Cos’è la manutenzione predittiva?

Di IBM Services

Analisi approfondita della manutenzione predittiva. Restare operativi e contenere i costi.

La manutenzione predittiva è un metodo di gestione degli asset che consiste nel riparare asset o componenti di apparecchiature prima che si verifichi un malfunzionamento, sulla base dei dati rilevati. Si tratta della terza fase del processo di gestione degli asset:

Manutenzione correttiva: riparazioni effettuate dopo il verificarsi di un problema o malfunzionamento

Manutenzione preventiva: riparazioni pianificate, effettuate in base all'esperienza

Manutenzione predittiva: riparazioni effettuate perché i dati relativi a un asset indicano un guasto imminente

 

Cos'è un asset? IBM® fa riferimento allo standard ISO (International Organization of Standardization) 55000. Un asset è un “oggetto, elemento o entità che ha un valore effettivo o potenziale”. Fa parte dell'infrastruttura fisica di un’organizzazione e comprende veicoli, apparecchiature elettroniche, impianti, macchinari, computer e molto altro.

La manutenzione predittiva è diventata una funzionalità di sistemi e software perché è stato possibile rilevare maggiori informazioni dagli asset stessi, e perché le funzioni operative e di manutenzionesono state digitalizzate. I fattori specifici comprendono:

  • Disponibilità di grandi quantità di dati raccolti tramite asset connessi e dotati di strumenti
  • Disponibilità di dati raccolti tramite Internet of Things (IoT)
  • Convergenza dell'IT con la tecnologia operativa
  • Progressi nell'analytics per ottenere insight dai dati
  • Le tecnologie di intelligenza artificiale (AI), quali il machine learning, ovvero la capacità di un sistema di apprendere dai dati in modo autonomo, senza alcuna programmazione

 

Dalla risoluzione alla previsione dei problemi

Se si può prevedere un problema prima che si verifichi, si tratta comunque di un problema? 

​ Guarda il video (0:35)

 

 

​Perché la manutenzione predittiva è importante?

Aggiustare qualcosa ancora prima che si rompa è sicuramente un metodo più efficiente ed economico rispetto a effettuare la riparazione quando il guasto si è già verificato. Consente di…

  • Evitare tempi di inattività e migliorare la produttività
  • Prolungare la durata degli asset e ritardare la necessità di nuovi acquisti
  • Ridurre il costo e la complessità delle riparazioni
  • Mitigare i danni aggiuntivi o correlati
  • Soddisfare gli standard normativi e la conformità
  • Gestire le parti di ricambio, i materiali e l’inventario
  • E, di conseguenza, aumentare il fatturato

Questi vantaggi stanno spingendo le organizzazioni a usufruire delle tecnologie e delle pratiche di manutenzione predittiva. IBM ritiene che (PDF, 798 KB): “In quasi ogni settore in cui vi è un intenso utilizzo di asset (ad esempio, i settori del gas e petrolio, manifatturiero o dei trasporti), le organizzazioni affrontano la sfida di dover aumentare al massimo il valore degli asset durante tutto il loro ciclo di vita”.

 

Ad esempio, uno studio IBM evidenzia quanto segue (PDF, 255 KB):

PhotonStar Technology, un’azienda britannica che progetta e produce soluzioni di illuminazione e di edilizia intelligenti, ha sviluppato sistemi che raccolgono metriche su impianti e apparecchiature, ad esempio l’utilizzo di energia e l’occupazione degli edifici, codifica tali informazioni e le consolida per l'analisi sul cloud. Da lì, i clienti utilizzano dashboard per tenere traccia dell'efficienza, creare piani di manutenzione predittiva e monitorare da remoto lo stato in tempo reale.

Una casa automobilistica giapponese utilizza l'IoT per modellare il comportamento dei processi di saldatura. Desiderava identificare i fattori alla base di guasti e difetti e i principali indicatori predittivi dei malfunzionamenti delle apparecchiature. Il sistema è in grado di prevedere il 90% dei guasti senza falsi positivi; per il 50% dei guasti la previsione viene generata con oltre 2 ore di anticipo. Grazie a queste previsioni avanzate l’azienda ha risparmiato 1,5 ore per guasto.

Un importante produttore di aeromobili sta utilizzando l'IoT per gestire la calibrazione degli strumenti di assemblaggio di precisione e migliorare la qualità della produzione. I dati provenienti dagli strumenti di produzione e i dati sui guasti delle apparecchiature vengono utilizzati nell'analytics predittiva sulla qualità per generare modelli che identificano gli strumenti che con maggiore probabilità richiederanno assistenza. Gli strumenti difettosi vengono proattivamente rimossi dalla linea di produzione per essere riparati e ricalibrati, migliorando notevolmente la qualità della produzione. La soluzione ha permesso un recupero dell'investimento del 100 per cento entro un anno, evitando milioni di dollari di spese di rilavorazione e mesi di ritardo grazie alla rimozione degli strumenti mal calibrati dal flusso di produzione degli aeromobili.

