Cos'è la manutenzione prescrittiva?

È ampiamente utilizzato in una vasta gamma di settori, ovunque asset industriali pesanti e interconnessi siano fondamentali per i processi aziendali.

Man mano che sempre più aziende passano da strategie di manutenzione obsolete e reattive a strategie di manutenzione più moderne e proattive, l'analisi prescrittiva sta emergendo come una delle soluzioni più sofisticate sul mercato. Molte organizzazioni avanzate implementano strategie prescrittive insieme a quelle predittive, utilizzando queste ultime per identificare un problema e le prime per consigliare soluzioni.

Con l'aiuto di sensori intelligenti e piattaforme di gestione degli asset aziendali (EAM ), le organizzazioni moderne possono raccogliere più informazioni che mai sui loro asset. La manutenzione prescrittiva aiuta a utilizzare questi dati, raccomandando compiti di manutenzione per risolvere problemi prima che causino guasti alle attrezzature o tempi di inattività non pianificati.

La manutenzione predittiva (PdM) è un piano di manutenzione che utilizza dati operativi e condition monitoring (CM ) in tempo reale per prevedere quando gli asset potrebbero guastarsi. La manutenzione prescrittiva porta questo approccio un passo avanti, raccomandando compiti di manutenzione specifici che i tecnici possono svolgere per risolvere i problemi e persino valutando le contingenze finanziarie e operative delle sue raccomandazioni.

La manutenzione prescrittiva si basa sulla manutenzione predittiva per la sua funzionalità principale: fornire raccomandazioni basate sui dati per risolvere i problemi di manutenzione prima che causino il degrado o il guasto dell'asset.

Man mano che le organizzazioni adottano sempre più la tecnologia IoT e l'analytics avanzata come parte delle loro strategie di gestione degli asset, la domanda di soluzioni prescrittive e predittive è in aumento. Secondo un recente rapporto, il mercato globale delle soluzioni di analisi prescrittiva e analytics predittiva valeva 25,40 miliardi di dollari nel 2024 e si prevedeva che crescesse fino a raggiungere i 156,14 miliardi di dollari entro il 2032.

Tutte le strategie di manutenzione prescrittiva (RxM) seguono un processo in cinque fasi che prevede la raccolta dati dai sensori IoT, l'analisi dei dati tramite tecniche prescrittive e predittive e l'automazione delle attività.

Ecco uno sguardo più da vicino a ogni fase.

Asset industriali moderni come pompe a olio e gas, turbine e trasformatori sono dotati di migliaia di sensori IoT che raccolgono dati relativi alle prestazioni degli asset in tempo reale. I dati raccolti da questi sensori includono in genere variabili critiche come temperatura, vibrazioni, consumo energetico e portate.

Questi dati vengono poi trasmessi a una piattaforma di condition monitoring (CM), cloud o edge computing per ulteriori analisi. Durante questa fase, le piattaforme prescrittive importano anche dati storici sulle prestazioni degli asset per confrontarli con le condizioni attuali.

Le organizzazioni devono stabilire aspettative di prestazione di base per ogni asset che intendono monitorare, stabilendo profili operativi normali in condizioni ideali. Senza basi, i sistemi di manutenzione prescrittiva non possono rilevare anomalie o identificare schemi che potrebbero indicare una modalità di guasto in sviluppo.

La seconda fase dell'analisi prescrittiva del workflow prevede l'applicazione di analytics predittiva e algoritmi statistici per prevedere i guasti prima che si verifichino. Basandosi su dati di prestazione e dati raccolti durante la prima fase, il sistema può ora prevedere quando certi asset potrebbero fallire.

Ad esempio, un modello predittivo che raccoglie e analizza i dati relativi al motore di un veicolo potrebbe determinare che il motore ha una probabilità di guasto del 99% entro 6 settimane. Queste informazioni si basano sugli aumenti di vibrazione rilevati rispetto ai dati operativi storici.

La fase 2 è il punto in cui terminano le strategie e i sistemi di manutenzione predittiva tradizionali, che consentono ai tecnici di agire in base alle informazioni generate.

