Cosa significa fare manutenzione predittiva IoT?

Nell'industria degli ultimi anni, dove la competizione si gioca su un mercato sempre più globale, fare manutenzione predittiva non è più solo una scelta, è diventata una necessità, e grazie alle nuove tecnologie non è più appannaggio di pochi. La manutenzione predittiva IoT, infatti, supera i limiti dei metodi 'tradizionali" (alti costi e difficolta di implementazione) perchè i progressi nella tecnologia wireless, il Cloud e l'Intelligenza Artificiale hanno reso questo tipo di manutenzione molto più potente, semplice da realizzare e disponibile ad un costo più contenuto rispetto al passato.

Manutenzione reattiva e manutenzione preventiva

La manutenzione predittiva 'tradizionale" è costosa. Non tutte le aziende hanno le risorse per affidarsi a questa strategia, quindi, la maggior parte di loro decide di intervenire a guasto avvenuto o di programmare la manutenzione sulla base di un calendario. Nel primo caso si parla di manutenzione reattiva (o correttiva) che, però, aumenta le probabilità che si verifichino fermo macchina non programmati e che presuppone alti costi di riparazione. In linea di principio, infatti, questo tipo di manutenzione sarebbe da limitare alle attività meno 'critiche" per l'azienda, cioè a quelle che hanno un impatto minimo sul processo produttivo. Nel secondo caso si parla di manutenzione preventiva: i tecnici della manutenzione fissano le riparazioni sulla base di un calendario definito a priori, basandosi spesso sulle raccomandazioni del produttore, che però potrebbero discostarsi dalle condizioni operative effettive della macchina.

Manutenzione predittiva 'tradizionale"

Con manutenzione predittiva, invece, si fa riferimento ad una strategia di manutenzione che tenta di capire qual è lo "stato di salute" di una macchina per determinare se è necessaria un'azione correttiva. Per farlo, di solito, un tecnico posiziona dei sensori sulle macchine per raccogliere periodicamente ( per esempio una volta la mese) parametri come vibrazioni, temperatura e ultrasuoni e stimare la vita utile della macchina e la probabilità che si verifichino guasti. Ma questo approccio non è realmente predittivo, perchè ha diversi limiti:

1) Si possono verificare anomalie tra una raccolta dati e la successiva

Generalmente, nelle aziende che fanno manutenzione predittiva tradizionale, i tecnici raccolgono i dati ogni 30/90 giorni, ma tra un controllo e l'altro possono verificarsi delle anomalie che non vengono rilevate fino alla raccolta di dati successiva. Quindi il rischio che ci siano guasti e fermo macchina imprevisti in questo lasso di tempo non è totalmente scongiurato.

2) La raccolta dei dati può essere 'incoerente"

I tecnici potrebbero posizionare i sensori in modo 'incoerente", cioè non sempre allo stesso modo e nello stesso identico punto, quindi le stime possono variare.

3) Le condizioni operative cambiano e in fase di analisi bisognerebbe tenerne conto

Questo è uno dei fattori più importanti da considerare. Ogni volta che si fa manutenzione predittiva, le condizioni operative della macchina devono essere sempre le stesse, ma nella pratica è molto difficile che questo avvenga. Perciò, in fase di analisi dei dati, può accadere che l'analista interpreti una variazione al rialzo di certi parametri come un errore della macchina, quando in realtà la causa dipende da altri fattori, come un aumento di carico, per esempio.

4) Alcuni macchinari sono difficili da raggiungere

Spesso le macchine non sono facili da raggiungere, in alcuni casi i tecnici non possono avvicinarsi per problemi di sicurezza oppure perchè sono protette da una gabbia. Così si finisce per non raccogliere dati su queste macchine, non vengono rilevate tutte le informazioni necessarie e aumentano le possibilità che ci sia un guasto.

5) L'analisi manuale dei dati ha dei limiti

Tutti i dati raccolti devono essere analizzati manualmente. Non è possibile farlo in tempo reale. In più non si tratta di un'attività scalabile: in molti casi i tecnici devono controllare centinaia di macchine ogni anno.

Dalla manutenzione predittiva tradizionale alla manutenzione predittiva IoT

Fino a poco tempo fa, le aziende industriali che facevano manutenzione predittiva si affidavano alla raccolta periodica, perchè il monitoraggio continuo era estremamente costoso. Ma oggi non è più così. Infatti, l'Internet of Things e le nuove tecnologie hanno reso la manutenzione predittiva più semplice da realizzare e molto più economica:- grazie alla connessione Internet senza fili non è più necessario cablare i sensori per la raccolta di dati- i sensori a loro volta sono più economici, anche per via della diffusione degli Smartphone che ha abbassato il prezzo di questi prodotti- il Cloud oggi è più sicuro e meno costoso - l'Intelligenza Artificiale applicata come analisi predittiva aiuta gli analisti a interpretare un numero sempre più grande di dati e a prevedere gli eventi futuri

Manutenzione predittiva + Internet of Things = IoT predictive maintenance

A differenza della manutenzione predittiva tradizionale, quindi, nelle aziende che scelgono la IoT predictive maintenance, sono le macchine a inviare dati sul loro stato di salute, continuamente e in tempo reale. Vibrazioni, temperatura, usura... arrivano al Cloud grazie al wireless, dove vengono elaborati e storicizzati dal sistema IoT. I tecnici possono visualizzare l'andamento di questi parametri direttamente dal loro computer o da mobile. Le informazioni vengono quindi analizzate con l'Intelligenza Artificiale applicata come analisi predittiva per diagnosticare in anticipo le anomalie e stimare il fine vita delle macchine. Grazie alla diffusione delle nuove tecnologie, in futuro (non troppo lontano), la manutenzione sarà sempre più automatizzata e la manutenzione predittiva meno costosa, così i tecnici e gli analisti potranno concentrarsi solo sulla riparazione e sull'interpretazione dei dati per prendere decisioni. I fermo macchina si ridurranno al minimo e le azioni correttive si limiteranno allo stretto necessario.