Manutenzione predittiva: cos’è e quali sono le sue applicazioni

Come nasce la manutenzione predittiva

Nel processo produttivo di ogni azienda, i macchinari e le automazioni svolgono oggi un ruolo fondamentale. Per tale ragione, a partire dagli anni ’80, ha assunto sempre maggior rilievo la pianificazione degli interventi di manutenzione sulle macchine, la prevenzione dei guasti e delle rotture, in base alla tecnologia di volta in volta utilizzata e alle necessità del mercato. Si è passati così da interventi manutentivi “tradizionali” o “reattivi”, come il tecnico che viene in azienda e ripara il pezzo una volta che si è rotto, ad interventi “preventivi ” o “proattive”, che non riparano il guasto ma lo prevengono, tra cui si comprende la c.d. manutenzione predittiva (o, nel termine anglosassone, predictive maintenance), che invece mirano a evitare che un determinato componente giunga alla fine della sua vita utile improvvisamente, a discapito della produttività e della sicurezza.

Cos’è la manutenzione predittiva

La manutenzione predittiva o predictive maintenance è un’attività che si basa sull’analisi dei dati raccolti dai macchinari, al fine di convertire tali informazioni in un valore che possa contribuire non solo al miglioramento della produttività degli stessi, ma anche ridurre i rischi connessi a un potenziale (prevedibile) malfunzionamento e minimizzare l’impatto dei costi di manutenzione.

Come anticipato, la manutenzione predittiva rientra nella categoria degli interventi c.d. di manutenzione programmata, ricomprendente al suo interno:

• manutenzione preventiva: interviene un attimo prima che il guasto si verifichi.
• manutenzione preventiva ciclica: aggiunge al carattere preventivo degli interventi tecnici la pianificazione degli stessi nel corso del tempo, sulla base dell’usura cui il macchinario è soggetto e delle indicazioni fornite dai produttori;
• manutenzione predittiva: con l’ausilio di componenti aggiuntive, come valvole, sensori, o interfacce grafiche, consente all’impresa di pianificare gli interventi sulla base del superamento di un determinato valore di “allerta”, del tempo di vita residuo, dell’usura effettiva di un determinato componente. Ciò consente di massimizzare gli interventi (che vengono pianificati secondo le reali necessità e non solo sulla base di stime) e la capacità di un macchinario.

Non si parla, quindi, di meri interventi tecnici, ma dell’elaborazione di una complessa strategia aziendale che miri alla ricerca e all’individuazione tempestiva di potenziali anomalie che, ove trascurate, impediscano all’impresa di crescere o funzionare al meglio delle proprie possibilità, in maniera efficiente e affidabile. In questo senso, i CIO devono spesso guidare o supportare l’adozione di strategie di manutenzione predittiva all’interno delle loro organizzazioni.

Al fine di rilevare il raggiungimento dei citati valori di allerta (c.d. valori soglia), si utilizzano strumentazioni molto eterogenee, sia a livello hardware che software, come sensori, valvole, pulsanti e algoritmi di analisi di dati che consentono all’utilizzatore e ai sistemi interconnessi ai vari macchinari di comunicare in tempo reale e, allo stesso tempo, di capirsi (secondo la logica dell’Internet of Things).

Ovviamente, la progettazione di un sistema di manutenzione predittiva che faccia largo uso di tali strumenti innovativi richiede l’ausilio costante di figure professionali altamente specializzate che sappiano non solo acquisire i dati dalla strumentazione in uso, ma elaborarli correttamente, estrapolando da tali dati un report che contiene solo le informazioni chiave per l’azienda, riducendo i costi inevitabilmente connessi al dispiego di risorse tecnico-finanziarie ultronee rispetto a quelle realmente necessarie.

Un esempio tanto semplice quanto efficace di manutenzione predittiva riguarda la rilevazione della pressione e della temperatura di un qualsiasi macchinario industriale: l’installazione di sensori che possano rilevare, registrare e comunicare le variazioni di tali elementi rispetto al valore di funzionamento ottimale, unita a un programma in grado di tenere traccia di tali variazioni e di elaborarle secondo una scala di “gravità”, può fare la differenza, specie quando un determinato malfunzionamento costituisca non solo un rischio per la produttività, in quanto passibile di creare malfunzionamenti a catena che si riversano su altre componenti dello stesso macchinario o su altri impianti ad esso connessi, ma anche per il lavoratore che lo utilizza.

