POLITICHE DI MANUTENZIONE: UN NUOVO PILASTRO NELL’AGENDA DEI TOP LEVEL AZIENDALI

Negli ultimi anni si è parlato molto di manutenzione predittiva e approcci data-driven. L’applicazione di Machine Learning e Artificial Intelligence sono stati presentati come la soluzione a tutti i problemi. Purtroppo, e ovviamente, non c’è una politica manutentiva migliore delle altre. Ogni azienda deve scegliere accuratamente il corretto mix al fine di definire la propria strategia, considerando variabili quali costo e margine di produzione, costo dei ricambi, costo del personale manutentivo, saturazione dell’impianto, criticità dell’impianto per il servizio al cliente, etc. Deve altresì valutare quale è l’infrastruttura informatica di partenza e la natura dei malfunzionamenti più frequenti. Nel seguente articolo vedremo come costruire il giusto mix di politiche di manutenzione per creare una fabbrica flessibile e antifragile.

COME È EVOLUTO L’APPROCCIO MANUTENTIVO NEGLI ANNI

La manutenzione non ha mai fatto parte dell’agenda dei CEO. Perché oggi invece più e più top level si stanno interessando al tema? Semplice: la pandemia ci ha esposti alla vulnerabilità delle nostre fabbriche, che devono rapidamente trasformarsi in flessibili e antifragili. Se il termine flessibile è chiaro, vorrei richiamare il concetto di antifragilità, ovvero la capacità di un sistema non solo di resistere alle sventure, bensì di trarne vantaggio. Manutenzione dunque non più come pura garanzia della continuità operativa richiesta, ma come chiave per l’efficienza produttiva globale e per la possibilità di adattarsi a contesti in rapida mutazione.

LE POLITICHE DI MANUTENZIONE

Le varie politiche di manutenzione seguono quella che è stata anche l’evoluzione storica dell’ingegneria di manutenzione. In semplici parole tale evoluzione è legata al livello di conoscenza dell’impianto.

MANUTENZIONE CORRETTIVA

Si parte dalla manutenzione correttiva in cui non avendo alcuna conoscenza dell’impianto, l’unico modo è di intervenire dopo il verificarsi del guasto riportando l’impianto in condizione di svolgere la funzione richiesta.

MANUTENZIONE PREVENTIVA

Successivamente, grazie ai dati raccolti sui vari guasti, si sono sviluppate politiche di manutenzione preventiva su base statistica; sulla base dei dati storici raccolti (time to failure) e grazie a dei modelli di costo, viene definito quando sostituire il componente sotto analisi per evitare il guasto. In questo caso è noto come tale politica sia applicabile solo in alcune condizioni, in particolare quando vi sono fenomeni di usura, in quanto guasti accidentali non possono essere evitati da tali sostituzioni preventive.

Un esempio è la sostituzione degli pneumatici dell’auto. In tale caso posso evitare che vi sia una rottura per usura del battistrada sostituendoli dopo un certo numero di chilometri percorsi. Non posso però evitare una foratura accidentale dovuta ad un chiodo o una buca sul manto stradale.

MANUTENZIONE SU CONDIZIONE

È anche vero che posso posticipare la loro sostituzione se conosco il loro stato di degrado analizzando in modo appropriato il livello del battistrada. In questo caso la politica manutentiva si definisce su condizione e richiede un adeguato livello di conoscenza sia dei fenomeni di usura che capacità di analizzare lo stato di degrado del componente. È importante sottolineare come l’efficacia di una politica manutentiva su condizione sia strettamente legata alla capacità di raccogliere conoscenza sullo stato di salute dell’impianto dalle diverse ispezioni e alla capacità di prevedere la vita residua in modo da poter pianificare l’intervento manutentivo in maniera economica ed efficiente. Tali politiche hanno come obiettivo primario evitare il guasto o comunque ridurre al minimo l’impatto di tale guasto sulle performance dell’impianto. Molto spesso quindi sono viste come politiche di riduzione dei costi manutentivi.

MANUTENZIONE PREDITTIVA

Negli ultimi decenni, grazie all’avvento di tecnologie quali sensori low cost e cloud computing, le aziende hanno investito sempre più nell’acquisire segnali deboli dagli impianti. Esempi sono la corrente assorbita, le temperature dei componenti, la variazione nel consumo energetico, le vibrazioni. Grazie all’analisi di questi dati è ora possibile implementare delle nuove politiche di manutenzione su condizione, dette politiche di manutenzione predittiva.

