Informazioni sui cookie del presente sito Per il corretto funzionamento, i nostri siti Web richiedono alcuni cookie (richiesto). Inoltre, con il suo consenso, potrebbero essere utilizzati altri cookie per l'analisi dell'utilizzo del sito, per migliorare l'esperienza utente e per scopi pubblicitari. Per ulteriori informazioni, consultare le. Visitando il nostro sito web, accettate il trattamento delle informazioni da parte nostra come descritto nelladichiarazione sulla privacy di IBM. Per consentire una corretta navigazione, le preferenze per i cookie dell'utente verranno condivise sui domini Web IBM qui elencati.
Home
topics
Manutenzione predittiva
Cos’è la manutenzione predittiva?
La manutenzione predittiva aiuta a prevedere il potenziale stato futuro delle apparecchiature per determinare quando devono essere eseguite le operazioni di manutenzione
La manutenzione predittiva (PdM) si basa sul monitoraggio basato sulle condizioni per ottimizzare le prestazioni e la durata delle apparecchiature valutandone continuamente lo stato in tempo reale. Raccogliendo dati dai sensori e applicando strumenti e processi analitici avanzati come l'apprendimento automatico (ML), la manutenzione predittiva può identificare, rilevare e affrontare i problemi nel momento in cui si verificano, nonché prevedere il potenziale stato futuro delle apparecchiature e quindi ridurre i rischi. La chiave è fornire le informazioni giuste al momento giusto alle persone giuste.
Manutenzione predittiva vs manutenzione preventiva
Le strategie di manutenzione e la maturità dipendono da fattori quali il costo della risorsa/della sostituzione, la criticità delle risorse, i modelli di utilizzo e l'impatto del fallimento su sicurezza, ambiente, operazioni, finanza e immagine pubblica. La manutenzione predittiva è una delle tre principali strategie di manutenzione utilizzate dalle aziende, le altre sono la manutenzione reattiva, che corregge i guasti quando si verificano, e la manutenzione preventiva, che si basa su un programma di manutenzione predefinito per identificare i guasti. Poiché la manutenzione predittiva è proattiva, migliora la manutenzione preventiva fornendo informazioni continue sulle condizioni effettive delle apparecchiature anziché fare affidamento sulle condizioni previste delle apparecchiature sul una base cronologica. Con la manutenzione predittiva, la manutenzione correttiva viene eseguita solo quando è necessario, evitando così di incorrere in inutili costi di manutenzione e tempi di inattività della macchina. La manutenzione predittiva utilizza serie temporali, dati storici e dei guasti per prevedere lo stato potenziale futuro delle apparecchiature e quindi anticipare i problemi in anticipo. In questo modo le aziende possono ottimizzare la pianificazione della manutenzione e migliorare l'affidabilità.
La manutenzione predittiva differisce anche dalla manutenzione preventiva nella diversità e nell'ampia gamma di dati in tempo reale utilizzati per monitorare l'apparecchiatura. Varie tecniche di monitoraggio delle condizioni come il suono (acustica ad ultrasuoni), la temperatura (termica), la lubrificazione (olio, fluidi) e l'analisi delle vibrazioni possono identificare anomalie e fornire avvisi anticipati di potenziali problemi. L'aumento della temperatura in un componente, ad esempio, potrebbe indicare blocchi del flusso d'aria o usura; vibrazioni insolite potrebbero indicare un disallineamento delle parti in movimento; i cambiamenti nel suono possono fornire avvisi tempestivi di difetti che non possono essere rilevati dall'orecchio umano.
Esplora IBM Maximo per scoprire in che modo i dati IoT, l’analisi e l’IA possono aiutarti a semplificare le operazioni sulle risorse.
La manutenzione predittiva si affida a una varietà di tecnologie tra cui Internet delle cose (IoT), analisi predittiva e intelligenza artificiale (AI). I sensori collegati raccolgono dati da risorse quali macchinari e attrezzature. Questi vengono raccolti all'edge o nel cloud in un sistema di gestione delle risorse aziendali (EAM) abilitato per l'intelligenza artificiale o in un sistema di gestione della manutenzione computerizzata (CMMS). L'AI e l'apprendimento automatico vengono utilizzati per analizzare i dati in tempo reale e creare un quadro delle condizioni attuali delle apparecchiature, attivare un avviso se viene identificato un potenziale difetto e consegnarlo al team di manutenzione.
