Tra le varie tendenze che ridefiniscono gli strumenti e le funzioni per la manutenzione degli impianti industriali, la manutenzione predittiva evidenzia molto bene le novità tecnologiche in via di sviluppo in molte imprese, soprattutto quelle che impiegano un elevato numero di macchinari, apparati e dispositivi elettronici.

Parecchie ragioni portano a sostenere che la manutenzione predittiva è il futuro per le PMI di diversi settori industriali.

Vediamone tre più in dettaglio.

1. L’importanza della prevenzione

La manutenzione predittiva è il futuro perché rappresenta il gradino più evoluto della manutenzione programmata o “su condizione”, il cui obiettivo è azzerare o almeno ridurre il più possibile l’eventualità che un dato macchinario si guasti.

Qui la parola d’ordine per il tecnico-manutentore è: evitare il fermo macchina prolungato.

Di conseguenza, bisogna fare molta prevenzione, monitorando costantemente i parametri di funzionamento degli apparati industriali – macchine, motori, linee di assemblaggio, impianti elettrici e così via – in modo da capire in anticipo quando uno o più elementi si sono deteriorati a tal punto da compromettere le prestazioni ottimali.

L’evoluzione di tale attività consiste nell’utilizzo di piattaforme software di asset management per controllare, analizzare, confrontare tutti i parametri e decidere quando e come intervenire.

A questo scopo, per digitalizzare il flusso di dati generato da ogni macchinario, ci si avvale di applicazioni CMMS (Computerized Maintenance Management Software) che integrano tecnologie di ultima generazione come i sistemi IoT (Internet of Things) basati su sensori e contatori applicati agli impianti.

2. La manutenzione predittiva riduce le inefficienze

La manutenzione predittiva è il futuro per le PMI innovative perché consente di eliminare le inefficienze e abbattere i costi per i lavori di assistenza. Senza dimenticare che macchinari più efficienti e sempre in ottima condizione assicurano maggiore produttività, maggiori profitti e minori consumi energetici.

Un paio di esempi.

Con una buona manutenzione predittiva è possibile accorciare notevolmente il tempo medio di ripristino o MTTR (Mean Time to Repair), cioè il tempo che trascorre tra diagnosi precisa di un guasto e la riparazione.

Difatti, conoscendo in anticipo il momento giusto per sostituire o riparare un pezzo, si velocizzano gli interventi di manutenzione e si migliora anche la gestione del magazzino e della logistica (ordini dei pezzi di ricambio).

I software CMMS aiutano a individuare il “momento giusto” per la riparazione o sostituzione: in altre parole, a stabilire la soglia critica di durata utile per un componente, che è bene non oltrepassare se si vuole evitare il rischio di uno stop improvviso.

Il secondo esempio di manutenzione predittiva è la possibilità di monitorare con attenzione un indicatore fondamentale per stabilire l’affidabilità di un macchinario e le tempistiche degli interventi: parliamo allora del tempo medio tra i guasti o MTTB (Mean Time Between Failures).

Anche in questo caso, la piattaforma CMMS aiuta il responsabile della manutenzione degli impianti industriali a rilevare le anomalie di funzionamento, analizzare i dati e pianificare le operazioni dei tecnici interni o esterni all’azienda.

3. Come estrarre più valore dai dati

La terza ragione che spiega perché la manutenzione predittiva è il futuro di tante aziende, è la possibilità di ricavare più valore aggiunto dai dati.

Difatti, la manutenzione predittiva richiede di elaborare in modo veloce e ordinato un volume crescente di dati provenienti dai sistemi IoT.

Ecco perché sempre più spesso si fa riferimento al concetto di Big Data: la realtà digitale, fatta di algoritmi, piattaforme software, sistemi di cloud computing, fino all’intelligenza artificiale, sta facendo evolvere il mondo “fisico” degli impianti industriali verso una nuova dimensione, dove si può estrarre nuova ricchezza dai dati, ad esempio in termini di miglioramento delle prestazioni.

Così assume un’importanza fondamentale anche la corretta gestione delle informazioni che discendono dai dati.