Nel nostro ultimo articolo abbiamo parlato di Machine Learning, in particolare dell’Image Recognition e delle sue applicazioni in ambito industriale.
In questo nuovo articolo, coinvolgiamo nuovamente l’Intelligenza Artificiale parlando di qualcosa che, nell’evoluzione verso l’Industria 4.0, si sta rivelando sempre più necessario per ottimizzare costi, tempi e risorse nella produzione: la manutenzione predittiva.
È superfluo parlare di quanto sia deleterio, in un processo produttivo, dover bloccare tutto a causa di un intervento di manutenzione o di sostituzione di un pezzo rotto del macchinario.
Ma ora, non è più necessario attendere tempi biblici per i pezzi di ricambio, o per il check-up da parte di personale specializzato.
PERCHÉ?
Perché, fortunatamente, siamo nell’era dell’IoT: l’Internet delle Cose, una tecnologia che rende gli oggetti intelligenti e capaci di comunicare tra loro, consentendo la raccolta e l’elaborazione di una moltitudine di dati, che possono poi essere utilizzati per “addestrare” un modello di Machine Learning e consentirgli di capire in anticipo dove e come è necessario intervenire.
Ed è proprio su questo che si basa la manutenzione predittiva. Infatti, essa si serve sia di dati storici che dei dati raccolti in tempo reale grazie alla sensoristica installata negli asset del macchinario, così da poter anticipare ogni guasto ancora prima che si verifichi.
SU QUALI PARAMETRI SI BASA LA MANUTENZIONE PREDITTIVA E QUALI DATI RACCOGLIE?
Questo, ovviamente, dipende dal settore. La sensoristica applicata al macchinario può monitorarne potenzialmente ogni aspetto e raccogliere dati in tempo reale, ad esempio, su:
- temperatura
- acustica
- vibrazioni
- composizione chimica dell’olio lubrificante, che può dire molto sullo stato di usura di una parte del macchinario.
QUALI SONO I VANTAGGI DELLA MANUTENZIONE PREDITTIVA?
Ecco i più importanti:
- Utilizzo degli asset per il loro completo ciclo di vita: le attività di manutenzione, infatti, vengono effettuate solo quando sono realmente giustificate, perché non si basano sulle statistiche di vita media o presunta del macchinario, ma sulle sue condizioni monitorate in tempo reale;
- Riduzione di tempi e costi della manutenzione: un intervento viene fatto solo quando ce n’è davvero bisogno;
Niente più blocchi della produzione e fermi macchine: il processo di produzione si mantiene fluido, i dati vengono raccolti dalla sensoristica durante il normale svolgimento delle attività produttive; - Ottimizzazione delle risorse: sapere in anticipo quale componente sta per rompersi o rovinarsi permette di organizzare meglio l’approvvigionamento dei materiali di ricambio e del personale tecnico specializzato;
- Maggior controllo su tutta la produzione: la manutenzione non dipende più da check-up in loco periodici, ma può essere monitorata anche da remoto, aspetto importante in questo particolare momento storico.
- Sempre maggior precisione nelle previsioni grazie alla raccolta di dati: i dati raccolti su funzionamento e usura degli asset addestrano il modello di Machine Learning rendendolo sempre più accurato e preciso;
- Più sicurezza sul luogo di lavoro: un aspetto da non sottovalutare, dal momento che dei guasti non rilevati possono portare a conseguenze critiche o addirittura catastrofiche, che potrebbero mettere in pericolo gli operatori.
ALCUNI ESEMPI DI APPLICAZIONE DELLA MANUTENZIONE PREDITTIVA
- Settore manifatturiero: sensoristica IoT installata nei macchinari di produzione per rilevarne il corretto funzionamento affinché nessuna parte si guasti o blocchi e la produzione possa continuare fluida;
- Settore logistico: magazzini e catena di produzione possono comunicare in modo smart permettendo di sapere in anticipo i periodi di picchi nella richiesta di un prodotto, con conseguente aumento del lavoro da parte delle macchine e una maggior probabilità di usura;
- Settore ferroviario: monitoraggio in tempo reale di veicoli e rotaie;
- Settore Oil & Gas: monitoraggio degli impianti, pressione, composizione, temperatura, ecc.
Per una manutenzione predittiva efficace, è necessario che le varie parti (IoT, sensori, ecc.) lavorino in sinergia, ma soprattutto, è indispensabile un software che coordini le operazioni, metta insieme i dati raccolti e renda il tutto interpretabile e semplice per l’utente, segnalando le scadenze e le criticità, creando uno storico delle operazioni effettuate e, all’occorrenza, comunicando con il magazzino o con il fornitore dei pezzi di ricambio.
Tra i suoi progetti, Lenis ha recentemente sviluppato un software di manutenzione predittiva collegato alla sensoristica installata su macchine utensili. Il software è stato richiesto dai produttori di tali macchinari e, come ulteriore elemento di personalizzazione, è stato aggiunto un modulo che collega il software ad un e-commerce di pezzi di ricambio per i clienti finali.
Come diceva la famosa pubblicità, “prevenire è meglio che curare”, ma prevedere è ancora meglio del semplice prevenire.
Se vuoi scoprire di più sulle soluzioni software di manutenzione predittiva su misuradi Lenis, non esitare a contattarci!
