono di ottimizzare la strategia di manutenzione. Ad esempio, il modello può indicare che gli attuali programmi e pratiche sono ideali e non richiedono modifiche, oppure che è urgente evitare un guasto; o, ancora, che è possibile rimandare un intervento dispendioso perché quella determinata attrezzatura non ne ha realmente necessità. In aggiunta, più dati vengono acquisiti dai sensori e più gli algoritmi di ML possono apprendere sulla storia e sulle condizioni delle macchine, migliorando di continuo le metodologie di manutenzione.

Point of view: IBM L’intelligenza artificiale e i data scientist: trend, scenari e applicazioni Scarica il white paper

D

Redazione Data Science & Machine Learning

Argomenti trattati

Approfondimenti

I
Intelligenza Artificiale

Articolo 1 di 4