La manutenzione prescrittiva introduce un ulteriore livello di intelligenza, basandosi sugli insight raccolti dai metodi predittivi nelle fasi 1 e 2. Nella terza fase, un sistema prescrittivo può valutare le risposte potenziali e raccomandare azioni basate sulle variabili che è programmato per considerare.

Ad esempio, se un sistema prescrittivo apprende nella fase 2 che è probabile che un cuscinetto si guasti presto, potrebbe consigliare una di queste azioni:

• Sostituire il cuscinetto entro un periodo di tempo specificato.
• Regolare i parametri operativi per adattarsi al cuscinetto difettoso.
• Ridurre la velocità operativa per soddisfare le attività di manutenzione.
• Programmare la manutenzione durante una prossima interruzione per evitare tempo di inattività.
• Aumentare la lubrificazione.

Oltre ai dati di manutenzione e prestazioni, alcune organizzazioni aggiungono dati provenienti da altre parti dell'azienda, come la pianificazione del capitale, l'inventario dei pezzi e la pianificazione del lavoro, per un sistema prescrittivo da considerare.

La maggior parte delle moderne strategie di manutenzione prescrittiva automatizza e migliora i workflow con l'uso di un sistema di gestione della manutenzione computerizzato (CMMS). Quando correttamente integrato, un CMMS moderno svolge un ruolo critico in RxM, fungendo sia da sistema di registrazione che da livello di esecuzione per attività di manutenzione prescrittiva.

Come sistema di registrazione, il CMMS funge da fonte autorevole di informazioni aziendali per tutte le attività di manutenzione. Come esecutore di compiti di manutenzione prescrittiva, un CMMS può essere impostato per automatizzare compiti manuali, come generare ordini di lavoro, ordinare pezzi di ricambio e mantenere aggiornati i programmi di manutenzione.

Integrare un CMMS in una strategia di manutenzione prescrittiva aiuta a semplificare le attività di manutenzione, ridurre la dipendenza dallo sforzo manuale e migliorare l'esecuzione.

La fase finale del workflow di manutenzione prescrittiva è in corso. L'apprendimento continuo è una tecnica di addestramento dell'AI che prevede l'addestramento sequenziale di un modello per nuove attività mantenendo ciò che ha già imparato. Mentre un CMMS genera ordini di lavoro e i team di manutenzione li completano, gli algoritmi di machine learning imparano costantemente dai risultati di ogni compito di manutenzione completato.

Alla fine, quando un sistema di apprendimento prescrittivo ha raccolto abbastanza informazioni, ottiene insight su quali interventi raccomandati hanno prevenuto i guasti degli asset e quali no. Questi insight sono preziosi a livello operativo, in quanto forniscono indicazioni sia per le future raccomandazioni del sistema, sia per le modalità con cui i tecnici definiscono e gestiscono i parametri di riferimento.  

Le organizzazioni adottano strategie di manutenzione prescrittiva perché offrono benefici che vanno oltre le fasi operative ed esecutive della manutenzione degli asset. Se praticata efficacemente, la manutenzione prescrittiva può avere un impatto sull'intera organizzazione, migliorando la sicurezza dei lavoratori, rendendo la pianificazione del capitale più efficiente e aumentando la produttività complessiva:

• Minori tempi di inattività imprevisti: i tempi di inattività imprevisti rappresentano una delle cause più costose di interruzione delle attività operative nei settori industriali. Secondo un recente report, i tempi di inattività non pianificati costano ai produttori circa 50 miliardi di dollari all'anno, con un costo orario medio di circa 260.000 dollari all'ora. La manutenzione prescrittiva aiuta a prevedere i guasti e a consigliare azioni correttive per prevenirli, riducendo significativamente il tempo di inattività di macchinari e attrezzatura.

• Maggiore efficienza operativa: la manutenzione prescrittiva aiuta le organizzazioni a dare priorità alle proprie attività di manutenzione in base al rischio e all'impatto sul business, non solo sullo stato di salute e sulle prestazioni degli asset. Osservando gli sforzi di manutenzione attraverso una lente di pianificazione del capitale, le strategie prescrittive aiutano a illuminare i compiti di manutenzione che avranno un impatto sulle operazioni aziendali, non solo sullo stato di salute di un determinato asset.

