Manutenzione predittiva nel settore manifatturiero

Il settore manifatturiero in Italia è un settore fortemente dinamico che si trova spesso a fare i conti con richieste dei consumatori sempre più esigenti, costi di produzione e manutenzione elevati e una concorrenza anche sui mercati internazionali che rischia spesso di sconvolgerlo. Proprio per questo è necessaria una spinta in termini di digitalizzazione per riuscire ad innovare e ad essere competitivi non solo per gli scenari di mercato attuali, ma anche per quelli futuri.

Una forte spinta alla digitalizzazione delle aziende oggi deriva dal nuovo Piano Transizione 4.0. Il Piano Transizione 4.0 è la nuova politica industriale del Paese, più inclusiva e attenta alla sostenibilità che prevede una maggiore attenzione all’innovazione, agli investimenti green e per le attività di design e ideazione estetica. Il Piano Transizione 4.0 sostituisce i vecchi piani Industria 4.0 e Impresa 4.0, offrendo un sostegno concreto per risollevare le imprese italiane ed incentivarle ad investire grazie alle nuove agevolazioni. Parliamo di incentivi 4.0 e la misura prescelta è quella del credito di imposta.

Quando si parla di settore manifatturiero e Piano Transizione 4.0 è inevitabile introdurre il tema della manutenzione predittiva e delle nuove tecnologie verso le quali le aziende manifatturiere si stanno orientando per far fronte alle difficoltà tipiche del settore e alla continua evoluzione del mercato.

A cosa serve la manutenzione predittiva

La manutenzione predittiva, appartenente al tema più ampio della digital manufacturing, è l’insieme delle tecniche usate per cercare di stimare il tempo residuo di vita di macchinari e componenti in modo da ottimizzarne l’uso ed evitare costosi fermi macchina dovuti a rotture o urgenze. Una delle tecniche più usate si basa su apparecchiature di monitoraggio delle condizioni degli asset e degli impianti per valutare le prestazioni dei macchinari in tempo reale.

Grazie alle tecnologie dell’Internet of Things (IoT), la manutenzione predittiva mira ad ottenere uno strumento preciso per l’analisi dei dati in modo da identificare eventuali aree che necessitano o necessiteranno di attenzione e/o intervento. In linea di massima possiamo dire che acquisendo i dati attraverso una distribuzione a livello di fabbrica/impianti dalle tecnologie IoT (sensori intelligenti), è possibile fare analisi puntuali, allenare algoritmi di machine learning grazie ai quali stimare l’autonomia rimanente della macchina e la probabilità di guasti o veri e propri fermi macchina. Tutto ciò si traduce per le aziende in una riduzione degli scarti e in cicli produttivi più efficienti. Diminuiscono anche i tempi di attesa che garantiscono alle aziende un servizio più veloce.

L’unione di sensori intelligenti, analitiche avanzate, intelligenza artificiale e algoritmi di machine learning, semplifica quindi la vita delle aziende manifatturiere rendendole più smart, dinamiche e produttive. Grazie all’applicazione in real-time di algoritmi predittivi è possibile così ottimizzare la produzione e minimizzare sprechi e guasti.

Manutenzione predittiva e settore manifatturiero: un caso pratico

Keplero ha preso parte allo sviluppo di un progetto rivolto all’industria calzaturiera che è volto a monitorare in tempo reale sia le apparecchiature per la produzione, sia i fattori ambientali, come ad esempio temperatura ed umidità, attraverso sensori intelligenti posizionati in punti strategici negli impianti produttivi.

L’obiettivo del progetto era quello di sviluppare un nuovo macchinario per la produzione di forme per calzature utilizzando materiali di nuova generazione ed ottimizzando le caratteristiche fisiche delle forme prodotte. Il processo di fabbricazione attuale delle forme per calzature presenta infatti dei limiti oggettivi, quali la scarsa rapidità di realizzazione, elevata quantità di scarti, qualità (intesa come caratteristiche fisiche del prodotto) non ottimizzata.

La nuova linea produttiva è equipaggiata con sensori IoT per il monitoraggio delle prestazioni del macchinario e dell’ambiente di produzione, al fine di sviluppare un sistema di monitoring e manutenzione predittiva in grado non solo di monitorare gli asset del macchinario, ma anche ottimizzare la qualità del prodotto finito individuando in anticipo le situazioni anomale o le criticità. I vantaggi?

• Riduzione degli scarti e dei tempi di produzione
• Ottimizzazione delle caratteristiche fisiche delle forme, ad esempio riduzione del peso, miglioramento dell’elasticità e resistenza alle lavorazioni

Il contributo di Keplero

Keplero è stato utilizzato per il monitoraggio dei processi industriali e l’applicazione sui dati in input di tecniche di machine learning volte a fare manutenzione predittiva. Keplero ha acquisito i dati in real-time dai sensori posizionati sul macchinario e nell’ambiente circostante e si è occupato sia dell’archiviazione, sia dell’analisi in real-time degli stessi dati, oltre alla creazione di cruscotti in cui sono mostrati grafici sui dati storici e grafici per il monitoring real-time.  Lo scopo finale del sistema di monitoraggio è stato quindi quello di predire guasti, fermi macchina e in generale le anomalie nei processi produttivi, e ottimizzare le operazioni di manutenzione anticipando il momento in cui le parti meccaniche del macchinario avranno necessità di essere controllate o sostituite.