Una manutenzione predittiva intelligente e su misura

La manutenzione predittiva consente di ridurre al minimo gli interventi non necessari e di prevenire le riparazioni dovute a guasti imprevisti. HxGN EAM fornisce tutti gli strumenti per attuarla e per massimizzare le prestazioni degli asset.

Una società fa affidamento sui propri asset ogni giorno. Un malfunzionamento imprevisto – che riguardi la pipeline della raffineria principale, o le apparecchiature di processo di un impianto importante oppure una scavatrice appena acquistata – può comportare costosi tempi di inattività, spese per le riparazioni e infine il mancato rispetto dei tempi di produzione. Muoversi con anticipo programmando le future esigenze di manutenzione prima che si verifichino dei guasti dovrebbe essere una priorità per ogni azienda.

La manutenzione predittiva consente alle industrie di identificare le esigenze di manutenzione prima che si verifichino guasti, in modo da pianificare i tempi di inattività e ridurre le spese. Si prevede che il mercato della manutenzione predittiva crescerà del 26,2% entro il 2030. Vediamo ora come un’azienda può collocarsi in questo trend e utilizzare così la manutenzione predittiva per portare avanti i progetti nei tempi e nel budget previsti.

Una strategia lungimirante

La manutenzione predittiva è una strategia lungimirante che sfrutta le odierne tecnologie a disposizione e algoritmi sofisticati per affrontare in modo programmato le operazioni necessarie. L’obiettivo della manutenzione predittiva è ridurre al minimo gli interventi non necessari e contenere il ricorso alla manutenzione reattiva dopo che qualcosa è andato storto. Per assolvere questo compito essa si basa su sensori, analisi dei dati, modellazione delle prestazioni e altre tecniche.

Le alternative fra manutenzione preventiva, reattiva e su condizione

La manutenzione predittiva è uno dei modi migliori per gestire le esigenze di un’ampia varietà di asset. Ma essendo solo una singola fase di un modello manutentivo maturo, non può rappresentare un approccio onnicomprensivo. Dovrebbe invece costituire il fulcro di una strategia di manutenzione incentrata sull’affidabilità e in linea con le esigenze dell’azienda. La manutenzione basata sull’affidabilità ha a che fare con la comprensione delle condizioni, del rischio e dell’importanza di un asset: in tal modo essa aiuta l’azienda a prendere decisioni informate quando deve scegliere l’approccio di manutenzione più sensato per ciascuna risorsa. Ad esempio, per prevedere quando una lampadina si spegnerà, non c’è bisogno di installare una serie di sensori.

Gli approcci alternativi sono costituiti dalla manutenzione preventiva, reattiva e basata sulle condizioni. La manutenzione preventiva, detta anche pianificata, è un approccio meno complesso che pianifica le operazioni in base al tempo trascorso dall’ultima attività di manutenzione dell’apparecchiatura. Come la manutenzione predittiva, questa strategia mira a eliminare i tempi di inattività imprevisti. Tuttavia, la manutenzione preventiva può comportare un eccesso di interventi sulle apparecchiature a causa della mancanza di dati su cui invece fa affidamento la predittiva, aumentando così sia i costi che i tempi di fermo programmati.

La manutenzione reattiva si limita a riparare l’apparecchiatura dopo un guasto. Sebbene questo metodo riduca le spese generali iniziali, è probabile che si riveli più costoso a lungo termine. Diventa impossibile rispettare i budget, la produzione rallenta e i dipendenti vengono pagati per il tempo in cui non possono lavorare attivamente.

La manutenzione su condizione, che fa parte della manutenzione incentrata sull’affidabilità, implica l’allineamento della strategia di manutenzione con le condizioni di un asset in quel momento. Basare la gestione delle risorse esclusivamente sulle condizioni può essere più efficace della manutenzione preventiva nel ridurre il carico di lavoro. Tuttavia, non riesce a fornire informazioni sufficienti sullo stato degli asset dell’azienda in tempo reale, poiché richiede frequenti ispezioni qualitative e quantitative.

Un modello maturo di manutenzione e certe strategie di gestione degli asset non sono validi allo stesso modo per tutte le risorse, i siti e le attività dell’azienda. Sfruttare delle strategie personalizzate su più siti e più tipologie di risorse aiuta a massimizzare le prestazioni degli asset e i benefici della manutenzione.

Vantaggi e sfide della manutenzione predittiva

La manutenzione predittiva è una strategia affidabile ed economicamente vantaggiosa. Vediamo nel dettaglio alcuni dei suoi numerosi benefici.

Aumento dei tempi di attività – Stanco di passare da un guasto imprevisto a un altro o di non sapere mai se la successiva manutenzione programmata è davvero necessaria? La ricerca di Hexagon ha mostrato che un sistema di gestione degli asset che supporta la manutenzione predittiva può comportare una riduzione media del 5-15% dei tempi di inattività delle risorse critiche. La manutenzione predittiva fornisce all’azienda i dati di cui ha bisogno per ridurre i tempi di inattività imprevisti e per pianificarli secondo quanto è strettamente necessario a garantire le prestazioni degli asset.

