Eliminazione dei tempi di inattività delle macchine: come l’intelligenza artificiale sta trasformando il processo di manutenzione

Quando si verifica un guasto ad una macchina, non è solo un problema estremamente significativo dal punto di vista economico, ma potrebbe trattarsi persino di una questione di vita o di morte. Tuttavia, con l’ascesa dell’intelligenza artificiale, i tempi di inattività presto saranno solo un ricordo.

Eliminazione dei tempi di inattività delle macchine: come l’intelligenza artificiale sta trasformando il processo di manutenzione

La società moderna dipende dai macchinari in modo considerevole. Utilizziamo auto, autobus e treni per andare al lavoro. Ci avvaliamo di generatori e reti elettriche per alimentare le abitazioni. La coltivazione e la raccolta dei prodotti agricoli è affidata ad attrezzi e strumenti. Non di rado ci dimentichiamo di quanto la nostra vita sia facilitata dall’impiego di macchinari, fino a quando le macchine non si guastano. La cura, la manutenzione e la riparazione sono fondamentali per il rendimento di una macchina. Tuttavia, spesso è difficile decidere se sia meglio riparare o sostituire i componenti di una macchina. Come avviene per la maggior parte delle decisioni basate su ipotesi, viene messa a grave rischio l’efficienza. Non c’è da sorprendersi se molte organizzazioni guardano con occhio benevolo al modo con cui l’intelligenza artificiale e l’apprendimento automatico possono generare informazioni strategiche, riducendo inefficienze e guasti.

I tempi di inattività compromettono la produttività

I tempi di inattività non pianificati costano ai produttori industriali circa 50 miliardi di dollari all’anno

fonte: Deloitte

I tempi di inattività sono l’antitesi della produttività. Infatti, è sufficiente che una sola macchina non funzioni per arrestare l’intero processo di produzione e distribuzione.

Naturalmente, molte aziende mettono in conto e accettano limitati tempi di inattività. Sono consapevoli del fatto che le macchine devono essere periodicamente arrestate per consentirne l’ispezione al fine di verificarne la sicurezza ed eseguire le necessarie riparazioni. Tuttavia, anche se le aziende sono in grado di bypassare i tempi di inattività pianificati e garantire l’operatività quanto più possibile, i tempi di inattività non pianificati possono rappresentare un serio danno.

Interruzioni e guasti imprevisti delle apparecchiature possono essere gravosi per un’organizzazione in termini di tempo e denaro poiché impediscono ai dipendenti di svolgere il proprio lavoro, rallentano i tempi di produzione e, a seconda del settore, possono generare sfiducia nei clienti. Ad esempio, basti immaginare le gravi conseguenze derivanti dall’eventuale guasto di un dispositivo medico ospedaliero.

The current state of maintenance

Today, most maintenance can be divided into three categories:

1. Reactive maintenance

Only fix when broken.

2. Planned maintenance

Maintenance is scheduled, regardless of condition.

3. Proactive maintenance

Parts are replaced based on past experiences in anticipation of future failure. The decision is often time based and statistically derived.

Strategie di manutenzione inadeguate possono ridurre del 5-20% la capacità produttiva complessiva di un impianto.

Source: Deloitte

La manutenzione reattiva (ovvero tempi di inattività non pianificati) è un approccio di tipo “run-to-failure”. Un guasto non preventivato delle macchine può essere estremamente dannoso, in quanto costringe le aziende a interrompere le loro attività. Tuttavia, questo approccio passivo mantiene ridotti i costi di manutenzione ordinaria. L’intervento del personale tecnico è richiesto solo se necessario.

La manutenzione programmata riduce il rischio di guasti grazie alle valutazioni periodiche. Nonostante il rischio di guasti sia ancora presente, le aziende hanno maggiori possibilità di risolvere preventivamente il problema prima che si estenda. Tuttavia, se da un lato ciò può massimizzare la vita utile di una macchina, dall’altro il suo mancato funzionamento può comportare una notevole perdita in termini di tempi di produzione.

La manutenzione proattiva mira ad aumentare l’efficienza del processo grazie ad un’analisi dei dati finalizzata a comprendere la capacità operativa delle macchine, individuare i momenti critici e ottimizzare le risorse per la manutenzione. Non si tratta tanto di rispettare una pianificazione, quanto di avvalersi dei dati per rivedere e migliorare le operazioni. Per le aziende responsabili di un ampio parco macchine, la manutenzione proattiva può risultare la strategia economicamente più vantaggiosa tanto nel lungo quanto nel breve termine. Questo approccio è tuttavia limitato poiché sembra considerare solo i fattori che possono causare guasti alla macchina, anziché esaminare la macchina stessa. 

Cosa fare? Fortunatamente, una migliore connettività e tecnologie innovative stanno contribuendo a risolvere le criticità.