• Meno riparazioni di emergenza: la manutenzione di emergenza, un tipo di manutenzione reattiva eseguita quando un'attrezzatura vitale si guasta, è problematica anche quando non causa tempi di inattività imprevisti. Le riparazioni di emergenza spesso comportano un aumento dei costi dovuti alla manodopera straordinaria e alla spedizione rapida dei componenti e possono creare condizioni pericolose per i lavoratori. La manutenzione prescrittiva riduce la probabilità di riparazioni di emergenza, consentendo interventi pianificati che indirizzo i problemi prima che si aggravino.

• Gestione più efficace del ciclo di vita degli asset: la gestione del ciclo di vita degli asset (ALM) è il processo su cui le organizzazioni fanno affidamento per garantire il corretto funzionamento degli asset durante tutto il loro ciclo di vita. La manutenzione prescrittiva migliora l'ALM fornendo visibilità in tempo reale dello stato di salute degli asset e delle prestazioni future. Quando integrate con un CMMS, le strategie di manutenzione prescrittiva possono aiutare le organizzazioni a prendere decisioni più informate sui propri asset in ogni fase del ciclo di vita, inclusa pianificazione, installazione, operazioni e ritiro.

• Aumento dell'affidabilità: le strategie di manutenzione prescrittiva aiutano le organizzazioni a identificare precocemente le modalità di guasto e ad affrontarle prima che si verifichino guasti alle attrezzature. Questo approccio aiuta a ridurre la probabilità di un guasto catastrofico nel breve termine e rende attrezzature e processi più affidabili nel tempo.

• Maggiore sicurezza per i lavoratori: i guasti alle attrezzature rappresentano un rischio significativo per la sicurezza, soprattutto negli ambienti industriali che utilizzano macchinari pesanti. La manutenzione prescrittiva aiuta le organizzazioni a identificare i problemi in via di sviluppo prima che diventino eventi pericolosi, riducendo la probabilità di incidenti sul posto di lavoro.

• Miglioramento della sostenibilità: con l'aumento delle iniziative di sostenibilità a livello aziendale, la manutenzione prescrittiva sta emergendo come uno strumento efficace per aiutare le organizzazioni a raggiungere i loro obiettivi. Gli asset sottoposti a una corretta manutenzione consumano meno energia, producono meno emissioni e rifiuti e richiedono meno parti di ricambio. Inoltre, raccogliendo e analizzando costantemente i dati di migliaia di sensori IoT, le organizzazioni ottengono preziosi insight su come funzionano i loro asset e quali azioni di manutenzione li rendano più sostenibili.  

La manutenzione prescrittiva è utilizzata in tutti i settori ad alta intensità di asset, tra cui la produzione, il settore petrolifero e del gas e quello minerario. Ecco come questi settori e altri lo utilizzano per aumentare l'affidabilità degli asset, ridurre i costi e migliorare la sicurezza dei lavoratori:

Le aziende manifatturiere utilizzano la manutenzione prescrittiva principalmente per monitorare attrezzature di produzione, robotica e grandi sistemi di assemblaggio.

Le piattaforme moderne basate su AI possono analizzare vibrazioni, temperatura, livelli di fluidi e altri indicatori chiave di prestazione (KPI) e aiutare a identificare problemi di attrezzatura prima che causino guasti.

Le applicazioni comuni per la manutenzione prescrittiva nel settore della produzione includono:

• Macchine a controllo numerico computerizzato (CNC)
• Robot industriali
• Sistemi di trasporto
• Attrezzatura per l'imballaggio
• Compressori

Le strutture petrolifere e del gas si affidano a grandi e complessi asset che operano senza interruzioni (e in ambienti esigenti) per i loro processi core business principali.

La manutenzione prescrittiva aiuta a monitorare e mantenere una vasta gamma di componenti critici, tra cui pompe, compressori, condotte e turbine, garantendo che i tempi di inattività rimangano al minimo.  

