{"id":6852,"date":"2021-09-04T12:29:34","date_gmt":"2021-09-04T12:29:34","guid":{"rendered":"https:\/\/knowhow.distrelec.com\/?p=6852"},"modified":"2021-09-04T12:29:35","modified_gmt":"2021-09-04T12:29:35","slug":"eliminazione-dei-tempi-di-inattivita-delle-macchine-come-lintelligenza-artificiale-sta-trasformando-il-processo-di-manutenzione","status":"publish","type":"post","link":"https:\/\/knowhow.distrelec.com\/it\/manutenzione-e-riparazione\/eliminazione-dei-tempi-di-inattivita-delle-macchine-come-lintelligenza-artificiale-sta-trasformando-il-processo-di-manutenzione\/","title":{"rendered":"Eliminazione dei tempi di inattivit\u00e0 delle macchine: come l’intelligenza artificiale sta trasformando il processo di manutenzione"},"content":{"rendered":"\n

Quando si verifica un guasto ad una macchina, non \u00e8 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 inattivit\u00e0 presto saranno solo un ricordo.<\/p>\n\n\n\n

\n\t<\/div>\n\n\n\n

Eliminazione dei tempi di inattivit\u00e0 delle macchine: come l’intelligenza artificiale sta trasformando il processo di manutenzione<\/h2>\n\n\n\n

La societ\u00e0 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 \u00e8 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 \u00e8 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’\u00e8 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.<\/p>\n\n\n\n

I tempi di inattivit\u00e0 compromettono la produttivit\u00e0<\/h2>\n\n\n\n

I tempi di inattivit\u00e0 non pianificati costano ai produttori industriali circa 50 miliardi di dollari all’anno<\/em><\/em><\/p>fonte: Deloitte<\/em><\/strong><\/cite><\/blockquote>\n\n\n\n

I tempi di inattivit\u00e0 sono l’antitesi della produttivit\u00e0. Infatti, \u00e8 sufficiente che una sola macchina non funzioni per arrestare l’intero processo di produzione e distribuzione. <\/p>\n\n\n\n

Naturalmente, molte aziende mettono in conto e accettano limitati tempi di inattivit\u00e0. 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 inattivit\u00e0 pianificati e garantire l’operativit\u00e0 quanto pi\u00f9 possibile, i tempi di inattivit\u00e0 non pianificati possono rappresentare un serio danno. <\/p>\n\n\n\n

Interruzioni e guasti imprevisti delle apparecchiature possono essere gravosi per un’organizzazione in termini di tempo e denaro poich\u00e9 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.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

The current state of maintenance<\/h2>\n\n\n\n

Today, most maintenance can be divided into three categories:<\/p>\n\n\n\n

1. Reactive maintenance<\/h3>\n\n\n\n

Only fix when broken.<\/p>\n\n\n\n

2. Planned maintenance<\/h3>\n\n\n\n

Maintenance is scheduled, regardless of condition.<\/p>\n\n\n\n

3. Proactive maintenance<\/h3>\n\n\n\n

Parts are replaced based on past experiences in anticipation of future failure. The decision is often time based and statistically derived.<\/p>\n\n\n\n

Strategie di manutenzione inadeguate possono ridurre del 5-20% la capacit\u00e0 produttiva complessiva di un impianto.<\/em><\/em><\/p>Source: Deloitte<\/em><\/strong><\/cite><\/blockquote>\n\n\n\n

\"\"<\/figure>
\n

La manutenzione reattiva (ovvero tempi di inattivit\u00e0 non pianificati) \u00e8 un approccio di tipo “run-to-failure”. Un guasto non preventivato delle macchine pu\u00f2 essere estremamente dannoso, in quanto costringe le aziende a interrompere le loro attivit\u00e0. Tuttavia, questo approccio passivo mantiene ridotti i costi di manutenzione ordinaria. L’intervento del personale tecnico \u00e8 richiesto solo se necessario. <\/p>\n\n\n\n

La manutenzione programmata riduce il rischio di guasti grazie alle valutazioni periodiche. Nonostante il rischio di guasti sia ancora presente, le aziende hanno maggiori possibilit\u00e0 di risolvere preventivamente il problema prima che si estenda. Tuttavia, se da un lato ci\u00f2 pu\u00f2 massimizzare la vita utile di una macchina, dall’altro il suo mancato funzionamento pu\u00f2 comportare una notevole perdita in termini di tempi di produzione. <\/p>\n\n\n\n

La manutenzione proattiva mira ad aumentare l’efficienza del processo grazie ad un’analisi dei dati finalizzata a comprendere la capacit\u00e0 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 pu\u00f2 risultare la strategia economicamente pi\u00f9 vantaggiosa tanto nel lungo quanto nel breve termine. Questo approccio \u00e8 tuttavia limitato poich\u00e9 sembra considerare solo i fattori che possono causare guasti alla macchina, anzich\u00e9 esaminare la macchina stessa.\u00a0<\/p>\n<\/div><\/div>\n\n\n\n