 

 

Caratteristiche principali di una manutenzione predittiva efficace

Una manutenzione predittiva efficace sfrutta la convergenza dei dati derivanti dalla strumentazione e dall'IoT con tecnologie AI e di analytics evolute tramite sistemi digitalizzati. IBM prende come riferimento un sondaggio condotto da A. T. Kearney in Industry Week (PDF, 798 KB) nel quale viene evidenziato come 558 aziende che hanno utilizzato sistemi computerizzati di gestione della manutenzione abbiano ottenuto in media i seguenti risultati:

  • Un aumento del 28,3% della produttività della manutenzione
  • Una riduzione del 20,1% del tempo di inattività delle apparecchiature
  • Un risparmio del 19,4% sul costo dei materiali
  • Una diminuzione del 17,8% delle attività di manutenzione dell’inventario e delle riparazioni
  • Un tempo di recupero dell’investimento di 14,5 mesi

Per utilizzare efficacemente questi sistemi, le organizzazioni devono:

Integrare

Nell’ambito della gestione degli asset, le organizzazioni devono tenere traccia, valutare e gestire l'affidabilità di una vasta gamma di asset fisici e tecnologici. A rendere ancora più complessa questa sfida sono le infrastrutture tecnologiche che eseguono applicazioni e dati organizzati in silos. Integrare i sistemi “organizzati in silos” migliora la visibilità e l'efficienza nell'individuazione e nella comunicazione dei potenziali malfunzionamenti.

 

Includere l'IoT

I dati IoT, come ad esempio le informazioni relative al meteo, i dati basati su RFID, le informazioni sul traffico e le informazioni provenienti da altri dispositivi e origini possono incrementare e rafforzare la manutenzionepredittiva. Ad esempio, le condizioni meteo possono influenzare le apparecchiature utilizzate all'aperto nel settore agricolo o della produzione di petrolio e gas, oppure gli strumenti di elevata precisione utilizzati nel settore sanitario e delle biotecnologie. L'IoT, inoltre, permette di consolidare le informazioni provenienti dai potenziali milioni di componenti delle apparecchiature. A esempio, KONE Corp, un’azienda che produce ascensori e scale mobili, monitora e ottimizza da remoto la gestione di oltre 1,1 milioni di ascensori e scale mobili in edifici di tutto il mondo.

 

Analizzare dati di qualità

La possibilità di raccogliere e analizzare i dati sugli asset consente ad un'organizzazione di passare dalla manutenzione correttiva a quella preventiva. Le tecnologie di analytics predittiva e AI come il machine learning possono essere applicate ad elevati volumi di dati operativi per offrire alle organizzazioni una comprensione più dettagliata e accurata delle prestazioni delle apparecchiature.

Anche la qualità e l'integrità dei dati analizzati sono importanti. Secondo IBM (PDF, 798 KB), “lo stato dei dati relativi agli asset è spesso un problema sottovalutato. Senza campi completati o dati convalidati, non è possibile procedere all'analisi. L’analisi dello stato dei campi di dati in aree critiche quali i registri degli asset, l’inventario degli articoli e il completamento del lavoro è fondamentale per supportare report analitici affidabili".

 

Concentrarsi sull’affidabilità e sull’efficienza

Facendo leva sui punti di forza dell’analytics predittiva, gli ingegneri che si occupano dell'affidabilità possono creare modelli del ciclo di vita delle apparecchiature statisticamente validi, basati sui dati operativi e altri fattori. Questi modelli consentono loro di concentrarsi sui rischi critici che influenzano l’affidabilità operativa e la disponibilità.

Questa capacità, inoltre, consente anche lo sviluppo di una strategia di manutenzione in grado di migliorare l'efficienza: le analisi possono indicare che le attuali pianificazioni e prassi di manutenzione delle apparecchiature sono ottimali e non richiedono modifiche. Oppure, potrebbe emergere che è necessario eseguire la manutenzione prima del previsto per evitare guasti o posticiparla per evitare costi e sforzi inutili.

 

Risorse sulla manutenzione predittiva

 

Comprendere tutte le possibilità della gestione degli asset

Esplora l’intero ventaglio di possibilità offerte dalla gestione degli asset per fare le scelte giuste, tra cui capire come iniziare in piccolo e crescere.

Leggi il blog

 

​Connessioni intelligenti: reinventare le aziende con l’IoT intelligente

Esplora la manutenzione preventiva e la gestione degli asset in un contesto più ampio e scopri come l’IoT sta cambiando le operazioni e i processi.

Leggi lo studio (PDF, 255 KB)

 

Case study

Hana Financial Group

Hana Financial Group ha lavorato direttamente con IBM Services in Corea per consolidare le infrastrutture e le risorse di 11 delle sue consociate, permettendo loro di assumere un approccio proattivo alla manutenzione e di identificare potenziali problemi prima che potessero causare tempi di inattività.

Scopri di più

 

VE Commercial Vehicles Ltd.

VECV semplifica e ottimizza la copertura per il proprio ambiente multi-vendor in tutte le sedi, velocizzando la risoluzione dei problemi, aumentando la produttività, incrementando la disponibilità e potenziando la business continuity per le sue operazioni IT.

Scopri di più

 

Prodotti in evidenza

La differenza nei tempi di fornitura con IBM Technology Support Services

Riduci i tempi e gli sprechi di risorse fino al 40% all’anno con l’analytics predittiva e i sistemi cognitivi.

Guarda il video

 

 

Soluzioni

Servizi di supporto tecnologico

Servizi di supporto hardware e software IBM

Supporto hardware e software multi-vendor

t