La manutenzione prescrittiva aiuta anche a migliorare la sicurezza dei lavoratori nel settore petrolifero e del gas. Il guasto di macchinari pesanti può causare ferite e persino decessi. L'analytics avanzata aiuta a identificare e correggere problemi su gru, pompe e piattaforme petrolifere prima che si sviluppino in condizioni pericolose.

Le attrezzature minerarie vengono spesso utilizzate in condizioni estreme che possono accelerare l'usura e portare al degrado.

La manutenzione prescrittiva con un CMMS completamente integrato aiuta i tecnici di manutenzione a monitorare le condizioni operative e le prestazioni degli asset per vari asset pesanti critici per le operazioni principali, tra cui:

• Camion da trasporto
• Frantumatori
• Trasportatori
• Escavatori
• Attrezzatura per il trattamento

Gli strumenti di real-time analytics forniscono ai team di manutenzione un quadro accurato di come l'ambiente e le condizioni influenzano le loro attrezzature e li aiutano ad indirizzo i problemi prima che interrompano la produzione.  

Il settore dei trasporti e della logistica si basa principalmente sulla manutenzione prescrittiva per servire grandi flotte di veicoli che trasportano persone e merci su lunghe distanze.

I veicoli dotati di sensori IoT raccolgono dati alla fonte per ulteriori analisi su un CMMS o nel cloud. Le applicazioni di manutenzione prescrittiva nel settore dei trasporti e della logistica includono:

• Flotte di autotrasporti commerciali
• Reti ferroviarie
• Aeromobili
• Imbarcazioni marittime

Gli ospedali moderni si affidano a asset grandi e complessi per supportare l'assistenza ai pazienti e snellire i processi. Data la criticità dell'ambiente e la natura interconnessa dei sistemi, questi asset devono essere altamente affidabili.

In ambito ospedaliero, la manutenzione prescrittiva aiuta a supportare vari sistemi:

• Macchine per risonanza magnetica
• Scanner TC
• Ventilatori
• Attrezzature di laboratorio
• Costruire sistemi infrastrutturali

I sistemi di manutenzione prescrittiva per il settore sanitario migliorano i tempi di attività delle attrezzature, la sicurezza dei pazienti e la conformità normativa.

Con l'avanzamento dell'AI, della tecnologia IoT e delle applicazioni ML, la manutenzione prescrittiva è destinata a diventare una componente fondamentale dei programmi di manutenzione moderni. I sistemi futuri probabilmente integreranno algoritmi sempre più sofisticati, set di dati più ampi e modelli predittivi ancora più potenti per fornire raccomandazioni accurate.

Le organizzazioni che possono combinare la manutenzione prescrittiva con la manutenzione predittiva, le piattaforme CMMS e i sistemi EAM avanzati saranno nella posizione migliore per realizzare i benefici da queste tecnologie man mano che maturano. In un certo senso, la manutenzione prescrittiva rappresenta una nuova era nella gestione della manutenzione, con organizzazioni che la utilizzano meglio in grado di sostituire pratiche obsolete e reattive con pratiche più efficienti, automatizzate e proattive.

Ma anche il futuro della manutenzione prescrittiva avrà le sue sfide. I sistemi di analytics predittiva e prescrittiva sono potenti solo quanto i dati ricevuti, e molte organizzazioni si trovano ancora ad affrontare una vasta gamma di problemi legati ai propri dati, fra cui:

• Storie di manutenzione incomplete o mancanti e registri di guasti
• Ordini di lavoro scarsamente documentati
• Convenzioni di denominazione degli asset incoerenti
• Dati operativi in silos

Quando si basa su una solida base di dati di qualità, la manutenzione prescrittiva può aiutare le organizzazioni a utilizzare l'intelligenza basata sui dati in tutti i loro processi di manutenzione, estendendo i cicli di vita degli asset e migliorando la produttività. Ma se i dati di base sono scadenti, anche le piattaforme predittive e prescrittive più avanzate non riusciranno a decollare.