Come la manutenzione verrà trasformata dalla connettività

Oggi, molti colossi tecnologici concentrano le proprie energie sullo sviluppo dell’intelligenza artificiale. Microsoft, Google, Amazon, IBM, Facebook e Apple, oltre a migliaia di start-up del settore, si stanno contendendo la leadership nel settore dell’intelligenza artificiale. Secondo la società di ricerche di mercato Tractica, il mercato globale dell’intelligenza artificiale aveva un valore di 1,99 miliardi di euro nel 2017, mentre il valore previsto entro il 2025 raggiungerà i 30 miliardi di euro.

Si prevede che l’intelligenza artificiale determinerà un taglio di 1,8 milioni di posti di lavoro entro il 2020. Tuttavia, si stima che nel medesimo periodo verranno creati 2,3 milioni di posti di lavoro. Tanto per cominciare, i settori sanitario, pubblico e dell’istruzione vedranno la domanda di lavoro crescere in modo costante. Il settore manifatturiero sarà l’ambito maggiormente colpito.

fonte: Garner

La crescita di questo mercato sarà notevole, in quanto applicabile a tutti i settori e casi di utilizzo (manutenzione inclusa), perché, indipendentemente da ciò che viene creato, gli scienziati che studiano l’intelligenza artificiale condividono tutti uno scopo comune: eliminare le attività ripetitive e aiutare l’uomo a diventare più efficiente ed efficace in qualsiasi attività e il miglioramento della manutenzione rientra in questo obiettivo.

Con l’intelligenza artificiale, la manutenzione può trasformarsi da semplice attività preventiva o proattiva in predittiva.

Manutenzione predittiva

Molti settori che dipendono in larga misura dai macchinari stanno investendo nella manutenzione predittiva.

Ciò è dovuto al fatto che, grazie alle capacità dell’intelligenza artificiale, la manutenzione può evolversi da semplice attività preventiva o proattiva e trasformarsi in predittiva.

Con la manutenzione predittiva, le riparazioni vengono eseguite solo quando necessario. Ciò si ottiene attraverso sensori connessi, switch e strumenti abilitati all’intelligenza artificiale, in grado di analizzare le migliaia di variabili in gioco in una macchina, per reperire informazioni che altrimenti non sarebbero state individuate.

I dati provenienti da varie fonti possono essere raccolti, combinati e analizzati in tempo reale, in modo che le aziende possano prevedere i guasti dei macchinari prima che si verifichino. Quando i dati mostrano un calo delle prestazioni, gli operatori possono scegliere di richiedere l’intervento di riparazione prima dell’arresto completo della linea di montaggio. Questa capacità di prevedere le riparazioni contribuirà sostanzialmente a ridurre e contenere i costi di manutenzione, pur offrendo alle aziende anche più ampi vantaggi.

Ad esempio, se in base alla manutenzione predittiva si ritiene che il guasto sia imminente, è possibile automatizzare una serie di operazioni a seconda del problema: inviare un ordine di lavoro, informare i tecnici interessati oppure ordinare una parte di ricambio. Nel lungo termine, la manutenzione predittiva è in grado di individuare il modo migliore per eseguire le riparazioni. Questa analisi di secondo livello fornirà alle aziende ulteriori informazioni su come aumentare l’efficienza e, in definitiva, azzerare i tempi di inattività.

Ciò grazie al fatto che l’intelligenza artificiale può determinare la durata effettiva dell’apparecchiatura, individuare il momento migliore per sottoporla a riparazione e stabilire come pianificare le operazioni per ridurre al minimo il periodo necessario per la riparazione. Inoltre, i dati raccolti dalla manutenzione predittiva possono fornire al management un’idea più precisa sul diverso rendimento di un determinato macchinario utilizzato da team differenti.

Questi dati aggiuntivi possono anche offrire alle aziende le informazioni necessarie per capire come incrementare i profitti e aiutare con la pianificazione dei progetti, le esigenze del personale, la gestione delle scorte e l’assistenza clienti. Le decisioni sono supportate dai fatti, pertanto vengono prese con meno rischi e maggiore sicurezza.

