Qualità e manutenzione sono diventati due concetti inscindibili: la prima dipende sempre di più dalla seconda. Tutto questo porta inevitabilmente al passaggio da una manutenzione puramente correttiva, ad una manutenzione preventiva…ed oltre.

Nel nostro excursus storico vedremo come la manutenzione diventa persino il centro di alcune metodologie che, nate in Giappone, si diffondono rapidamente nell’intero settore industriale. Ne è un esempio perfetto il TPM (Total Productive Maintenance). L’obiettivo perseguito da questa metodologia è raggiungere il massimo di efficienza degli impianti attraverso l’attività anche manutentiva (ma non solo). L’originalità del pensiero che sta alla base del TPM sta nel fatto che nel processo manutentivo vengono coinvolti la totalità degli operatori. È qui che sta nascendo quella che oggi chiamiamo “Manutenzione autonoma” e che è uno dei pilastri del World Class Manufacturing.

La manutenzione autonoma consente di portare avanti con continuità, una serie di azioni semplici e di routine, senza dover coinvolgere manutentori professionisti esterni. Questa continuità nella cura dell’impianto, ne migliora le prestazioni e la longevità, con un impatto positivo notevole dal punto di vista dell’efficienza. Le attività di routine sono ad esempio: ingrassaggio, lubrificazione, pulizia, sostituzione di parti semplici, ecc.. Sono tutte azioni che possono essere calendarizzate e quindi considerate come una forma di manutenzione preventiva.

Abbiamo citato il World Class Manufacturing. Si tratta di una metodologia sviluppata dal gruppo FIAT, che è una sorta di summa tra TPM, Lean Manufacturing e TQM (Total Quality Management).

Anche il WCM è organizzato in pilastri e ben due di essi sono dedicati alle manutenzioni: “Manutenzione Autonoma” (AM) e “Manutenzione Professionale” (PM).

Il WCM, oggi, rappresenta la massima enfasi che viene data all’importanza della manutenzione, come vedremo nel corso di questo articolo

Manutenzione proattiva

È possibile mettere in atto una serie di strumenti per una manutenzione che chiameremo proattiva. Si tratta di saper catturare quei segnali che annunciano un possibile problema: un rumore insolito (necessità di una lubrificazione) o sporcizia (necessità di pulizia) ecc..

Lo strumento che in genere viene utilizzato può assumere diversi nomi: ticket, tag, un particolare uso dei moduli EWO, ecc.. In buona sostanza si tratta di un sistema che consente, di fronte ad un potenziale problema, di registrarlo, indicare le possibili prassi che possano scongiurare il guasto, indicare un responsabile, e quant’altro si ritenga utile allo scopo di migliorare la manutenzione.

Manutenzione preventiva

Questo tipo di manutenzione prevede la schedulazione di attività basilari. Sono in genere attività che possono essere svolte direttamente dall’operatore della macchina e quindi vengono catalogate come Autonomous Maintenance. Parliamo quindi di:

• Lubrificazione
• Ingrassaggio
• Pulizia
• Sostituzione di parti elementari
• Controllo visivo

Questo tipo di attività ha l’obiettivo di allungare la vita della macchina: è un po’ quello che ci proponiamo quando, annualmente, eseguiamo determinati controlli sulla nostra automobile.

Pur dotata dell’allure del “Prevenire è meglio che curare”, tutte le attività che abbiamo sopra citato non ci mettono al riparo da guasti improvvisi, allo stesso modo in cui la nostra auto, prima o poi, ci lascerà a piedi, a meno che non la sostituiamo prima con una nuova.

È proprio l’individuazione del tempo ideale per la sostituzione della macchina o di un componente, la sfida principale di un altro tipo di manutenzione, ben più avanzata: la manutenzione predittiva.

Manutenzione predittiva

Quando parliamo di manutenzione predittiva, finiamo inevitabilmente per parlare di Intelligenza Artificiale e algoritmi: algoritmi capaci di calcolare con grande precisione la probabilità che un componente si stia per guastare, rendendo quindi possibile una pianificazione efficace delle operazioni di manutenzione, evitare o limitare nel tempo, i fermi macchina, razionalizzare il magazzino.

È chiaro il vantaggio economico di una gestione così efficace dei fermi macchina.

Un fermo macchina è la fonte principale di spreco in un processo produttivo. Va da sé che l’implementazione di questo tipo di manutenzione, preveda un investimento iniziale assai più oneroso della semplice organizzazione di attività programmate di manutenzione preventiva: ma si tratterebbe di una spesa che verrebbe presto assorbita dal fatto che ciascun pezzo della macchina verrebbe sfruttato al massimo, sino a poco prima della rottura, permettendoci anche di organizzare al meglio la sua sostituzione.

L’utilizzo dell’intelligenza Artificiale diventa, giocoforza, sempre più premessa necessaria per rimanere competitivi.

