L’ Industria 4.0 sta rivoluzionando il modo in cui le aziende producono, migliorano e distribuiscono i propri prodotti.
Gli attori del mercato stanno integrando nuove tecnologie, tra cui IoT (Internet of Things), il cloud computing e l’analytics nonché il machine learning negli impianti di produzione e durante tutte le operazioni nei processi produttivi.
In questo ambito, il machine learning viene adottato nella cosiddetta manutenzione predittiva (in inglese predictive maintenance).
Si tratta di un tipo di manutenzione che permette di prevenire eventuali guasti prima che accadano, stimandone le probabilità.

La scelta di affidarsi alla manutenzione predittiva, in uno scenario di competitività e razionalizzazione delle risorse, risulta non solo vincente ma anche vitale per le aziende che vogliono restare sul mercato.
In qualsiasi tipo di attività basata sull’impiego di macchinari si rende indispensabile l’implementazione di piani manutentivi regolari al fine di mantenere le risorse tecniche in perfetto stato di funzionamento.
Guasti e rotture dovute a trascuratezza possono generare fermo impianti risolvibili unicamente mediante riparazioni costose.
In casi estremi, si può dover ricorrere alla sostituzione di interi macchinari, soluzione che va a incidere pesantemente sui costi generali nonché sul budget aziendale.

Già a partire dagli anni ’80 e fino ai primi anni 2000, si è assistito alla nascita di innovative metodologie manutentive che, non senza destare stupore e incredulità tra gli utilizzatori, sono andate progressivamente a a sostituire le tradizionali tecniche di manutenzione che per molti anni avevano costituito lo standard nell’industria.
Ai nostri giorni, con il mutare delle esigenze di mercato, sono proprio alcune di quelle procedure ad essere state rimesse in gioco conquistandosi un ruolo chiave tra le tendenze emergenti nell’ambito manutentivo.
Tra queste, la manutenzione predittiva, sviluppata con innovazioni tecnologiche come IoT e CMMS, si impone come valido modello nella realizzazione di piani di manutenzione efficaci.
Per capire la portata di questo nuovo modo di concepire la manutenzione è prima necessario andare a distinguere, all’interno del concetto generale di “manutenzione” quali metodologie esistono e i risvolti funzionali della loro applicazione all’interno dei processi produttivi.
In senso generale, possiamo distinguere tre principali approcci manutentivi: la manutenzione reattiva, preventiva e quella predittiva.
La differenza strutturale di ognuna di queste metodologie di approccio alla manutenzione è alla base di ogni riflessione su processi produttivi in grado di reggere ai nuovi standard del mercato nonché raccogliere le grandi sfide della nostra epoca (non ultima quella del risparmio energetico e della riduzione dei consumi).

Nell’approccio definito come manutenzione reattiva, la macchina viene utilizzata al limite e le riparazioni vengono eseguite solo dopo che questa incorre in un guasto oppure in un malfunzionamento che ne limita la normale operatività. All’interno di un sistema economico semplice, (ad esempio una banale lampadina che si brucia) tale approccio reattivo può avere senso.
Tuttavia, se proiettiamo questo approccio su un sistema complesso costituito da componenti costose, di non facile reperibilità e che necessita di lunghe lavorazioni per essere riportato alla piena operatività, risulta chiaro come questo approccio non sia sostenibile né consigliabile. In alcuni frangenti, a queste criticità si aggiunge anche il problema della sicurezza, là dove determinati macchinari e i loro malfunzionamenti imprevisti possono pregiudicare l’incolumità e la salvaguardia degli individui.

Un approccio diametralmente opposto a quello reattivo consiste in quello previsto dalla manutenzione preventiva.
Molte aziende e realtà lavorative, per non incorrere nelle problematiche evidenziate all’interno dell’approccio reattivo, cercano appunto di prevenire guasti e rotture prima che queste si verifichino effettuando controlli periodici sulle proprie apparecchiature.
La grande sfida, all’interno di questo paradigma, risiede nel determinare quando la manutenzione vada eseguita, con quali cadenze e individuare gli elementi del sistema che necessitano periodicamente di interventi manutentivi.
Dal momento che non è possibile sapere con esattezza quando e in che modo un guasto possa verificarsi, la pianificazione della manutenzione non risulta mai precisa e totalmente efficace.
Infatti, un approccio che possiamo definire prudente rischia di portare a sostituire componenti con davanti a se un tempo di utilizzo spendibile oppure interventi superflui.
Viceversa, un approccio calcolato secondo parametri dozzinali rischia di finire fuori tempo massimo, non riuscendo a scongiurare fermi macchina dovuti a guasti e rotture improvvise che la manutenzione programmata non ha potuto prevedere.