Cosa fare? Fortunatamente, una migliore connettivit\u00e0 e tecnologie innovative stanno contribuendo a risolvere le criticit\u00e0.<\/p>\n\n\n\n

Come la manutenzione verr\u00e0 trasformata dalla connettivit\u00e0<\/h2>\n\n\n\n

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 societ\u00e0 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 raggiunger\u00e0 i 30 miliardi di euro.<\/p>\n\n\n\n

Si prevede che l’intelligenza artificiale determiner\u00e0 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 sar\u00e0 l’ambito maggiormente colpito.<\/em><\/em><\/p>fonte: Garner<\/em><\/strong><\/cite><\/blockquote>\n\n\n\n

La crescita di questo mercato sar\u00e0 notevole, in quanto applicabile a tutti i settori e casi di utilizzo (manutenzione inclusa), perch\u00e9, indipendentemente da ci\u00f2 che viene creato, gli scienziati che studiano l’intelligenza artificiale condividono tutti uno scopo comune: eliminare le attivit\u00e0 ripetitive e aiutare l’uomo a diventare pi\u00f9 efficiente ed efficace in qualsiasi attivit\u00e0 e il miglioramento della manutenzione rientra in questo obiettivo.<\/p>\n\n\n\n

Con l’intelligenza artificiale, la manutenzione pu\u00f2 trasformarsi da semplice attivit\u00e0 preventiva o proattiva in predittiva.<\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Manutenzione predittiva<\/h3>\n\n\n\n

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

Ci\u00f2 \u00e8 dovuto al fatto che, grazie alle capacit\u00e0 dell’intelligenza artificiale, la manutenzione pu\u00f2 evolversi da semplice attivit\u00e0 preventiva o proattiva e trasformarsi in predittiva. <\/p>\n\n\n\n

Con la manutenzione predittiva, le riparazioni vengono eseguite solo quando necessario. Ci\u00f2 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. <\/p>\n\n\n\n

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 capacit\u00e0 di prevedere le riparazioni contribuir\u00e0 sostanzialmente a ridurre e contenere i costi di manutenzione, pur offrendo alle aziende anche pi\u00f9 ampi vantaggi. <\/p>\n\n\n\n

Ad esempio, se in base alla manutenzione predittiva si ritiene che il guasto sia imminente, \u00e8 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 \u00e8 in grado di individuare il modo migliore per eseguire le riparazioni. Questa analisi di secondo livello fornir\u00e0 alle aziende ulteriori informazioni su come aumentare l’efficienza e, in definitiva, azzerare i tempi di inattivit\u00e0.<\/p>\n\n\n\n

\"\"<\/figure>
\n

Ci\u00f2 grazie al fatto che l’intelligenza artificiale pu\u00f2 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 pi\u00f9 precisa sul diverso rendimento di un determinato macchinario utilizzato da team differenti. <\/p>\n\n\n\n

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.<\/p>\n<\/div><\/div>\n\n\n\n

Prevedi oggi il futuro<\/h2>\n\n\n\n

La manutenzione predittiva \u00e8 fondamentale ai fini di una produttivit\u00e0 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 gi\u00e0 una realt\u00e0. Molti settori stanno gi\u00e0 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 pu\u00f2 tuttavia generare un gran numero di dati: ecco perch\u00e9 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:<\/p>\n\n\n\n

Settore ferroviario<\/h3>\n\n\n\n

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, \u00e8 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 \u00e8 in grado di ridurre la necessit\u00e0 di ricorrere a parti di ricambio e diminuire i tempi di inattivit\u00e0.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Settore automobilistico<\/h3>\n\n\n\n

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 quantit\u00e0 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.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Settore aeronautico<\/h3>\n\n\n\n

La manutenzione sugli aerei \u00e8 spesso molto complessa: ecco perch\u00e9 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.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Gestione del magazzinog<\/h3>\n\n\n\n

Attualmente, vengono gi\u00e0 utilizzati robot progettati per il sollevamento di carichi pesanti. Tuttavia, si prevede che i robot del futuro dedicati alle attivit\u00e0 di magazzino saranno in grado di aiutare anche l’uomo. SecondHands \u00e8 un robot progettato per assistere i tecnici che si occupano della manutenzione. Sviluppato da Ocado Technology in collaborazione con il Karlsruhe Institute of Technology, \u00e8 progettato per rendere pi\u00f9 efficiente la manutenzione condotta dall’uomo. Il robot \u00e8 in grado, ad esempio, di passare all’uomo determinati strumenti in modo proattivo quando rileva la necessit\u00e0 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 attivit\u00e0.<\/p>\n\n\n\n

\n