Ritornando all’esempio degli pneumatici, la non corretta tenuta di strada in condizioni normali di guida è un segnale debole (perdita di performance) che può indicare un certo degrado degli pneumatici stessi e quindi suggerire una loro sostituzione o almeno un controllo del battistrada.

Di manutenzione predittiva si è iniziato a parlare molto prima dell’avvento della quarta rivoluzione industriale, ma è grazie all’elevata capacità di raccolta dati e loro elaborazione che si riesce ora a sfruttare a pieno tale politica. La manutenzione predittiva consente non solo di intercettare difetti sul nascere ma anche di definire come utilizzare l’impianto e come manutenerlo nel migliore dei modi.

SCEGLIERE IL GIUSTO MIX

Ritornando al principale scopo di ogni azienda, generare profitto, è scontato come ogni decisione su quale politica manutentiva attuare dipenda da una analisi costi-benefici. Se la manutenzione correttiva non richiede alcun costo di investimento, essa può portare ad alti costi di fermo oltre che di riparazione. E’ da considerare inoltre il costo derivante dall’impossibilità di prevedere il momento in cui si verificherà la rottura.

Al contrario la manutenzione preventiva pianificata rischia di veicolare un falso senso di sicurezza. Ricordo a questo proposito che il ciclo di vita dei componenti meccanici ha un andamento detto “a vasca da bagno”. Esso è altresì caratterizzato da un’alta mortalità infantile. Il tema è che, quando opero la manutenzione pianificata, non so a quale punto della vasca da bagno intervengo; la mia sostituzione ha in ogni caso l’effetto di riportare ad un livello elevato la possibilità di rottura.

La manutenzione su condizione – opero quando le condizioni di verifica superano date soglie – o predittiva – calcolo la durata di vita residua del componente – si pongono l’obiettivo di  minimizzare i costi di fermo, di sostituzione e di manodopera. Esse sono oggi le tecniche che maggiormente garantiscono l’affidabilità degli impianti, intesa come la possibilità di produrre ciò che voglio, quando voglio, al miglior costo possibile.

TECNICHE PREDITTIVE DI CAMPO E DATA DRIVEN

Un aspetto spesso non considerato è che le tecniche su condizione e predittive non coincidono esclusivamente con l’applicazione dell’intelligenza artificiale alla manutenzione. In particolare, possiamo distinguere tra tecniche predittive di campo e tecniche data driven.

Se ambo le tecniche portano ampi benefici in termini di capacità di intercettare un difetto sul nascere, le tecniche predittive di campo sono oggi generalmente più accurate di quanto l’intelligenza artificiale riesca a fare quando applicate ai difetti di natura meccanica. Inoltre, esse hanno il forte vantaggio di essere meno dipendenti dallo storico dati rispetto a quanto avviene per le tecniche predittive su base AI.

CONCLUSIONI

La pandemia da Covid-19 ha mostrato tutta la vulnerabilità dei nostri siti produttivi. Questi sono chiamati a far fronte rapidamente a nuove richieste di prodotto, mancanza di liquidità, necessità di tele-gestione degli impianti, scarsa reperibilità del personale. In questo scenario la manutenzione è tornata come tema centrale nell’agenda dei direttori d’azienda. Essa non è più solo l’ente che “preserva”, ma diviene la funzione che “governa” la disponibilità degli impianti e la loro capacità di riconversione.

E’ possibile distinguere almeno tre politiche manutentive con le quali costruire una strategia adeguata al contesto produttivo della nostra azienda:

• – correttiva
• – pianificata
• – predittiva e su condizione

Se tutte hanno vantaggi e svantaggi. È chiaro come la manutenzione predittiva e su condizione sia oggi la politica che più di ogni altra risponde alle esigenze di questo particolare contesto macro-economico.

Il tema chiave è che la manutenzione predittiva non coincide con le sole tecniche data-driven. Essa comprende anche tecniche e tecnologie che non dipendono così fortemente dalla presenza di uno storico dati. In questo senso stabilire la giusta strategia manutentiva quale insieme delle politiche di cui sopra e quali tecniche applicare tra quelle di campo e data driven è la chiave da cui partire onde evitare costosi errori.

MIPU dal 2008 lavora nel campo della Manutenzione Predittiva, accompagnando le imprese nella scelta della politica manutentiva migliore per loro. Per questo abbiamo deciso di parlare di questo argomento nel nostro libro Storie di Fabbrica Predittiva. Puoi contattarci per approfondire l’argomento e capire insieme come organizzare le attività di manutenzione nella tua realtà.