Predictive Maintenance, puoi integrarla nella tua strategia di manutenzione?

Industry 4.0

,

Digital Advisory

Predictive Maintenance, puoi integrarla nella tua strategia di manutenzione?

Sara Cavinato | ott 14, 2020

Il tema della manutenzione di macchine ed equipment sempre più avanzati, connessi e intelligenti, è centrale per tutte le realtà che aspirano a perseguire il miglioramento continuo di produttività e qualità. In questo articolo approfondiamo il tema della manutenzione predittiva: dalla sua definizione, agli approcci per implementarla, ai benefici che può portare alle organizzazioni che decidono di adottarla.

 

Cos'è la manutenzione predittiva e come differisce dalle altre strategie di manutenzione?

Esistono diversi tipi, non necessariamente alternativi, di strategie manutentive. Prima di trattare quella di nostro interesse per questo articolo, vediamo velocemente quali sono le possibili alternative.

Manutenzione Reattiva

Questo tipo di manutenzione è il trionfo dell’urgenza. Infatti nella manutenzione reattiva si interviene solo dopo il verificarsi del guasto e spesso quando il componente è giunto alla fine del suo ciclo di vita. In questi casi la produzione viene interrotta e il guasto può avere ripercussioni negative anche su altri componenti, sicurezza e ambiente.

Manutenzione Preventiva

In questi casi le macchine sono sottoposte a interventi manutentivi a intervalli di tempo prestabiliti prima che si verifichi il guasto. Le parti sostituite prima del guasto potrebbero essere perfettamente funzionanti. Un esempio di manutenzione preventiva è la Condition Based Maintenance che determina la necessità d’intervento in base al monitoraggio e alla valutazione dello stato di funzionamento di un componente o di un macchinario (ad es. verifica che i parametri chiave di un processo o di una macchina rientrino nei valori limite, o di soglia, da rispettare).

Manutenzione Predittiva

La manutenzione predittiva è una strategia di manutenzione proattiva che analizza i dati e suggerisce modifiche di produzione, di pianificazione e di manutenzione per prevenire i guasti ed evitare l’arresto delle macchine.  Nella Predictive Maintenance i dati storici delle macchine e dei processi vengono trasformati in informazioni che costituiscono poi la base per elaborare le analisi e migliorare i processi manutentivi. 

Per certi versi la manutenzione predittiva è simile alla Condition Based Maintenance, ma utilizza logiche e modelli che analizzano i dati di storici e valutano il livello di degrado dei componenti nel tempo, riuscendo così a stimare quanto tempo rimane prima del verificarsi del guasto. 

 

7 vantaggi per cui scegliere la Predictive Maintenance

Di seguito riportiamo i principali vantaggi che contribuiscono a fare della Predictive Maintenance il più moderno paradigma di manutenzione applicabile.

Incremento dei ricavi

L’introduzione di comportamenti di manutenzione proattivi consente di ridurre i fermi impianto e i rallentamenti non programmati dovuti a guasti imprevisti. Ciò porta a preservare il tasso di produttività con un conseguente effetto benefico sui ricavi. 

Riduzione dei costi di manodopera

La riduzione e l’ottimizzazione del numero di interventi di manutenzione consente di gestire in modo più efficiente i costi e comporta un sensibile calo dei tempi operativi spesi in manutenzione. Inoltre, fornendo indicazione su dove e quando fare manutenzione è possibile programmare gli interventi, ridurre i guasti e di conseguenza i tempi di riparazione per il fatto che vi sono meno componenti da sostituire.

Riduzione dei tempi di produzione persi per attività di manutenzione

I risultati delle analisi predittive consentono di anticipare di giorni o settimane l’insorgere di un guasto e permettono quindi la pianificazione del fermo impianto nel momento migliore ovvero quello che ha impatti minori sulla produttività. 

Questo esercizio è aiutato dalla definizione delle cosiddette curve P-F, in cui è evidente l’intervallo di tempo che intercorre tra un potenziale guasto P (ossia il punto in cui si nota che l'apparecchiatura inizia a deteriorarsi e guastarsi) e un guasto funzionale F (ossia il punto in cui l'apparecchiatura ha raggiunto il suo limite utile e non è più operativa). Tanto più ampio è l’intervallo P-F tanto maggiore è il margine a disposizione per la pianificazione degli interventi manutentivi. 

 

Manutenzione Predittiva: curva P-F

L’importanza della pianificazione è ulteriormente avvalorata anche dal fatto che i fermo impianto non pianificati impattano direttamente sull'OEE (Overall Equipment Effectiveness) e provocano, a cascata, una serie di inefficienze su tutta la catena produttiva includendo sia i clienti interni (servizi spedizione, magazzini, etc.) che quelli esterni (trasportatori, depositi esterni, clienti finali, etc.). 

Riduzione dei costi dei macchinari

L’esecuzione della manutenzione su un componente prima che questo causi un guasto critico consente di contenere il costo alla sola parte guasta e alla manodopera necessaria per la riparazione, anziché all’intero macchinario. Inoltre la riduzione del numero dei guasti allunga la vita media delle apparecchiature.

Minori rischi di sicurezza e ambientali

Risolvere potenziali problemi prima che si verifichino ha come conseguenza diretta anche condizioni lavorative più sicure e un maggiore rispetto dell’ambiente, riducendo il rischio di incidenti critici e rilasci nell’ambiente.

Aumento dell’efficienza del personale manutentore

Pianificando precisamente le attività è possibile ottenere un miglioramento dell’efficienza del personale manutentore. 

