Di Giovanni Prinetti, Solution Marketing Manager di Allied Telesis
Le operazioni di manutenzione e riparazione (Maintenance and Repair Operations – MRO) sono tra le attività più importanti delle aziende moderne del settore industriale e consentono di operare in modo agile, con un impatto significativo su produttività e profitti. In particolare, un ruolo importante viene giocato dalla gestione e manutenzione degli asset fisici, come macchine e strumenti utilizzati negli ambienti produttivi. Per questo motivo, le aziende sono sempre alla ricerca di nuove e avanzate modalità per la loro gestione, a cui destinano investimenti importanti.
Tipicamente, l’approccio più diffuso alla manutenzione dei macchinari è quello reattivo, che ne prevede la riparazione o sostituzione in caso di guasto. La manutenzione reattiva non è però molto efficace: spesso comporta tempi di inattività della produzione, in quanto le operazioni devono essere interrotte per la sostituzione di un determinato apparato. Per questo la maggior parte delle aziende impiega un modello alternativo per gli asset principali, definito di manutenzione preventiva, che prevede la sostituzione o la manutenzione dei macchinari prima del loro termine vita nominale. Grazie alla proattività, si evitano tempi di inattività disastrosi, in quanto non si raggiunge mai la fine del ciclo di vita degli asset. Non è per forza il metodo più economico, perché tende a ridurre la vita del prodotto, e per questo alcune aziende optano per una manutenzione basata sulle condizioni effettive di un macchinario, prima che si verifichi un guasto. Una delle più popolari è la manutenzione predittiva, che sfrutta le previsioni sulla vita utile residua e sul fine vita dell’asset, programmando interventi nel momento più opportuno, evitando fermi macchina e ottimizzando l’efficienza complessiva delle apparecchiature. Tuttavia, la sua adozione è impegnativa, poiché non esiste un modo semplice e univoco per prevedere e anticipare i guasti degli asset industriali.
Secondo un report di The Insight Partners, “Previsioni sul mercato della Manutenzione Predittiva fino al 2028”, si prevede che il suo mercato raggiungerà i 26,58 miliardi di dollari entro il 2028, rispetto ai 5,31 miliardi di dollari nel 2021.
Negli ultimi anni, la spinta dell’Industria 4.0, con IoT e IIoT, ha permesso alle aziende di raccogliere grandi quantità di dati digitali sui propri sistemi di produzione, facilitandone l’implementazione con benefici economici tangibili. La manutenzione predittiva è diventata una delle applicazioni più popolari grazie al suo comprovato ritorno sull’investimento e la sua ampia applicabilità in quasi tutti i settori industriali, tra cui quello manifatturiero, petrolifero e gas, minerario, di edifici intelligenti e altri.
Stima della vita utile residua con l’analisi predittiva
Lo sviluppo di soluzioni di manutenzione predittiva sfrutta i grandi volumi di dati digitali provenienti da sensori, sistemi di produzione e applicazioni aziendali, che vengono elaborati da algoritmi analitici avanzati come Machine Learning e Intelligenza Artificiale, per aiutare a valutare le condizioni delle apparecchiature. E’ possibile applicare algoritmi di analisi predittiva ai dati provenienti da vari dispositivi come sensori di vibrazione, sensori di temperatura, di consumo energetico, acustici, dispositivi a ultrasuoni e di imaging termico. Ulteriori informazioni che vengono sfruttate sono quelle provenienti dai sistemi informativi aziendali (come gli ERP), ad esempio sulla qualità della produzione e sull’analisi dell’olio delle macchine, affinché forniscano insight utili sul funzionamento e le condizioni dell’impianto.
L’ascesa dell’Asset-as-a-Service
Alla base delle soluzioni di manutenzione predittiva, vi sono infrastrutture e tecnologie digitali, come quelle di rete ad alta velocità, le piattaforme Big Data e le tecnologie di analisi avanzate.
Oltre alla riduzione dei tempi di inattività e all’aumento dell’efficienza complessiva degli apparati, la manutenzione predittiva abilita una serie di nuovi modelli aziendali di manutenzione basati sul paradigma Asset-as-a-Service (AaaS), che consente agli OEM di investire nei prodotti in base al loro utilizzo, senza costi fissi anticipati. A tal fine, sfruttano le informazioni sulle condizioni e sullo stato di salute degli asset per pianificare le operazioni di manutenzione, riparazione e assistenza sul campo e offrono visibilità sullo stato degli asset e sulle operazioni di manutenzione che devono essere eseguite. In questo contesto, è possibile anche implementare modelli di Maintenance-as-a-Service (MaaS), che addebitano ai clienti la fornitura di informazioni su manutenzione e riparazione.
In futuro, MaaS e AaaS offriranno maggiore flessibilità nella pianificazione delle operazioni di manutenzione e riparazione, senza più la necessità di ricorrere a costosi contratti di manutenzione.