Riduzione dei costi di manutenzione – Allo stesso modo, manutenere gli asset solo quando è effettivamente necessario, riducendo al tempo stesso i tempi di inattività e le riparazioni più costose spesso causate dai guasti alle apparecchiature, si traduce in un contenimento delle spese. La società di consulenza McKinsey ha scoperto che il 50% dei costi fissi in un tipico impianto chimico sono correlati alla manutenzione.

La manutenzione predittiva riduce notevolmente questi costi. Ad esempio, Tecnichapa, un produttore di componenti metallici, ha ridotto i costi di manutenzione del 15%, quelli del consumo energetico dell’impianto del 30% e il costo del subappalto esterno del 25: tutto questo utilizzando un sistema di gestione degli asset che supporta la manutenzione predittiva. Avendo a disposizione maggiori informazioni sullo stato corrente dei propri asset, un’azienda può essere certa di rispettare il budget previsto per la manutenzione.

Maggiore produttività – La manutenzione predittiva aiuta gli asset a funzionare secondo le aspettative in modo costante. McKinsey ha scoperto anche che i tempi di inattività non pianificati sono la principale causa di mancata produzione in un tipico impianto chimico. Inoltre, uno strumento di gestione degli asset con funzionalità di manutenzione predittiva può migliorare del 10-30% la produttività della forza lavoro dedicata alle attività manutentive. Di conseguenza, le società vedranno aumentare le vendite e l’efficienza delle apparecchiature.

Naturalmente, anche la manutenzione predittiva pone delle sfide da affrontare. Di seguito vengono descritte alcune difficoltà che le industrie devono considerare quando adottano una strategia di manutenzione predittiva.

Aumento degli investimenti iniziali – Il costo dell’implementazione di una strategia di manutenzione predittiva, che include sensori e altri strumenti, scoraggia alcune società. Tuttavia, il ritorno sull’investimento vale il costo iniziale. L’azienda può inoltre ridurre in una certa misura le spese applicando la manutenzione predittiva solo agli asset più strategici e in grado di ottenere i maggiori benefici da questo approccio. Gestire le risorse critiche in questo modo può ottimizzare i tempi di attività, aumentare la produzione complessiva e incrementare i profitti dell’azienda.

Trovare il software giusto – Selezionare una piattaforma progettata in modo intuitivo, che includa tutte le funzionalità necessarie a supportare la manutenzione predittiva è più facile a dirsi che a farsi. È importante cercare una soluzione olistica incentrata sulla gestione delle prestazioni degli asset e che offra tutte le funzionalità di manutenzione di cui la propria azienda ha bisogno in un unico sistema, dalla digitalizzazione alla creazione di strategie di mitigazione del rischio e altro ancora. Questa soluzione dovrebbe inoltre supportare i lavoratori in prima linea con un approccio mobile-first e un’app integrata, in modo che possano acquisire e rivedere i dati da qualsiasi luogo con una semplice connessione internet e così completare il lavoro in modo più efficiente.

Non esiste una soluzione valida per tutto – Ogni aspetto della strategia di manutenzione dell’azienda dovrebbe essere adattata alle sue esigenze specifiche e la manutenzione predittiva non fa eccezione. L’applicazione indiscriminata di un approccio di manutenzione predittiva a tutti gli asset darà luogo a complicazioni inutili e costi eccessivi. Occorre prendersi il tempo per valutare quale tecnica di manutenzione si adatti meglio a ciascun asset e selezionare la tecnologia di misurazione appropriata per le apparecchiature che possono trarre vantaggio dalla manutenzione predittiva.

Cinque tecnologie di analisi e monitoraggio

La manutenzione predittiva si basa sull’utilizzo degli strumenti e delle tecniche giuste per misurare gli indicatori chiave per manutenere un asset. Ecco una breve descrizione dei cinque metodi analitici di manutenzione predittiva più comuni e di quando ha senso utilizzarli.

1. Analisi vibrazionale – L’analisi vibrazionale viene eseguita su macchine rotanti, che utilizzano l’energia cinetica per funzionare ed emettono una quantità misurabile di vibrazioni. Utilizza i sensori per stabilire innanzitutto una vibrazione di base. Man mano che i dati vengono raccolti, è possibile rilevare piccoli cambiamenti e utilizzarli per pianificare le riparazioni imminenti. L’analisi vibrazionale viene spesso usata per la manutenzione predittiva nelle industrie del settore oil&gas dove le macchine rotanti sono comuni.

2. Monitoraggio acustico – Il monitoraggio acustico, o sonoro, è una tecnica che utilizza i sensori per rilevare il profilo sonoro unico di una macchina. L’intelligenza artificiale viene quindi addestrata a rilevare quando i suoni differiscono da questo profilo. Questi sensori sono altamente in sintonia con il suono e possono rilevare quando parti della macchina sono allentate o prive di lubrificazione. Il monitoraggio acustico funziona meglio negli ambienti in cui c’è poco rumore di fondo che possa disturbare i sensori.