La manutenzione predittiva e la sicurezza sul lavoro

La prevenzione di guasti e malfunzionamenti, infatti, non è solo utile ma necessaria in settori particolarmente delicati, alla luce della vigente disciplina sulla sicurezza sul lavoro del D.lgs. 81/08.

Tale normativa, applicabile a ogni settore produttivo, specifica, all’art. 71, che è obbligo del datore di lavoro prendere le misure necessarie affinché le attrezzature di lavoro siano “oggetto di idonea manutenzione al fine di garantire nel tempo la permanenza dei requisiti di sicurezza […] e siano corredate, ove necessario, da apposite istruzioni d’uso e libretto di manutenzione”.

Tra gli obblighi in capo al datore di lavoro, si prevede anche che quest’ultimo, “secondo le indicazioni fornite dai fabbricanti ovvero, in assenza di queste, dalle pertinenti norme tecniche o dalle buone prassi o da linee guida”, provveda affinché “le attrezzature di lavoro la cui sicurezza dipende dalle condizioni di installazione siano sottoposte a un controllo iniziale (dopo l’installazione e prima della messa in esercizio) e ad un controllo dopo ogni montaggio in un nuovo cantiere o in una nuova località di impianto, al fine di assicurarne l’installazione corretta e il buon funzionamento”; “le attrezzature soggette a influssi che possono provocare deterioramenti suscettibili di dare origine a situazioni pericolose siano sottoposte:

1. a controlli periodici, secondo frequenze stabilite in base alle indicazioni fornite dai fabbricanti, ovvero dalle norme di buona tecnica, o in assenza di queste ultime, desumibili dai codici di buona prassi;
2. a controlli straordinari al fine di garantire il mantenimento di buone condizioni di sicurezza, ogni volta che intervengano eventi eccezionali che possano avere conseguenze pregiudizievoli per la sicurezza delle attrezzature di lavoro, quali riparazioni, trasformazioni, incidenti, fenomeni naturali o periodi prolungati di inattività”;

Tali controlli, in quanto “volti ad assicurare il buono stato di conservazione e l’efficienza a fini di sicurezza delle attrezzature di lavoro”, devono essere effettuati da personale competente e altamente qualificato, in assenza del quale risulterebbero del tutto privi di utilità.

Anche la Direttiva Macchine 2006/42/CE si basa sui medesimi principi, affermando che “per le macchine automatizzate e, se del caso, per altre macchine, deve essere previsto un dispositivo di connessione che consenta di montare un dispositivo di diagnosi di ricerca delle avarie”.

La ratio è quella di limitare, per quanto possibile, che un dipendente, nel momento in cui utilizza una macchina, possa rimanere coinvolto in un incidente potenzialmente lesivo o letale, specie ove si parli di macchinari industriali di rilevanti dimensioni. Anche la progettazione dei macchinari deve essere tale, ai sensi di quanto stabilito dalla Direttiva Europea, da consentire di limitare i rischi sia nella fase di utilizzo che in quella di manutenzione degli stessi (si pensi al caso in cui vi siano pezzi che devono essere sostituiti frequentemente: questi ultimi dovranno essere facilmente smontabili e rimontabili in condizioni di sicurezza).

Ciò premesso, risulta evidente come una corretta implementazione di sistemi di manutenzione preventiva di tipo “predittivo” possano essere la giusta soluzione non solo al fine di ottimizzare i costi ma anche e soprattutto allo scopo di salvaguardare la salute dei singoli lavoratori, anche ai sensi di quanto stabilito dalla normativa di settore.

Machine learning, blockchain e IoT

Ai sensi di quanto contenuto nella norma UNI 10584, un sistema informativo di manutenzione è un insieme di norme e procedure che può essere supportato in diverse forme.

