Manutenzione predittiva: che cos’è e come funziona

La manutenzione predittiva (nota anche come predictive maintenance) rappresenta indubbiamente una delle possibilità più interessanti per l’evoluzione digitale del settore industriale in ottica industry 4.0, nonché per il momento una delle più concrete. Ma di cosa stiamo esattamente parlando? Quali sono i benefici che può portare questo tipo di approccio? Che cosa lo differenzia dalle altre forme di manutenzione più tradizionali?

Partiamo da una definizione: la manutenzione predittiva è una strategia proattiva di manutenzione in ambito industriale – resa possibile dall’evoluzione e dal contributo delle moderne tecnologie digitali – che è in grado di prevedere la probabilità di guasto di un’apparecchiatura o un macchinario, raccogliendo i dati di funzionamento delle stesse e analizzandoli con appositi software di AI e/o data analytics. Evitando così i fermi macchina e gli stop improvvisi alla produzione che, in buona sostanza, non si verificherebbero mai, proprio perché i necessari interventi di manutenzione sarebbero eseguiti per tempo.

Inoltre, con la predictive maintenance buona parte di questi interventi possono essere eseguiti in maniera automatica o tramite software, completamente da remoto. Con vantaggi importanti dal punto di vista della produttività: in un contesto competitivo sempre più globale, le imprese industriali non possono permettersi di mancare la data di commesse e scadenze per un improvviso guasto dei propri macchinari. Inoltre, le azioni di manutenzione su apparecchiature ormai guaste possono essere costose o difficoltose: alcuni tipi di macchinari possono essere stati acquistati magari dall’estero, addirittura da altri continenti, rendendo complicato l’improvviso intervento in loco delle squadre di manutentori.

Molto spesso la manutenzione predittiva viene confusa con quella preventiva. Ma in realtà, esiste una notevole differenza tra queste due concezioni della manutenzione, nonostante entrambe siano accomunate dal tentativo di evitare l’intervento a guasto avvenuto. Se la manutenzione predittiva cerca di individuare il grado di probabilità di malfunzionamento di un apparecchiatura, quella preventiva non ha questo tipo di ambizioni. Piuttosto, più semplicemente, cerca di ridurre le probabilità di guasto di un determinato macchinario attraverso la programmazione di interventi di manutenzione eseguiti a intervalli temporali regolari oppure legati al superamento di una certa soglia di impiego.

Il problema è che, in questo modo, si riesce soltanto a diminuire la probabilità di guasto improvviso, ma non ad abbatterla del tutto, dal momento che i difetti delle macchine non sono sempre e comunque legati ai tempi di utilizzo.
D’altra parte, però, l’adozione di una strategia di manutenzione preventiva evita alle imprese gli investimenti iniziali necessari a mettere in atto una strategia di predictive maintenance.

Come funziona la predictive maintenance? Sostanzialmente la chiave è l’Internet of Things, ovvero la possibilità, tramite la sensoristica di nuova generazione, di connettere i macchinari industriali. Che possono così essere monitorati continuamente relativamente ai loro parametri di funzionamento principali (vibrazioni, consumi energetici, ecc), che sono spesso indicativi dello stato di salute di un macchinario.

Quando, ad esempio, la temperatura interna di un apparecchio è decisamente al di sopra dei parametri stabiliti, è chiaramente indizio che qualcosa non sta funzionando per il verso giusto. Parametri come questi, debitamente analizzati e interpretati attraverso delle piattaforme software apposite, integrate con algoritmi basati sull’intelligenza artificiale, sono così in grado di identificare con un elevato tasso di precisione le possibili anomalie.

Quando vale la pena di implementare una strategia di questo tipo? In realtà la domanda dovrebbe essere capovolta: nella grande maggioranza dei casi sono gli stessi produttori di macchinari industriali, alla ricerca di differenziazione sul mercato, a proporre loro stessi servizi di assistenza basati sulla predictive maintenance. Quindi, tipicamente, questa viene introdotta nelle imprese industriali attraverso l’introduzione di nuovi macchinari, già nativamente predisposti per questo tipo di approccio.

L’Internet of Things, anzi per la precisione l’Industrial Internet of Things (IIoT), rappresenta la base per l’implementazione di una strategia di manutenzione predittiva. Infatti è del tutto evidente che, senza la connessione verso l’esterno delle apparecchiature presenti in una fabbrica non sarebbe possibile monitorarne in tempo reale le prestazioni. E senza i dati che arrivano dal campo sarebbe semplicemente impossibile “alimentare” i software di AI e analytics incaricati. D’altra parte, però, in un ambiente industriale convivono macchinari di diversa natura, spesso abituati a utilizzare protocolli di comunicazione differenti. Dunque l’organizzazione di un progetto Industrial IoT finalizzato alla manutenzione predittiva non può essere certo improvvisata. Oltre all’aspetto hardware da gestire – sensori e dispositivi IoT in primis – esiste quello software: occorre identificare la giusta piattaforma che consenta la gestione, raccolta e analisi della grande mole di dati prodotti in tempo reale dai macchinari connessi.

