Prima del passaggio alla nuova era industriale, la manutenzione predittiva diventerà un’attività quotidiana e la politica manutentiva un processo critico nei business plan aziendali.
Il raggiungimento di una maggiore efficienza dell’intero processo produttivo incide direttamente già nel breve periodo sulla redditività degli impianti.
I costi di manutenzione secondo alcune stime possono variare dal 15% al 60% del costo totale della produzione.
La rivoluzione industriale 4.0
incoraggia l’acquisizione di dati dal campo al fine di comporre statistiche e previsioni. Quando il numero di informazioni è consistente è possibile predire il ciclo di vita dei componenti e quindi intervenire nel momento più opportuno per evitare un decadimento delle performance.
Al fine di realizzare tutto questo, è importante scegliere correttamente le attività gestionali da intraprendere, le quali saranno guidate da necessità fra il tecnico e l’amministrativo.
La manutenzione è un’attività gestionale molto complessa la cui buona riuscita risulta fondamentale alla luce dei numerosissimi risvolti operativi che da essa scaturiscono.
Occorre però distinguere fra politica manutentiva e strategia manutentiva.
La politica manutentiva
rappresenta l’attitudine generale dell’impresa rispetto ai problemi manutentivi ed è da tale attitudine che scaturiscono poi tutti gli interventi operativi volti alla risoluzione di tali problemi.
La strategia manutentiva
rappresenta la traduzione in interventi operativi dell’atteggiamento generale dettato dalla politica aziendale.
L’aumento esponenziale di sensori che dal campo acquisiranno informazioni richiede nuove competenze di analisi e ricerca. I nuovi manager della manutenzione dovranno dotarsi di strumenti che aggregando ed elaborando i dati li guidino nel processo decisionale.
Il momento non è mai stato più propizio per l’adozione di queste soluzioni data driven, molti dei componenti e degli strumenti offrono già la possibilità di analizzare i dati che microsensori specifici acquisiscono al loro interno.
La versatilità della sensoristica moderna permette di allungare la durata e l’affidabilità anche a quei macchinari rimasti isolati perché non idonei alla comunicazione digitale. Semplici informazioni come il consumo di corrente sono diamanti grezzi nelle mani di un sistema intelligente che sappia comprendere e quindi trasformare l’utilità del dato acquisito.
Tutto questo permetterà la pianificazione di strategie di intervento capillari, tempestive e adeguate. Nell’era dell’industria 4.0 è necessario preparare la struttura, la rete delle informazioni, i sistemi di acquisizione e controllo di gestione. Il passaggio alla nuova era 5.0 avverrà quando ci sarà totale collaborazione tra uomo e macchina, tale passaggio implica la completa sicurezza dei cobot, sia dal punto di vista operazionale che funzionale.
La necessità dell’utilizzo di sistemi di manutenzione intelligenti sarà doppia rispetto alla velocità con cui le macchine intelligenti entreranno nelle aziende.
COSTI e BENEFICI
Il grafico sotto aiuta a riassumere chiaramente un concetto :
più interventi di manutenzione preventiva meno interventi a guasto.
Ogni componente è destinato a degradare nel tempo e l’indice di sostituzione dello stesso è direttamente proporzionale al suo rendimento su base costo/ricavi.
Ci sarà sempre come possibilità la convenienza a non intervenire e a sostituire l’attrezzatura solo a seguito del suo guasto.
Il costo della manutenzione preventiva però sarà sempre inferiore di quella straordinaria.
Sistemi di manutenzione predittiva
Si classificano in categorie, a seconda di come venga implementata l’analisi dei dati:
- sistema basato su modelli qualitativi: lo stato del sistema viene determinato in base al rispetto delle normative vigenti;
- sistema basato su modelli statistici e di Machine Learning: lo stato del sistema viene descritto da un modello matematico basato su dati storici.
Gli obiettivi della manutenzione predittiva
in particolar modo se applicata agli impianti sono i seguenti:
- monitorare le condizioni delle attività e identificare le anomalie;
- diagnosticare le anomalie;
- fornire una stima della vita utile residua.