Oltre a fornire avvisi di difetti, i progressi negli algoritmi di apprendimento automatico consentono alle soluzioni di manutenzione predittiva di fare previsioni sulle condizioni future delle apparecchiature. Queste possono essere utilizzate per aumentare l'efficienza dei flussi di lavoro e dei processi legati alla manutenzione, come la programmazione degli ordini di lavoro just-in-time e le catene di fornitura di manodopera e ricambi. Inoltre, più dati vengono raccolti, più approfondimenti vengono generati e migliori diventano le previsioni. In questo modo le aziende possono avere la certezza che le apparecchiature funzionino in modo ottimale.
I vantaggi di una strategia di manutenzione predittiva si incentrano sulla previsione di errori e malfunzionamenti delle apparecchiature, sulla riduzione dei costi di manutenzione e operativi ottimizzando tempi e risorse e sul miglioramento delle prestazioni e dell'affidabilità delle apparecchiature. Deloitte ha riferito nel 2022 che il PdM può comportare una riduzione del 5-15% dei tempi di inattività delle strutture e un aumento del 5-20% della produttività del lavoro.1 La manutenzione predittiva ha anche un impatto positivo sulla sostenibilità operativa riducendo al minimo il consumo di energia e gli sprechi.
L'ottimizzazione delle prestazioni delle risorse e dei tempi di attività può ridurre i costi. La segnalazione anticipata di potenziali errori si tradurrà in un minor numero di guasti e in una riduzione della manutenzione programmata o dei tempi di inattività non pianificati. Una maggiore visibilità continua delle condizioni migliorerà l'affidabilità e la durata delle apparecchiature. L’uso dell'AI può prevedere in modo più accurato le operazioni future. Quest'ultimo vantaggio è fondamentale in un mondo in cui l'aumento dei prezzi e gli eventi imprevedibili, come la pandemia e i disastri naturali legati al clima, hanno evidenziato la necessità di avere scorte di ricambi e costi di manodopera più prevedibili e di ridurre l'impatto ambientale delle operazioni.
La produttività può essere aumentata riducendo le operazioni di manutenzione inefficienti, consentendo una risposta più rapida ai problemi tramite flussi di lavoro intelligenti e automazione e fornendo a tecnici, data scientist e dipendenti lungo la catena del valore dati di dati migliori con cui prendere decisioni. Il risultato? Metriche migliorate come il tempo medio tra i guasti (MTBF) e il tempo medio di riparazione (MTTR), condizioni di lavoro più sicure per i dipendenti e guadagni in termini di entrate e redditività.
Esistono barriere alla manutenzione predittiva che possono essere costose, almeno in prima istanza.
- Infrastruttura di sistema: i costi di avvio associati alla complessità della strategia sono elevati. Spesso comportano l’aggiornamento e l’integrazione di tecnologie e sistemi di monitoraggio obsoleti, nonché investimenti in strumenti di manutenzione e gestione dei dati e nell’infrastruttura di dati e sistemi.
- Formazione della forza lavoro: formare la forza lavoro a utilizzare i nuovi strumenti e processi e a interpretare correttamente i dati può essere costoso e richiedere molto tempo.
- Requisiti dei dati: il passato è un predittore delle prestazioni future. Affinché la manutenzione predittiva sia efficace, la disponibilità di volumi consistenti di dati storici e di errori (o proxy) di serie temporali è fondamentale. Anche la capacità di esaminare le correlazioni e le analogie dei dati con tipi di apparecchiature simili in condizioni operative fisiche è essenziale e può inoltre contribuire a migliorare la natura predittiva dell'analisi.
Anche la valutazione della criticità e del costo del guasto delle singole risorse richiede tempo e denaro, ma è fondamentale per determinare se la manutenzione predittiva è appropriata: le risorse a basso costo con parti economiche prontamente disponibili possono essere meglio servite con altre strategie di manutenzione. I programmi di manutenzione predittiva sono complessi, ma i vantaggi competitivi e finanziari di una strategia ben eseguita sono significativi.
Casi d'uso nel settore
Le tecnologie di manutenzione predittiva sono già adottate in tutti i settori per molte risorse: di bancomat, turbine eoliche, scambiatori di calore o robot di produzione. I settori ad alta intensità di risorse come l'energia, l'industria manifatturiera, le telecomunicazioni e i trasporti, dove i guasti imprevisti alle apparecchiature possono avere conseguenze diffuse, si rivolgono sempre più alle tecnologie avanzate per migliorare l'affidabilità delle apparecchiature e la produttività della forza lavoro. I potenziali usi sono molti e vari:
Le interruzioni di corrente (PDF) possono costare alle aziende energetiche milioni di dollari in compensi e possono portare i clienti a cambiare provider.
I guasti alle apparecchiature e i tempi di inattività non pianificati possono aumentare significativamente i costi unitari e creare interruzioni della supply chain.