Ad oggi, poiché i sistemi di manutenzione predittiva mirano alla verifica costante dello stato di salute dei macchinari, al fine di prevenire un guasto si utilizzano appositi software detti CMMS cioè Computerized Maintenance Management System o Sistema computerizzato della gestione della manutenzione, che consentono all’uomo di interagire efficacemente con lo strumento, avvisando i tecnici con il dovuto anticipo di eventuali anomalie, o individuando qual è il pezzo che necessita di manutenzione.

Grazie ad un sistema organizzato di monitoraggio, programmare gli interventi secondo una scaletta temporale efficiente sarà tanto semplice quanto naturale.

Tali applicativi, sebbene necessitino comunque di personale qualificato per poter essere efficacemente interpretati e implementati, rappresentano il punto di svolta nel processo di analisi dello status dei macchinari proprio dell’Impresa 4.0, essendo gli stessi direttamente collegati a tecnologie innovative che consentono, contrariamente a quanto avveniva nei primi anni ’80, di acquisire ed elaborare una enorme quantità di dati eterogenei derivanti dalle più svariate fonti, quali l’Internet of Things (per la fase di acquisizione in tempo reale delle informazioni sulla condizione della macchina), o che, persino, permettono, tramite algoritmi di machine learning, al sistema stesso di imparare e apprendere dal passato, individuando un problema sulla base dell’esperienza, al fine di evitare che possano verificarsi nuovamente determinati malfunzionamenti.

Il CMMS, quindi:

• fornisce i dati necessari alla preliminare corretta pianificazione delle attività manutentive;
• genera degli “alert” e li organizza anche in base all’urgenza e alla gravità;
• funge da sistema centralizzato per l’organizzazione della produzione;
• semplifica l’interpretazione dei dati, i quali, altrimenti sarebbero quasi incomprensibili o di difficile lettura.

Per quanto riguarda la blockchain, ossia la logica dei database distribuiti, sicuramente la manutenzione predittiva ne trae vantaggio. L’analisi dei parametri delle macchine prevede ipotetici guasti prima ancora che si presentino. Si tratta dunque di previsioni che tengono conto della cronologia dei pezzi della macchina.

Come fare predictive maintenance

La pianificazione della manutenzione predittiva segue alcuni step:

• in primis, si procede all’identificazione dei beni soggetti a particolari criticità, che necessitano di essere monitorati attentamente e costantemente;
• sulla base di tali preliminari valutazioni, si crea un database nel quale andranno a confluire tutte le informazioni provenienti dai macchinari;
• si progetta un modello di analisi delle informazioni, sulla base delle peculiarità proprie della macchina e delle indicazioni del produttore, nonché dei principali malfunzionamenti dei quali si ha esperienza diretta;
• si elaborano i valori soglia di riferimento dei quali il sistema di analisi dovrà tener conto nel processo di generazione degli alert;
• si inserisce nel sistema una prima pianificazione, in via preliminare, delle tempistiche di manutenzione, anche in questo caso sulla base dell’esperienza e delle indicazioni fornite dal produttore;
• Il sistema manutentivo viene implementato e messo a regime;
• Si procede a una analisi costante dei dati elaborati dal CMMS da parte di tecnici specializzati in tecnologie 4.0;
• sulla base dei risultati ottenuti, i tecnici implementano e adattano costantemente il CMMS e il programma di manutenzione, anche in base a nuovi fattori sopravvenuti e all’esperienza fornita dai lavoratori che utilizzano il macchinario.

Ogni passaggio deve essere formalizzato all’interno di policies aziendali che prendano in esame i rischi, connessi anche alla prevenzione degli infortuni sul lavoro:

• per l’utilizzatore, derivanti dal mero impiego dei macchinari;
• derivanti da possibili interferenze con altri macchinari collegati al primo;
• derivanti dalla conclusione della vita utile del macchinario e dei componenti destinati a far funzionare lo stesso in condizioni di massima sicurezza;
• connessi all’interruzione della produzione, specialmente in termini di aumento dei costi e di inefficiente gestione delle commesse.

A ogni rischio si associa uno specifico valore di riferimento (detto anche “KPI” o “Key Point Indicator”) che consentirà di tenere traccia del funzionamento di ogni singolo macchinario.