Creazione di un database

Un altro vantaggio della manutenzione predittiva è la capacità di generare un database storico relativo alle prestazioni e al comportamento dei macchinari, che è possibile sfruttare per aumentare il grado di precisione delle previsioni future.

 

I 3 elementi fondamentali per costruire una strategia di manutenzione predittiva

Gli elementi chiave di cui si deve disporre per avviare nel migliore dei modi una strategia di predictive maintenance sono:

  1. I dati delle macchine raccolti dai sistemi historian, IoT o altro relativi ad un periodo di tempo significativo e che includa eventi di guasto
  2. Lo storico dei guasti verificatisi sulle macchine corredati di quante più informazioni possibili
  3. Personale esperto sul funzionamento delle macchine e in grado di diagnosticare le cause dei guasti sia a partire dai dati raccolti che da altri segnali eventualmente non gestiti dai sistemi historian, IoT o altro

 

A proposito di approcci: 3 strategie per progettare e implementare la predictive maintenance

In Techedge abbiamo individuato tre approcci alternativi che si differenziano sia nelle modalità di implementazione che in quelle di gestione. 

Approccio Custom

L’approccio custom prevede la progettazione e l’implementazione di sistemi di Predictive Maintenance tramite la definizione di algoritmi custom su piattaforme AI open source.

Se da un lato questa soluzione consente di modellare l’algoritmo sulle specifiche esigenze del processo e delle macchine da manutenere, dall’altro richiede la disponibilità di processisti e macchinisti con forti competenze tecniche e di Data Scientist in grado di sviluppare complessi algoritmi di Predictive Maintenance. 

Questo approccio inoltre prevede che la gestione dell’intero sistema sia completamente in carico ai macchinisti/processisti e ai Data Scientist che lo hanno definito e implementato. 

Caratteristiche principali di un approccio custom:

  • l’investimento necessario per la progettazione e l’implementazione di un sistema custom è elevato.
  • i tempi di sviluppo e di implementazione sono mediamente più lunghi.
  • la velocità con cui si raggiungono i risultati è inversamente proporzionale al tempo speso per lo sviluppo. Infatti tanto maggiore è l’aderenza tra il modello e il processo da monitorare tanto più velocemente si potranno ottenere risultati.
  • l’impegno del personale nelle attività di sviluppo e di gestione del sistema aumenta il know how interno.

Approccio ibrido

L’approccio ibrido prevede l’adozione di un prodotto di mercato che contiene già i modelli di Predictive Maintenance, da addestrare e tarare.

Questa soluzione richiede la disponibilità di macchinisti e processisti per la fase di configurazione dei modelli; non è invece fondamentale la comprensione degli algoritmi di AI, ovvero in questo caso non sono necessarie le competenze tipiche dei Data Scientist. Gli stessi processisti sono anche responsabili della gestione del sistema nel tempo.

Caratteristiche principali di un approccio ibrido:

  • l’investimento necessario per il setup dei modelli è modesto 
  • è necessario sostenere costi per la licenza dei software
  • la velocità con cui si raggiungono risultati dipende dal grado di configurabilità dei modelli disponibili. Infatti tanto maggiori sono i gradi di libertà disponibili in configurazione per i modelli e tanto maggiore è l’aderenza del modello alla realtà e quindi tanto maggiore è la velocità con cui si ottengono risultati.

Approccio Off the shelf

Questo approccio, similmente a quello ibrido, prevede l’impiego di prodotti di mercato sui quali sono disponibili modelli di Predictive Maintenance configurabili, ma in questo caso viene fornito non solo un software ma anche un servizio di consulenza che comprende sia l’attività di configurazione dei modelli che quella di gestione e analisi dei guasti negli anni futuri.

In questo caso quindi l’azienda cliente non deve fornire alcuna competenza specifica. 

L’approccio off the shelf è tipicamente offerto dai vendor delle macchine, che hanno una solida esperienza maturata sul campo presso diversi clienti e sono quindi in grado di fornire analisi comparative sulle prestazioni delle macchine installate presso tutti i lori clienti. 

Caratteristiche principali di una strategia Off the shelf:

  • un impegno economico rilevante per sostenere i costi di licenza e di gestione del servizio
  • la velocità con cui si raggiungono i risultati è tipicamente maggiore rispetto a quella che si ottiene con gli altri due approcci

 

  Implementazione Gestione
Approccio Custom Interna Interna
Approccio Ibrido Esterna Interna
Approccio Off the shelf Esterna Esterna

 

Per un confronto immediato proponiamo un grafico a radar che visualizza le differenze tra i tre approcci proposti rispetto ai seguenti aspetti: 

  • CAPEX
  • costi di licenza e di servizio di gestione
  • possibilità di effettuare customizzazioni
  • velocità di implementazione/sviluppo
  • velocità nell’ottenimento dei risultati
  • accrescimento del know how aziendale
  • comparazione delle proprie prestazioni con soggetti terzi

Predictive Maintenance - confronto tra approccio Custom, Ibrido e Off the shelf

In generale non esiste un approccio migliore e uno peggiore, ma solo uno più o meno adatto alle specifiche esigenze di ogni azienda, in funzione delle capacità di spesa, del know-how interno e degli altri fattori citati.

 

Non è mai troppo tardi per introdurre un miglioramento: contattaci!
I nostri consulenti saranno a disposizione per aiutarti a individuare la strategia di Predictive Maintenance migliore per i tuoi impianti.

 


Non perderti gli altri articoli di beNIMBL Digital Advisory

 

New call-to-action

Iscriviti!