La manutenzione predittiva è un tipo di analisi preventiva degli impianti di produzione effettuata dopo aver raccolto dati che vengono successivamente elaborati utilizzando specifici modelli matematici. Lo scopo della manutenzione predittiva è quello di prevedere i guasti e intervenire anticipatamente per eliminare le possibilità di fermi indesiderati delle linee produttive.
La manutenzione predittiva si sta affermando sempre di più anche negli impianti produttivi delle case automobilistiche.
Il Gruppo BMW, ad esempio, la mette in atto sfruttando le moderne tecnologie in ambito di AI (Intelligenza Artificiale) e Iot (Internet of Things), non a bordo dei propri veicoli, ma anche negli impianti produttivi, sempre più connessi e intelligenti.
Le fabbriche del gruppo, grazie all’utilizzo massiccio di sensori, l’analisi dei dati raccolti e l’impiego dell’intelligenza artificiale, riescono a gestire autonomamente la manutenzione dei macchinari e pianificare gli interventi necessari, verificandone in tempo reale lo stato di salute. In questo modo, il Gruppo BMW è in grado di prevenire fermi macchina non pianificati.
Le innovative soluzioni di manutenzione predittiva basate su Cloud sono attualmente in fase di implementazione in tutto il network produttivo globale e il relativo approccio predittivo sta acquisendo sempre più importanza per quanto riguarda la sua applicazione.
Tale sistema di analisi dei dati, consente di monitorare i parametri di funzionamento di macchinari e attrezzature in tempo reale, riuscendo a prevedere i guasti prima che si verifichino. Ad esempio, l’analisi può essere effettuata per ottimizzare la manutenzione degli impianti oppure individuare, in via precauzionale, quando sostituire i componenti in modo da evitare che non si verifichino interruzioni degli impianti o malfunzionamenti.
L’attenzione, però, non si deve fermare soltanto alla prevenzione di guasti e fermi macchina indesiderati. La manutenzione predittiva consente di aumentare l’efficienza dei processi produttivi e la sostenibilità degli impianti, consentendo la possibilità di sfruttare appieno i macchinari, senza bisogno di sostituire parti o componenti prima del necessario.
I dati che contengono le informazioni necessarie per impedire le interruzioni della produzione indesiderate provengono dagli stessi impianti collegati al cloud e vengono trasmessi e analizzati una volta al secondo.
La piattaforma su cui si basa tutto il sistema è altamente flessibile, è formata da diversi moduli software che possono essere abilitati o disabilitati secondo necessità in modo da adattarsi istantaneamente alle specifiche, che possono variare molto rapidamente. L’elevato livello di standardizzazione consente l’accesso al sistema su scala globale, semplificandone la scalabilità e l’adattabilità a nuovi scenari.
Grazie alla manutenzione predittiva diventa automatico pianificare e distribuire le attività di manutenzione, appunto, e le eventuali riparazioni o upgrade necessari durante gli stop delle linee di produzione già organizzati. Ogni intervento sarà quindi già identificato e strutturato a monte, un fattore non irrilevante, che ne incrementa l’efficienza, rendendolo più rapido, accurato e riducendone il costo effettivo. A tutto questo occorre poi sommare che l’abbattimento delle interruzioni indesiderate favorisce il prolungamento e l’ottimizzazione della vita utile dei macchinari e, quindi, degli interi impianti produttivi.
Nei casi di linee produttive altamente automatizzate e veloci, la manutenzione predittiva affianca all’analisi dei dati raccolti, l’impiego di modelli statistici e algoritmi di intelligenza artificiale, per identificare i malfunzionamenti e segnalare la necessità di intervento agli operatori.
Ad esempio, nei reparti carrozzeria degli stabilimenti BMW, dove vengono eseguite circa 15.000 saldature al giorno, un software dedicato raccoglie i dati dai macchinari per trasmetterli al cloud. Con l’ausilio dei suddetti algoritmi, i dati vengono analizzati e trasmessi a una dashboard accessibile da tutti i diversi impianti, ovunque essi siano, agevolando, per ognuno, le azioni di manutenzione.
Un altro esempio sono le linee di assemblaggio dei veicoli, dove, sebbene il numero di macchine sia inferiore rispetto al caso precedente, la manutenzione predittiva consente di prevenire i tempi d’inattività dei nastri trasportatori. Nell’impianto Bmw di Regensburg, le unità di controllo dei nastri trasportatori sono attive h24 per raccogliere e trasmettere al cloud tutti i dati utili, in modo da consentire agli analisti di verificare lo stato di lavorazione e la posizione di ciascun elemento e intercettare istantaneamente le eventuali anomalie.
@fonte Ansa, Osservatorio Intelligenza Artificiale