Vi sono due categorie principali di KPI, di risultato o di performance. Tra i KPI di risultato troviamo:

• impatto dei costi di manutenzione sul costo della produzione;
• impatto dei costi di manutenzione sul fatturato;
• impatto sul fatturato e sulla produzione dei costi derivanti dalla indisponibilità della macchina per fermo derivante da un guasto;
• tempo medio di malfunzionamento o guasto per le macchine (MTBF);
• tempo medio di ripristino del macchinario (MTTR)
• tempo medio di riparazione della macchina (MRT)
• numero di interventi all’anno di manutenzione straordinaria;
• numero di interventi all’anno di manutenzione ordinaria;
• tempo di intervento, da parte dei tecnici, conseguentemente ad una richiesta di manutenzione.

I KPI di performance, invece, possono essere:

• numero di ore necessarie per porre in essere gli interventi di manutenzione predittiva e preventiva (%)
• numero di ore di manodopera realizzate sul software (%)
• numero di interventi all’anno posti in essere per garantire l’affidabilità dei macchinari.

Applicazioni della manutenzione predittiva

Attualmente, i sistemi di predictive maintenance, in quanto richiedenti il dispiego di ingenti risorse economiche per poter essere correttamente implementati, sono utilizzati soprattutto in settori fondamentali, a forte automazione e/o meccanizzazione, o che necessitano di un costante monitoraggio, quali:

• il settore manifatturiero (in particolar modo metalmeccanico);
• la fornitura di servizi come elettricità, gas e acqua;
• l’automotive (sia a livello di produzione dell’auto che di successiva manutenzione: si pensi, banalmente, ai sensori che avvertono chi guida dell’approssimarsi di un’avaria legata ai livelli dell’olio o ai liquidi);
• L’aviazione (per procedere a una manutenzione oculata e più efficace).

I valori che più frequentemente sono oggetto di analisi da parte dei CMMS sono:

• la temperatura e le sue variazioni, per evitare che un determinato componente si surriscaldi eccessivamente, danneggiando anche altre parti del macchinario;
• le vibrazioni, per prevenire improvvisi cedimenti o malfunzionamenti derivanti da sovraccarichi del macchinario;
• i livelli dei liquidi lubrificanti, allo scopo di aumentare la vita utile del macchinario permettendo a tutti i componenti di funzionare al meglio delle proprie capacità, diminuendo l’attrito;

Benefici e vantaggi della predictive maintenance

Sulla base di quanto sinora analizzato, ben può comprendersi quali e quanti siano i vantaggi derivanti dall’utilizzo di sistemi di manutenzione predittiva efficaci, sia a livello tecnico che economico. Dal lato economico, i benefici che il sistema apporta sono principalmente connessi a:

• l’incremento dei ricavi, in quanto si produce di più e meglio, senza discontinuità;
• la riduzione dei costi di manodopera connessi alla messa in atto di interventi manutentivi d’urgenza;
• la riduzione dei tempi di fermo produzione;
• la riduzione dei costi connessi al ricambio dei macchinari, in quanto, lavorando in condizioni ottimali, durano di più nel tempo;
• l’incremento della sicurezza per gli utilizzatori dei macchinari, che sono avvisati per tempo di eventuali malfunzionamenti;
• l’aumento dell’efficacia degli stessi interventi di manutenzione, in quanto i tecnici non si muovono a tentoni ma agiscono secondo precisi schemi, in quanto conoscono la fonte del problema che ha causato l’usura o il guasto;

Dal lato organizzativo, invece, consente di:

• monitorare e analizzare in modo preciso la performance dell’impianto, tramite i Key Point Indicator;
• gestire la produzione secondo un approccio prospettico, notoriamente più performante rispetto all’approccio “tradizionale”, di tipo reattivo.

Manutenzione predittiva in Italia

In Italia, ad oggi, le aziende che principalmente fanno uso di sistemi di predictive maintenance sono Trenitalia, Enel e il gruppo Leonardo, ognuna operante nei settori fondamentali dell’automazione. Tuttavia, anche grazie alla progressiva diffusione sul territorio delle nuove tecnologie Impresa 4.0 e delle relative competenze, si auspica che tali sistemi potranno diventare sempre più accessibili, aumentando la capacità produttiva dell’intero tessuto industriale italiano.