Evidentemente, al fine implementare la manutenzione predittiva è necessario elaborare e integrare in specifici dataset le serie di dati raccolti da sensori che descrivono l’asset fisico.
Oltre ai dati dal campo occorre acquisire dati sull’efficienza delle attività di manutenzione per quantificare le attività di riparazione svolte per attrezzature, macchine o sistemi connessi all’impianto.
ROI e rischi
Per garantire il ritorno sull’investimento, la manutenzione e l’assistenza sul lungo periodo di attrezzature e componenti sono fondamentali e, anzi, costituiscono una parte considerevole dei costi.
Per mitigare il rischio economico, è diventata pratica abituale quella di affidarsi ad accordi di manutenzione o assistenza a lungo termine forniti dal venditore (OEM – produttori di apparecchiature originali, MRO – manutenzione, riparazione e revisione, etc.).
Senza scendere nei dettagli di un ovvia variegatura di proposte, nella sostanza il rischio finanziario legato alla manutenzione viene trasferito, in tutto o in parte, al venditore per un certo periodo di tempo (anni o decenni), dietro compenso.
Quando questo rischio non è sostenuto direttamente dalla casa madre entrano in gioco tecnici qualificati che intervengono con responsabilità e approcci diversi.
Per queste figure professionali lavorare senza un adeguato sistema di gestione degli asset che storicizza e salva le informazioni, non permette di fornire garanzie.
Gli interventi a guasto non sono un’attività redditizia, essa infatti si porta con sé un tempo di fermo, un costo non programmato, acquisti non ottimizzati e molto stress per tutti coloro che intervengono.
Formule
Calcolare il costo di manutenzione di impianti o macchinari
Tempo medio di guasto (MTTF)
MTTF = ∫ R(t)dt
Prende il nome di tempo medio di guasto (MTTF):
L’MTTF (acronimo dall’inglese Mean Time To Failure) rappresenta il tempo medio di funzionamento atteso, prima che si verifichi il guasto.
L’MTTF è espresso in ore o anni (attenzione a non confondere l’MTTF con la durata di vita del dispositivo!).
Per convertire in ore il dato espresso in anni è sufficiente moltiplicare il valore dato per 8760, pari al numero di ore in un anno.
Maggiore è il valore di MTTF, maggiore è l’affidabilità del dispositivo.
Si tratta di un parametro particolarmente adatto a descrivere l’affidabilità di dispositivi non riparabili e costruiti in serie.
Altri parametri di interesse
Nel caso di apparati o sistemi riparabili (di tecnologia meccanica, elettrica ed elettronica e anche in applicazioni software), si utilizzano i seguenti parametri:
MTTR (Mean Tíme To Repair):
rappresenta il tempo medio al ripristino e rappresenta l’intervallo di tempo durante il quale l’apparato o sistema è in uno stato di indisponibilità a causa di un guasto; è un parametro utile per valutare l’efficacia del servizio di manutenzione;
MTBF (Mean Time Between Failures)
che rappresenta il tempo tra un guasto e il successivo; è dato dalla somma di MTTF e MTTR.
MTBF = MTTF + MTTR
MTBF coincide (praticamente) con MTTF quando MTTR è trascurabile rispetto a MTTF cosa che si verifica in presenza di sistemi altamente affidabili (quindi con MTTF molto elevato), di sistemi riparabili rapidamente oppure nel caso di componenti non riparabili.
Per beneficiare dei progressi della scienza manutentiva è necessario organizzare e strutturare il flusso di dati in modo che possa essere gestito da software intelligenti, che mettono a disposizione del processo decisionale le informazioni siano esse reali che calcolate su base di stime quantitative.
Sivaf Informatica realizza sistemi e introduce metodologie atte a rafforzare ed incrementare l’efficienza, la qualità e la quantità delle informazioni di cui le aziende hanno bisogno e che i responsabili dei processi possono poi utilizzare per migliorare e gestire il lavoro quotidiano.