AI e Machine Learning sono in grado di fornire un importante supporto nella soluzione di problematiche di processo e di qualità e anche di calcolare il tempo di vita utile residua dei singoli componenti della macchina, andando a monitorare determinati set di variabili.

Stiamo trattando di un tema in forte evoluzione, uno degli aspetti più interessanti della quarta rivoluzione industriale: la sfida della manutenzione predittiva è quella di arrivare a riparare o sostituire i componenti di una macchina solo in prossimità del verificarsi di un guasto.

L’IMPORTANZA DI BIG DATA E DELLA SCELTA DEI KPI

Si scrive “Big Data” si legge “dati storici”, “statistiche”, “monitoraggio di migliaia i variabili”. L’ambiente industriale odierno, un ambiente governato dall’Internet delle cose, permette di acquisire dati dagli smart objects, sensori IoT che consentono la comunicazione machine2machine, ma anche con il Cloud.

Prima di parlare di Big Data però, è importante stabilire quali siano i KPI strategici per la propria attività: modello del macchinario, dati di telemetria rilevati dai sensori (es. temperatura, pressione, velocità, rumore…), set di variabili da monitorare (es. cicli di rotazione), storico dei guasti e degli interventi attuati.

Attraverso l’Intelligenza Artificiale è possibile, analizzare tutti i dati grezzi provenienti dai sensori (in sé inutili) e strutturarli in maniera che siano utilizzabili pre prevenire i guasti. Basandosi su questi dati, sarà possibile costruire dei modelli statistici per monitorare delle condizioni che, se soddisfatte, forniranno un’indicazione abbastanza precisa di quando un pezzo debba essere sostituito.

LA MANUTENZIONE PREDITTIVA: ANCHE UNA QUESTIONE DI BUSINESS

Dobbiamo partire dall’assunto che non esiste una soluzione tecnologia vantaggiosa, se non risulta anche economicamente conveniente. Si tratta, forse un po’ cinicamente, di una sorta di darwinismo finanziario: la ricerca va laddove c’è un ritorno economico positivo.

È evidente quindi che se, dopo anni quasi di oblio, si è tornati a parlare di Intelligenza Artificiale in maniera consistente, è perché, ora, si hanno gli strumenti per poterla sfruttare adeguatamente e rendendola un valore aggiunto al processo di miglioramento continuo.

Dove risiede, quindi, il valore aggiunto fornito dall’Intelligenza Artificiale?

Sta nel fatto che l’elaborazione di tutti i dati che siamo in grado di acquisire, ci fornisce importanti informazioni riguardo:

• Efficienza produttiva
• Consumi energetici
• Manutenzioni

Per quanto riguarda le manutenzioni siamo in grado di gestire informazioni relative a:

• singolo componente
• macchina in generale
• tipologia dei guasti
• soluzioni
• costo della manutenzione

Quello che si va a realizzare, grazie all’Intelligenza Artificiale è un sistema assolutamente integrato: produttività, consumi energetici, manutenzione vengono pensate sotto l’unico cappello dell’efficienza aziendale, considerata nel suo complesso.

La manutenzione predittiva, in definitiva, conviene perché porta con sé benefici importanti:

• riduzione tendente allo zero dei guasti imprevisti
• aumento di produttività
• iduzione dei fermi macchina e quindi dei costi

Tanto basta a giustificare la previsione secondo cui il mercato della manutenzione predittiva raggiungerà i 6,3 miliardi di dollari nel 2022.

CASE STUDY AIOCAP: COME L’INTELLIGENZA ARTIFICIALE PUÒ SCOVARE UN PROBLEMA DI MANUTENZIONE

Il progetto A.I.O.C.A.P. è un progetto di Intelligenza Artificiale che si pone come obiettivo la risoluzione di problemi qualità durante il processo produttivo.

Descritto in soldoni: un sistema di Intelligenza Artificiale e Machine Learning andrà a suggerire una soluzione ad un problema di qualità, in tempo reale, all’operatore della linea produttiva.

Non è quindi un progetto al 100% verticalizzato sulle manutenzioni. Possiamo però dire che alla base di molti problemi rilevati, possono esserci anche problemi di manutenzione, i quali si traducono sempre in tempo che viene dedicato alla soluzione del problema. La misura di questo tempo è inversamente proporzionale all’esperienza dell’operatore, direttamente proporzionale alla complessità del processo e dipende infine dalla velocità con cui il problema viene rilevato.

La base di conoscenza necessaria al Sistema per scegliere l’action plan probabilisticamente “più corretto” per risolvere il problema, è fornita, inizialmente, dall’apporto di manutentori ed esperti di qualità. Successivamente, il Sistema sarà in grado di apprendere, grazie ad una logica di reinforcement learning, il quale andrà a rafforzare la correttezza probabile di una soluzione, per un determinato problema, quando questa verrà confermata come corretta, dall’operatore.