Risolvere rapidamente gli errori delle reti di telecomunicazione è fondamentale per migliorare la qualità dei servizi: anche piccole interruzioni di rete possono avere un impatto su un numero enorme di clienti.
L'identificazione di punti o guasti ai freni o deformazioni dei binari impedirà interruzioni del servizio e garantirà la sicurezza dei passeggeri.
La capacità di valutare meglio l'integrità strutturale durante i cicli di ispezione aiuta a ridurre le interruzioni economiche e i problemi di sicurezza.
La sicurezza degli elicotteri militari può essere migliorata avvisando anticipatamente di guasti potenzialmente catastrofici, ad esempio, nei rotori.
L'invenzione della tecnica di manutenzione predittiva è attribuita per lo più a CH Waddington durante la seconda guerra mondiale, quando notò che la manutenzione preventiva pianificata sembrava causare guasti non pianificati nei bombardieri aerei.2 Questa osservazione ha portato alla nascita e allo sviluppo della manutenzione basata sulle condizioni, ma poiché la maggior parte dei sistemi aziendali è stata storicamente isolata, l’adozione della manutenzione predittiva è rimasta limitata.
I progressi tecnologici nei sensori IoT, nella raccolta di big data e nelle tecnologie di archiviazione sono proseguiti e continueranno a ritmo sostenuto. La crescita dei dati e l'accessibilità dell'IA/ML stanno migliorando i modelli di manutenzione predittiva e promuovendo la sua adozione. Inoltre, la pandemia ha accelerato gli sforzi di trasformazione digitale, creando ambienti aziendali più integrati e una maggiore richiesta di insight in tempo reale basati sull’intelligenza. Infine, l'aumento vertiginoso dei tempi di inattività non pianificati, che secondo gli esperti ammontano a circa l'11% del fatturato delle società Fortune Global 5003, sta favorendo anche l'adozione della manutenzione predittiva sul mercato.
Le seguenti tecnologie sono solo alcune tra quelle che contribuiscono alla continua evoluzione e al valore della manutenzione predittiva:
- L'ispezione robotica automatizzata sta rendendo il monitoraggio delle apparecchiature in luoghi remoti o pericolosi da raggiungere, come nel settore petrolifero e del gas, più efficiente ed economico. I robot agiscono come sensori mobili che monitorano più risorse e inseriscono i dati nei sistemi computerizzati di gestione della manutenzione.
- Tecnologie immersive come la realtà aumentata (AR) e la realtà virtuale (VR) vengono sviluppate per semplificare le ispezioni. L’AR può raccogliere dati ed entrambe le tecnologie possono migliorare le ispezioni visive e il rilevamento precoce dei guasti.
- I gemelli digitali possono aumentare la manutenzione predittiva creando la rappresentazione virtuale di una risorsa fisica che genera dati di sensori e simula scenari e soluzioni di guasti operativi durante tutto il ciclo di vita di una risorsa senza che corra dei rischi.
- Le soluzioni di manutenzione predittiva abilitate all’IoT verranno fornite come parte integrante delle soluzioni EAM/CMMS e integrate con altre applicazioni aziendali.
- La manutenzione predittiva as-a-service renderà la manutenzione predittiva più accessibile e conveniente. Un servizio fornito dai partner, può essere meno dirompente rispetto alle implementazioni on-premises, richiedere meno investimenti e formazione e garantire un time-to-value più rapido. Può anche essere adattato a singoli ambienti e apparecchiature.
Prodotti di manutenzione predittiva
Gestione delle risorse intelligente, monitoraggio, manutenzione predittiva e affidabilità in un'unica piattaforma.
Migliora il monitoraggio delle prestazioni delle applicazioni per fornire il contesto necessario a risolvere più rapidamente gli incidenti.
Risorse di manutenzione predittiva
Scopri come la compagnia ferroviaria australiana Downer ha migliorato l’affidabilità del 41%
Leggi come IBM Research sta promuovendo lo sviluppo della manutenzione predittiva nel settore tecnologico e bancario
Scopri come IBM può supportarti nel tuo "viaggio verso la previsione".
Scopri in che modo la manutenzione predittiva nel cloud aiuta le aziende a migliorare le prestazioni
Leggi come Oncor ha ridotto le interruzioni di corrente e mantiene i clienti soddisfatti della manutenzione predittiva
Scopri in che modo l’aeroporto di Amsterdam Schiphol ha applicato la manutenzione correttiva e predittiva per ridurre i ritardi
Note a piè di pagina
1 Predictive Maintenance, Deloitte 2022
2 https://industrialmatrix.com/blog/the-history-of-predictive-maintenance
3 The True Cost of Downtime 2022, www.siemens.com/senseye-predictive-maintenance