3. Analisi a infrarossi – L’analisi a infrarossi misura la temperatura degli asset e può aiutare a identificare problemi come il surriscaldamento dei macchinari, che può degradare le apparecchiature e ferire i dipendenti. Consentono anche di individuare le guarnizioni che perdono, evitando la dispersione di energia e il conseguente aumento dei costi. Questo tipo di analisi può essere applicato a molti tipi diversi di apparecchiature, purché producano una quantità misurabile di calore. I sensori possono essere collocati in una posizione specifica sulla macchina o in più posizioni a seconda del tipo di attrezzatura in questione.

3. Analisi dell’olio – Questa tecnica analizza la lubrificazione di una macchina. La mancanza di lubrificazione o una lubrificazione incompleta possono causare guasti imprevisti e tempi di fermo eccessivi in qualsiasi macchina che utilizza olio per il suo funzionamento. Quando le aziende possono pianificare i cambi di olio in modo intelligente, le interruzioni della produzione sono ridotte al minimo. Il metodo più efficace di analisi viene eseguito utilizzando sensori che campionano e analizzano regolarmente la composizione dell’olio.

5. Machine learning – Il machine learning, o apprendimento automatico, è una parte fondamentale della manutenzione predittiva, poiché rileva in modo intelligente quando l’attività di manutenzione è necessaria. L’intelligenza artificiale e l’apprendimento automatico sono coinvolti nella maggior parte delle strategie di manutenzione predittiva perché rendono possibile l’automazione del monitoraggio, che in precedenza veniva invece eseguito manualmente. Con una soluzione di gestione degli asset moderna e basata sull’intelligenza artificiale, i programmi di manutenzione vengono adattati ai singoli asset e i membri del team vengono avvisati automaticamente sugli interventi da realizzare.

Come iniziare

La creazione di un piano di manutenzione predittiva è un processo che deve avvenire in più fasi. All’inizio si individuano le risorse che possono trarre vantaggio da un approccio di manutenzione predittiva. Poi vengono identificati i parametri che indicano meglio la necessità di manutenzione per ciascun asset. Quindi viene il momento di procurare e configurare i sensori e il software necessari, collegando ogni componente tecnologico alla piattaforma di manutenzione. È importante poi costruire un solido database contenente le informazioni necessarie a prendere decisioni intelligenti sulla manutenzione degli asset, oltre che sfruttare i modelli di dati relativi allo storico e alle prestazioni del produttore al fine di accelerare il time-to-value. E finalmente, quando i dati individuano il momento corretto, si pianifica e si esegue il lavoro di manutenzione.

Lo strumento per una manutenzione intelligente e su misura

La manutenzione predittiva è un must per tutte le aziende che si basano sui dati e che desiderano sviluppare una strategia di manutenzione intelligente pensata su misura per i loro specifici asset.

HxGN EAM fornisce tutto ciò di cui l’azienda ha bisogno per iniziare con la manutenzione predittiva e massimizzare le prestazioni degli asset. Include strumenti potenti come Asset Performance Management, una soluzione centralizzata per tutte le esigenze di gestione e manutenzione delle risorse. Essa garantisce che l’azienda conosca sempre il modo migliore per manutenere i propri asset al costo complessivo più basso. Al contempo, HxGN EAM Constraint Optimizer semplifica il processo decisionale e aumenta l’efficienza della pianificazione. Pezzo finale del puzzle è HxGN EAM Digital Work, che aumenta l’accuratezza dei dati e aiuta l’azienda a creare un’esperienza di lavoro intuitiva per tutti gli operatori.

Le soluzioni di Hexagon

La soluzione di manutenzione predittiva di Hexagon utilizza analisi avanzate, l’intelligenza artificiale e l’apprendimento automatico per prevedere e rispondere in modo proattivo e in tempo reale ai problemi, prima che si verifichino.

Nella maggior parte delle aziende, il modello operativo agisce in modo reattivo rispetto ai problemi di qualità e produzione. Se un componente non supera una misurazione della qualità, viene emesso un alert di processo, l’evento viene registrato, i prodotti vengono scartati e un responsabile della qualità o della produzione diagnoste ica il problema della macchina.

Con la manutenzione predittiva, i produttori raccolgono i dati in live streaming, l’analisi delle informazioni in-loop e il monitoraggio in tempo reale dei segnali che precedono le interruzioni di attività. Questo porta alla rilevazione e risoluzione dei problemi in tempi rapidi. Eliminando i tempi di inattività, la soluzione offre una riduzione fino al 20% degli scarti.

Caratteristiche e benefici:

• i dati di misurazione vengono analizzati e previsti;
• se necessario, è possibile prevedere situazioni al di fuori delle specifiche sulla base di misurazioni ripetute sui manufatti;
• predisposizione per cloud e on-premise;
• cronologia e previsione delle attività del servizio, analisi delle cause principali degli errori e dei tempi di inattività;
• valutazione della capacità del processo basata su reti neurali disponibili in Q-DAS qs-STAT.