Arriviamo quindi all’ultimo approccio, autenticamente rivoluzionario e in grado di segnare un nuovo paradigma all’interno dei processi produttivi.
La manutenzione predittiva consente di monitorare lo stato delle apparecchiature per evitare preventivamente eventuali guasti futuri.
Algoritmi analitici e dati dai sensori sono impiegati al fine di stimare l’intervallo di tempo entro il quale potrebbe verificarsi un guasto.
Inoltre, permette di individuare i problemi nei macchinari complessi e aiuta a identificare quali parti devono essere riparate o sostituite. È quindi possibile minimizzare i tempi di inattività e massimizzare la durata delle apparecchiature.

Lo scettico, arrivato a questo punto,potrebbe obiettare che a prima vista, manutenzione preventiva e predittiva sembrano due facce della stessa medaglia; ma è proprio così?
Tra manutenzione preventiva e predittiva ci sono alcuni elementi comuni ma, allo stesso tempo, profonde differenze: il loro obiettivo è mantenere in perfetta efficienza gli impianti produttivi delle aziende, cercando di anticipare i guasti (quindi si differenziano entrambe dalla manutenzione reattiva classica, che si prefigge di riparare un macchinario dopo un guasto).
Le due strategie di manutenzione si sviluppano su piani operativi diversi, pur condividendo il medesimo traguardo finale di evitare malfunzionamenti e rotture improvvise degli impianti, che potrebbero causare danni ingenti alle imprese, come blocchi prolungati della produzione, rallentamenti delle consegne, perdita di clienti e relativo fatturato.
Un’altra differenza tra manutenzione preventiva e predittiva è che la prima si svolge con una serie di controlli a scadenze prefissate, secondo un calendario di manutenzioni e interventi, che tengono anche conto delle indicazioni fornite dai produttori dei diversi macchinari, allo scopo di prevenire possibili guasti.
Al contrario, la manutenzione predittiva non si limita alla prevenzione, ma punta a predire la probabilità futura di un guasto grazie all’impiego di tecnologie 4.0.

La definizione di tecnologie 4.0 abbraccia un ampio numero di apparecchi e sistemi innovativi, sviluppati per supportare la trasformazione digitale delle attività produttive aziendali.
Si stanno diffondendo, in particolare, i sistemi IoT (Internet of Things): si parla di “web delle cose” con riferimento agli oggetti connessi in reti wireless, in grado di trasmettere e ricevere dati, informazioni, comandi.
E quando gli “oggetti” connessi sono macchinari e impianti produttivi aziendali si entra nel campo della manutenzione predittiva.
Una rete IoT applicata agli impianti industriali prevede che gli impianti siano dotati di speciali sensori che permettono di monitorare in modo continuato e in tempo reale determinate variabili di funzionamento.
Analizzando i dati ricevuti dai sensori, gli algoritmi predittivi possono segnalare ai tecnici della manutenzione, tramite una piattaforma software per la gestione automatizzata degli asset aziendali (CMMS: Computerized Maintenance Management System), quando i macchinari sono giunti al termine della loro vita utile o se stanno calando le loro prestazioni, rispetto ai parametri ottimali di funzionamento.
Tra i tanti possibili esempi di manutenzione predittiva basata sul monitoraggio e l’elaborazione dei dati, possiamo citare la misura delle vibrazioni anomale, la termografia, le analisi chimiche sui lubrificanti e sulla combustione dei fumi, l’uso della tecnica degli ultrasuoni per rilevare dispersioni elettriche/magnetiche e anomalie di funzionamento meccanico (attriti, grippaggi eccetera), e l’allineamento laser degli alberi rotanti.
Così tra manutenzione preventiva e predittiva c’è un altro vantaggio da attribuire alla seconda: la possibilità di eseguire le manutenzioni solamente quando è indispensabile, riducendo tempi-costi dei singoli interventi ed evitando il rischio di compiere delle riparazioni/sostituzioni non necessarie.

Non si parla, quindi, di meri interventi tecnici, ma dell’elaborazione di una complessa strategia aziendale che miri alla ricerca e all’individuazione tempestiva di potenziali anomalie che, ove trascurate, impediscano all’impresa di crescere o funzionare al meglio delle proprie possibilità, in maniera efficiente e affidabile.
Al fine di rilevare il raggiungimento dei citati valori di allerta (valori soglia), si utilizzano strumentazioni molto eterogenee, sia a livello hardware che software, come sensori, valvole, pulsanti e algoritmi di analisi di dati che consentono all’utilizzatore e ai sistemi interconnessi ai vari macchinari di comunicare in tempo reale e, allo stesso tempo, di capirsi (secondo la logica dell’Internet of Things).
Ovviamente, la progettazione di un sistema di manutenzione predittiva che faccia largo uso di tali strumenti innovativi richiede l’ausilio costante di figure professionali altamente specializzate che sappiano non solo acquisire i dati dalla strumentazione in uso, ma elaborarli correttamente, estrapolando da tali dati un report che contiene solo le informazioni chiave per l’azienda, riducendo i costi inevitabilmente connessi al dispiego di risorse tecnico-finanziarie superiori rispetto a quelle realmente necessarie.
Predire il futuro e renderlo un elemento costitutivo dei processi di produzione e non una variabile imprevedibile: questo lo scopo e il traguardo della manutenzione predittiva.