Dal momento che la manutenzione predittiva provoca un miglioramento complessivo della manutenzione dei macchinari industriali, essa può essere applicata in qualsiasi settore industriale o anche in settori contigui: ad esempio, un particolare tipo di manutenzione predittiva viene applicato agli impianti eolici, costituiti da torri alte anche decine di metri. In questi casi sono i droni a rilevare le condizioni delle pale e delle altre apparecchiature che costituiscono gli impianti, permettendo l’acquisizione di parametri che, dopo essere stati opportunamente analizzati, consentono di effettuare una manutenzione di tipo predittivo.

Un classico caso di predictive maintenance è stato messo in atto da BASF, una delle maggiori aziende chimiche al mondo, che ha puntato sulla digitalizzazione della manutenzione per ridurre gli arresti imprevisti dei propri impianti. In particolare, sotto osservazione è finita l’infrastruttura elettrica dello stabilimento BASF di Beaumont (Texas): è stata prevista la raccolta, la misurazione e il calcolo continui di più di 100 variabili di condizione per 63 risorse della sottostazione. I dati vengono poi monitorati e analizzati da una dashboard digitale che fornisce informazioni 24 ore su 24 e 7 giorni su 7 sull’indice di salute globale della sottostazione.

La manutenzione predittiva, invece, ha permesso a KONE, azienda specializzata nel mondo degli ascensori, ovvero uno dei classici settori di norma interessati da una manutenzione preventiva. L’azienda, con l’obiettivo di lanciare la sua offerta di servizi connessi 24 ore su 24, 7 giorni su 7, ha puntato sulla predictive maintenance, riducendo al contempo i tempi di fermo delle apparecchiature e i guasti.

In ambito più specificatamente industriale, per fare concretamente la manutenzione predittiva occorre verificare le condizioni degli impianti e dei macchinari oggetto di analisi. Come ad esempio la temperatura: quando la temperatura media delle apparecchiature è troppo elevata rispetto alle impostazioni ottimali, il parametro è immediatamente rilevato e trasmesso alle opportune piattaforme software, perché probabile indice di anomalie. In maniera simile, un aumento dell’intensità delle vibrazioni delle componenti interne può essere indice di un malfunzionamento.

In ambito industriale, l’usura della macchina può essere tempestivamente individuata attraverso le analisi degli oli lubrificanti, che possono fornire preziose indicazioni sullo stato di salute complessivo. Una volta individuati e raccolti i parametri da monitorare, occorre gestirli: per questo motivo uno dei passaggi fondamentali per la manutenzione predittiva è anche la creazione di una infrastruttura in grado di governare l’acquisizione, normalizzazione, contestualizzazione ed aggregazione dei dati. Una volta messo a punto questo passaggio è importante – grazie al contributo di tecnologie come analytics e machine learning – arrivare alla definizione di un vero e proprio modello per la predictive maintenance. Quest’ultimo è in grado di rappresentare come si comporta il sistema analizzato al variare delle misure/parametri e prevedere le possibili problematiche, attraverso la valutazione dinamica dei dati a disposizione, inviando anche degli appositi alert agli operatori.

Quali sono, dunque, i benefici di una manutenzione predittiva? Il vantaggio principale, come abbiamo già visto, consiste nell’evitare degli stop improvvisi della produzione e del conseguente incremento della produttività. Si tratta di aspetti che possono costare molto alle imprese, specialmente in tempi di competizione globale sempre più stretta e di commesse sempre più ravvicinate. Ma esistono anche altri benefici, uno dei quali è direttamente collegabile all’attività di manutenzione vera e propria. Il miglioramento assicurato dalla predictive maintenance ha l’effetto di prolungare la vita utile degli asset oggetto di analisi, con conseguente riduzione dei costi. I costi complessivi della manutenzione, con la manutenzione predittiva, tendono poi a ridursi notevolmente, in particolare per la riduzione delle uscite delle squadre fisiche di manutentori. Ma anche per la diminuzione delle spese legate al magazzino e all’acquisto delle componenti di ricambio, che quando devono essere acquistati con urgenza comportano inevitabilmente un costo superiore. Infine la migliore manutenzione garantisce di conseguenza una migliore conformità normativa, nonché condizioni di sicurezza più elevate per i lavoratori della fabbrica.