Prevedi oggi il futuro

La manutenzione predittiva è fondamentale ai fini di una produttività innovativa, in quanto consente alle organizzazioni di ottimizzare l’intera strategia di manutenzione a tutti i livelli. Non si tratta solo della prospettiva di un futuro brillante per il settore, in quanto la manutenzione predittiva rappresenta già una realtà. Molti settori stanno già utilizzando qualche forma di manutenzione predittiva attraverso tecnologie di monitoraggio continuo. Gli strumenti abilitati per l’Internet delle cose aiutano le organizzazioni a monitorare le prestazioni dei sistemi e l’ambiente operativo. Il monitoraggio continuo può tuttavia generare un gran numero di dati: ecco perché l’intelligenza artificiale deve entrare in gioco. Grazie ad algoritmi avanzati e all’apprendimento automatico, le aziende saranno in grado di avvalersi di informazioni in tempo reale nel processo decisionale. Di seguito riportiamo alcuni esempi di utilizzo della manutenzione predittiva:

Here are a just few applications of predictive maintenance being used today:

Settore ferroviario

In Germania, Deutsche Bahn collabora con Siemens per migliorare le proprie tecnologie di manutenzione preventiva. Utilizzando sensori e algoritmi intelligenti, l’operatore ferroviario auspica che l’analisi avanzata dei dati possa riconoscere dei modelli nei dati operativi. Ad esempio, è possibile monitorare i sistemi frenanti intelligenti per individuare il momento ottimale per la sostituzione. I sensori possono monitorare lo stato dei binari per gestire le riparazioni. Riducendo la percentuale di guasti dei componenti dei treni, Deutsche Bahn è in grado di ridurre la necessità di ricorrere a parti di ricambio e diminuire i tempi di inattività.

Settore automobilistico

I richiami di prodotti difettosi non sono solo costosi per i produttori, ma costituiscono anche un notevole pericolo per i clienti. Fortunatamente, i dati e l’intelligenza artificiale possono evitarli individuando i problemi con largo anticipo. BMW collabora con Teradata per migliorare il processo decisionale utilizzando ingenti quantità di dati generati nella progettazione, nella produzione e nella distribuzione del settore automobilistico. Combinando questi dati ed elaborandoli tramite potenti strumenti di analisi, le aziende automobilistiche possono aumentare l’efficienza a livello produttivo e distributivo, evidenziando meglio gli errori prima che divengano fonte di problemi.

Settore aeronautico

La manutenzione sugli aerei è spesso molto complessa: ecco perché gli scienziati stanno sviluppando robot di piccole dimensioni in grado di entrare all’interno di un motore per ispezionarne le parti ed eseguire le necessarie riparazioni. Come riportato dal settimanale The Economist, si tratta di un progetto sviluppato da un team di scienziati di GE Global Research. Per il momento, questi robot vengono programmati per eseguire le ispezioni. Una volta perfezionata questa fase, gli scienziati auspicano che i robot siano in grado di effettuare riparazioni e lavorare mentre un aereo attende al gate tra un volo e l’altro.

Gestione del magazzinog

Attualmente, vengono già utilizzati robot progettati per il sollevamento di carichi pesanti. Tuttavia, si prevede che i robot del futuro dedicati alle attività di magazzino saranno in grado di aiutare anche l’uomo. SecondHands è un robot progettato per assistere i tecnici che si occupano della manutenzione. Sviluppato da Ocado Technology in collaborazione con il Karlsruhe Institute of Technology, è progettato per rendere più efficiente la manutenzione condotta dall’uomo. Il robot è in grado, ad esempio, di passare all’uomo determinati strumenti in modo proattivo quando rileva la necessità di un’azione. A questo scopo, il robot utilizza, tra le altre competenze, la percezione visiva del contesto, il riconoscimento dell’azione umana, la pianificazione e l’esecuzione delle attività.

Il futuro della riparazione

La manutenzione predittiva risulta particolarmente adatta alle grandi aziende che gestiscono un gran numero di macchinari. Ciò è dovuto al fatto che è necessaria una quantità sufficiente di dati per identificare i modelli e risolvere i problemi.

Una volta che le grandi aziende hanno acquisito la capacità di prendere decisioni predittive, queste conoscenze possono essere concesse in licenza alle aziende più piccole. Ne consegue che l’intelligenza artificiale può offrire vantaggi a tutti. Guardando oltre, ci si aspetta che il passo successivo per la manutenzione sia rappresentato da macchinari affidati interamente alla manutenzione automatica.

Ciò è possibile grazie alla combinazione di tecnologie come la stampa 3D unita al potenziale dell’intelligenza artificiale. In questo panorama, sarà necessaria una minima interazione umana. Conoscere oggi il possibile impatto reale dei tempi di inattività non pianificati su un’organizzazione aiuterà le aziende a comprendere meglio in quale direzione effettuare gli investimenti: sono infatti notevoli i vantaggi di una maggiore capacità produttiva e di minori costi operativi. Chi si prepara oggi sarà probabilmente in grado di mantenere meglio il proprio vantaggio competitivo nel futuro.

Total
0
Shares
Messaggio precedente

Riavvio del sistema: Sicurezza futura

Messaggio successivo

Ventilatori per uso medicale: una suddivisione dei componenti e dei sensori necessari nelle cure mediche essenziali

Pubblicazioni simili