Quick Algorithim, la manutenzione predittiva per le vibrazioni dei macchinari

La manutenzione predittiva sta impiegando sempre più tecnologie avanzate come l’intelligenza artificiale e l’Internet delle Cose (IoT). Ad esempio, Quick Algorithm, una startup italiana, ha sviluppato una soluzione di Smart Vibration Monitoring che utilizza sensori IoT e AI per raccogliere dati in tempo reale sulle vibrazioni dei macchinari, permettendo un monitoraggio proattivo.

Manutenzione predittiva per impianti galvanici

Dradura Italia ha lanciato il progetto GD 4.0, in collaborazione con l’Università di Padova e Azzurro Digitale, focalizzato sulla manutenzione predittiva per impianti galvanici. Questo progetto punta a ridurre gli errori di qualità e l’impatto ambientale.

La manutenzione predittiva di Enel Green Power

Enel Green Power ha investito nella manutenzione predittiva delle centrali idroelettriche come parte della sua strategia per la sicurezza e la sostenibilità del business. Questa iniziativa fa parte di un modello guidato dai dati, allineato con le migliori pratiche internazionali, per sostenere la transizione energetica. La manutenzione predittiva permette di prevedere quando una macchina o un’attrezzatura potrebbe guastarsi, migliorando l’efficienza e la sicurezza operativa.

Leonardo: manutenzione predittiva per le flotte di elicotteri

Leonardo continua a integrare soluzioni di manutenzione predittiva nei propri prodotti per renderli più smart e connessi. Questo approccio si basa sull’uso di dati in tempo reale e algoritmi di machine learning per migliorare l’efficienza della manutenzione e la sicurezza operativa. Originariamente, il loro sviluppo risale agli anni Ottanta con il sistema HUMS (Health and Usage Monitoring System), utilizzato nell’industria Oil and Gas e ora standard per i nuovi elicotteri. Attualmente, Leonardo equipaggia gli elicotteri con sistemi di autodiagnosi per prevedere necessità di manutenzione durante i voli, migliorando la gestione della flotta .

Manutenzione predittiva: il caso Trenitalia

Trenitalia ha predisposto un progetto di manutenzione predittiva, che mira a migliorare l’efficienza e la qualità del servizio ferroviario. Questo progetto, realizzato in collaborazione con SAP, utilizza tecnologie di Internet of Things (IoT) e Big Data per monitorare lo stato di salute dei componenti dei treni attraverso centinaia di sensori a bordo. I dati raccolti vengono elaborati in tempo reale tramite la piattaforma SAP Hana. L’obiettivo del programma, denominato Dynamic Maintenance Management, è di passare dalla manutenzione programmata a quella predittiva, anticipando i guasti e ottimizzando la gestione della supply chain.

Alcuni dati

La manutenzione predittiva sta guadagnando importanza in Italia e in Europa. In Italia, nel 2016, solo il 10% delle aziende utilizzava la manutenzione predittiva, mentre il 64% non ne era a conoscenza.

In Europa, il valore aggiunto nel mercato dei servizi di riparazione e installazione ammonterà a 93,8 miliardi di euro nel 2024.

La crescita delle connessioni IoT

Il mercato della manutenzione predittiva è in fase espansiva, spinto anche dalla crescita delle tecnologie IoT.

Nel 2024, il numero di connessioni IoT in Europa supererà il miliardo trainato principalmente dalle smart city e dall’automotive.

Manutenzione predittiva: il ruolo dell’intelligenza artificiale

L’automazione guidata dall’IA sta trasformando i settori industriali, con l’85% degli intervistati che concorda sul suo valore in termini di maggiore produttività ed efficienza.

La manutenzione predittiva, che utilizza l’IA per determinare le condizioni dei dispositivi e stimare quando eseguire la manutenzione, è emersa come il principale caso d’uso dell’IA industriale, rappresentando circa il 25% del mercato globale nel 20

FAQ