Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Trenitalia, come abilitare una predictive maintenance con l’IoT

pittogramma Zerouno

Attualità

Trenitalia, come abilitare una predictive maintenance con l’IoT

La società di trasporti italiana e Sap hanno realizzato un sistema di manutenzione predittiva dei treni che permette l’ottimizzazione degli interventi e una migliore esperienza di viaggio. I dettagli del progetto raccontati dai manager Trenitalia

04 Nov 2016

di Arianna Leonardi

PIETRARSA (NAPOLI) – L’Internet of Things sta diventando il nuovo scacchiere competitivo dell’offerta It. Sap, ad esempio, ha recentemente annunciato un piano di investimento quinquennale per due miliardi di dollari in tecnologie IoT. Ma, oltre ai proclami strategici, il vendor tedesco “ha messo sul piatto” una storia di successo tutta italiana: il Dynamic Maintenance Management System (Dmms) sviluppato insieme a Trenitalia per la manutenzione predittiva dei treni (dai sensori di bordo, i dati sullo stato dei veicoli vengono raccolti, inviati al sistema centrale e processati con soluzioni di analytics basate su Hana al fine di prevedere e programmare gli interventi).

Di questo servizio fa parte anche il seguente articolo:
LA VISION – IoT, ecco la vision di Sap

La conferenza di Pietrarsa (Napoli) per la presentazione del case study è stata l’occasione per chiarire i dettagli del progetto.

Tutti i numeri dell’efficienza

L’iniziativa, che vede il coinvolgimento di Politecnico di Milano, Scuola Superiore Sant’Anna e Almaviva (system integrator), ha preso avvio nel 2014, in un momento di fermento dei trasporti: “Ci siamo trovati a operare in un contesto fortemente competitivo – ha precisato Marco Caposciutti, Head of Technical Division di Trenitalia -. Oggi la concorrenza arriva dai mondi più disparati della mobilità: le società di bus, le compagnie aeree, i servizi di carsharing… Dobbiamo ricavare efficienza per offrire al cliente una migliore esperienza di viaggio”.

I numeri di questa efficienza sono ambiziosi: a fronte dei 50 milioni di euro investiti, i risparmi attesi legati all’ottimizzazione delle operazioni manutentive (che oggi pesano sul bilancio annuo di Trenitalia per 1,2 miliardi di euro) sono dell’8-10% all’anno. Un’ulteriore riduzione dei costi pari al 5-8% deriverà dalla riduzione dei fermi, del tempo impiegato nella manutenzione, dello stock delle parti di ricambio. Infine, è stato calcolato un taglio di 10-20 milioni di euro grazie alla diminuzione dei bonus offerti ai passeggeri per riparare ai ritardi e delle penalità pagate per inadempienza agli obblighi contrattuali.

Il progetto tra presente e futuro

“Oggi – ha raccontato Danilo Gismondi, Cio di Trenitalia – siamo a metà del progetto. È stata completata la parte di diagnostica, che permette lo scarico a terra dei dati per il monitoraggio sullo stato di salute di 4.000 rotabili [locomotive e carrozze, ndr]. Per due tipi di flotta sono già stati sviluppati gli algoritmi predittivi, che permettono, ad esempio, di definire il comportamento atteso delle batterie sulla base di indicatori specifici (consumi, voltaggio, temperatura ecc.) ed eventi passati. La definizione dei livelli di alert, oltre i quali intervenire, richiede un fine-tuning che abbiamo fissato nell’arco di tre anni”.

L’iniziativa proseguirà con la messa a punto degli algoritmi per le altre tipologie di veicoli e componenti. A progetto ultimato, nel 2018, i dati prodotti raggiungeranno il petabyte (ogni treno, dotato di 500-1000 sensori, cattura 5.000 segnali al secondo). L’architettura dove gira Hana, suddivisa in stack da 6 terabyte, garantisce un mese di dati live.
Il progetto va calato nel percorso di digital transformation intrapreso da Trenitalia, che apre le porte a nuove applicazioni e traduce l’efficienza della predictive maintenance in vantaggio per il passeggero: “Abbiamo un Crm con 6 milioni di clienti fidelizzati. L’opportunità è, ad esempio, correlare i dati relativi allo stato dei treni e agli eventi imprevisti (come il guasto all’impianto di condizionamento) con i risultati della nostra customer satisfaction survey mensile o le informazioni provenienti dai canali social. Possiamo così rilevare gli aspetti che hanno influito negativamente sull’esperienza utente e intervenire per migliorarli. Infine – conclude Gismondi  –  tra i progetti di nuova frontiera, la realtà aumentata è oggetto di indagine, perché permetterebbe di semplificare il feedback manutentivo, accelerando e guidando le attività degli addetti, con un risparmio anche in termini di formazione”.

A

Arianna Leonardi

Articolo 1 di 5