Questa base di conoscenza viene organizzata ed esplicitata attraverso una Rete Bayesiana.

Come dicevamo, la causa radice di un problema di qualità del prodotto, può essere senza dubbio riconducibile ad un problema di manutenzione: ad esempio, una macchina non ben lubrificata può graffiare, smussare degli spigoli, può danneggiare in più modi il prodotto. Un sistema di Intelligenza artificiale in grado di predire problemi di manutenzione, o la sostituzione di alcuni pezzi diventa anche uno strumento strategico di digital twin: sarà possibile cioè simulare un’anomalia andando quindi a conoscere con grande anticipo tutte le azioni da fare per risolverla.

Il MACHINE LEDGER 4.0

Abbiamo detto che tutti i tipi di manutenzioni devono essere prese in considerazione e gestite, dalla manutenzione reattiva a quelle più avanzate.

Il Machine Ledger può davvero essere lo strumento principe per fare tutto questo.

Si tratta di uno strumento previsto dal World Class Manufacturing e aiuta l’azienda a schedulare le attività manutentive di prevenzione, gestire gli interventi causati da breakdown (guasti improvvisi), raccogliere KPI nell’arco dell’anno sul tipo di interventi e sulle soluzioni.

Spesso è rappresentato da un file excel piuttosto complesso, nel quale è rappresentata la macchina ed ogni singolo componente (con foto). È una versione, questa, piuttosto grezza e forse farraginosa da utilizzare: ben più evoluta è una versione web-based, in grado quindi di integrarsi con altri strumenti di gestione delle manutenzioni (calendari attività, gestione manutentori, ecc..) e prevedere anche un’interfaccia dedicata ai costruttori delle macchine, i quali possono loro fornire la configurazione della macchina, in formato zip, il quale, può essere semplicemente importato dal responsabile delle manutenzioni, ed avere il machine ledger già pronto.

Questa soluzione, piuttosto smart ed avanzata, è la soluzione che propone NeXT ai propri clienti, non solo quelli che fanno WCM. Grazie a questa piattaforma, il fornitore della macchina utilizza uno strumento molto semplice per configurare la macchina (drag & drop) e per fidelizzare il cliente; il cliente si ritrova il machine ledger già configurato ed ha uno strumento per essere costantemente in contatto con il fornitore della macchina.

Oltre a questo, il cliente ha qualcosa che non è più un semplice machine ledger (Machine Ledger 4.0), ma uno strumento che è diventa il centro della gestione di tutti i tipi di manutenzione, che può dialogare con altri sistemi informatici che gestiscono i dati di produzione (ad esempio l’OEE) e quindi si realizza quella comunicazione tanto auspicata tra la produzione e la manutenzione, con il risultato di riuscire ad acquisire quei dati così importanti per poter eseguire una manutenzione di tipo predittivo, grazie anche ad algoritmi di Intelligenza Artificiale.

SCENARI

Lo scenario futuro ideale, ma anche più probabile, è quello che vede il processo produttivo immerso in un ambiente omogeneo e connesso, in cui ogni cosa scambia informazioni ed interagisce con altre cose e, naturalmente con l’uomo. Ovviamente il concetto di Internet of Thing è già attuale come concetto, ma non ancora realmente compiuto.

A questo ambiente unificato abbiamo già accennato quando abbiamo detto che il reparto delle manutenzioni può comunicare con quello della produzione, generando Big data, utili per la manutenzione predittiva. In questo ambiente, un ruolo strategico è giocato dall’Intelligenza artificiale.

L’Intelligenza artificiale è sempre più presente, e risiede già nelle macchine stesse, di ultima generazione: nascono quindi già pronte a dialogare con algoritmi di AI e machine learning.

E l’uomo? L’uomo, sempre meno coinvolto fisicamente, ma impegnato in attività centrali di gestione e programmazione. Si tratterà di una figura sempre più specializzata, che si troverà ad utilizzare piattaforme (cloud), nelle quali immettere dati, gestirli, interpretarli.

CONCLUSIONI

Il riferimento alla storia delle manutenzioni, è stato utile per porre l’enfasi sull’importanza strategica che sta assumendo sempre più la gestione delle manutenzioni.

L’utilizzo sempre più massiccio di macchine e sistemi informatici, non può che esasperare ancora di più la centralità del tema della manutenzione. Accedere agli strumenti più avanzati prima di altri, non può che portare beneficio all’efficienza della propria produttività e quindi alla competitività dei propri prodotti/servizi.

Per approfondire meglio l’argomento potete trovare informazioni più dettagliate sulla pagina del sito NeXT dedicata al Machine Ledger: https://mynext.it/industria-4-0/machine-ledger-la-manutenzione-4-0/