Victor Hugo disse: non c'è niente di meglio di un sogno per creare il futuro. Uno dei sogni ricorrenti delle organizzazioni industriali è sempre stato quello di avere una linea di produzione che non si arresti a causa di guasti, di spendere il meno possibile per avere assets efficienti e in grado di svolgere il lavoro per il quale sono stati acquistati, di riuscire a realizzare prodotti di qualità elevata, di garantire la sicurezza dei propri lavoratori e di avere un eccellente rapporto con l’ambiente e con i cittadini che vivono nelle vicinanze dell’impianto. Oggi possiamo dire, a ragione, che la Predictive Maintenance può contribuire alla realizzazione di questo sogno. Non stiamo parlando di una soluzione particolarmente innovativa e futuristica, ma di approcci e soluzioni che già esistono sul mercato e che possono contribuire a rivedere le spese in manutenzione e a prendere le giuste decisioni nella gestione di un impianto industriale.
Oggi molti sono ormai consapevoli che la manutenzione preventiva, basata essenzialmente sulle informazioni statistiche fornite dai produttori di asset e sugli interventi di manutenzione programmata eseguiti, non è garanzia di salute degli asset e non può evitare completamente il fermo impianto non programmato. Inoltre non dobbiamo dimenticare la normativa ISO 55000, che tra l’altro richiede di conoscere, “intimamente” aggiungo io, le condizioni di salute nelle quali si trovano gli asset. Dunque va da se che solo una modalità di manutenzione che si basi effettivamente sul “Condition Monitoring” può essere veramente efficace per raggiungere questi obiettivi.
Gli Analytics a supporto di una visione strategica
In qualsiasi campo di business una visione strategica non può prescindere da un approccio analitico. L’approccio Predictive Analytics viene oggi utilizzato in molti campi; ad esempio nel marketing per conoscere il “sentiment” dei possibili clienti analizzando i social network, o anche nella sicurezza informatica per analizzare i big data interni ed esterni e predire prossimi attacchi, ma anche nella sicurezza fisica analizzando il comportamento di soggetti a rischio ecc. I dati a disposizione, congruenti e coerenti, potranno essere analizzati secondo modelli creati arricchendo i consolidati approcci metodologici presenti in azienda con funzionalità analitiche per prendere decisioni più consapevoli. Una visione strategica della manutenzione, basata su analytics, ha come obiettivo quello di migliorare l’affidabilità degli asset mitigando i rischi di guasto e di far crescere la produzione utilizzando gli stessi asset il più a lungo possibile.
Una volta raccolti i dati storici degli asset, entra in gioco l’approccio analitico. I casi d’uso (use cases) basati su predictive anaylitics consentono agli ingegneri di manutenzione di prendere decisioni “migliori”, possono elaborare dati strutturati provenienti da sistemi informatici differenti, senza doversi preoccupare che la funzione IT dell’azienda predisponga all’uopo un subset di dati sui quali l’utente possa effettuare elaborazioni e simulazioni con strumenti di business intelligence. Approccio quest’ultimo limitante e non esaustivo. L’uso di strumenti analitici (Analytics) risulta dunque determinante per supportare una visione strategica, e lo è sicuramente per mettere in pratica una reale e performante manutenzione predittiva.
Senza un’approfondita analisi dei dati non si può predire. Oggi è possibile raggiungere l’obiettivo della predizione. Si possono raccogliere i dati di funzionamento degli assets da un sistema di monitoraggio e controllo, integrarli e renderli coerenti e accessibili. I dati così normalizzati potranno alimentare un modello analitico a disposizione degli ingegneri di manutenzione. L’intelligenza non è nei dati, ma nella modalità di analisi dei dati ovvero nel modello che si costruisce a supporto delle decisioni. Inoltre ci si può avvalere delle nuove tecnologie di Internet of Things, laddove le normative industriali lo consentano, per raccogliere con Smart Sensors i dati di funzionamento degli asset critici in real time, e aggiornare il modello analitico creato con dati storici.
La visione strategica della manutenzione
Per raggiungere il duplice obiettivo di ridurre i costi di manutenzione e tendere all’eccellenza operativa è necessario avere una visione strategica.
Le organizzazioni che non hanno una visione strategica saranno destinate a uscire prima o poi dal mercato o ad essere acquisite da altre organizzazioni che hanno una visione strategica. La manutenzione è una risorsa strategica per le organizzazioni industriali come lo sono le risorse umane. Dunque è obbligatorio avere una visione strategica della manutenzione per avere maggior controllo del proprio futuro. Questa visione si basa sul riuscire a prendere decisioni importanti sulla base delle informazioni disponibili. Va da se che se non ho una giusta quantità d’informazioni e di qualità, ovvero congruenti, coerenti e correlabili, prendere decisioni può risultare difficile se non impossibile in certi casi. L’uomo da sempre desidera conoscere il futuro per agire di conseguenza sulla base delle proprie esigenze, ma per “predire cosa accadrà” non è sufficiente basarsi su di un sistema di monitoraggio e controllo. Alcune organizzazioni, che hanno realizzato un sistema di monitoraggio e controllo degli asset inseriti nella linea di produzione, possono pensare che ciò sia sufficiente. Questo è vero per aziende di dimensioni contenute o medie, ma non può essere sufficiente per organizzazioni più estese, che basano la loro produzione sull’uso intensivo di asset critici. La prevenzione consente di agire in modo che si riduca la “probabilità” che un evento accada, mentre la predizione consente di sapere esattamente che “quell’evento accadrà e quando ciò avverrà”. È necessario dunque andare oltre la fase di monitoraggio e controllo e affidarsi alla Predictive Analytics.
Avere un approccio Strategico significa darsi obiettivi a lungo termine, quantificabili e misurabili, ad esempio: entro 2 anni avere un sistema che avvisi entro 48h, e con un’accuratezza di oltre il 70% di potenziali guasti degli asset; entro 1 anno ridurre di oltre il 40% la manutenzione non programmata (guasti); in 1 anno, aumento generale del 10% della qualità dovuto a controllo puntuale del processo produttivo; …. Le percentuali indicate non sono casuali ma fanno riferimento a casi concreti.
Definiti gli obiettivi strategici dell’azienda, che rispondono alla domanda “perché’”, è necessario rispondere alla domanda “come”, che si sposa con i passi tattici da eseguire per raggiungere gli obiettivi di medio e di lungo termine. Abbiamo sperimentato che è bene partire da una fase di assessment, o di workshop, durante il quale a seguito di alcune interviste e raccolta di dati, potremo ottenere una fotografia piuttosto chiara dell’attuale organizzazione, delle modalità di manutenzione attuali e degli eventuali strumenti a supporto, degli asset critici da monitorare, delle pressioni al management interne ed esterne e degli obiettivi da raggiungere secondo i tempi desiderati. Al termine dell’assessment si potrà conoscere il grado di maturità dell’azienda in termini di focus sull’affidabilità degli assets. I risultati dell’assessment vengono poi condivisi e discussi al fine di far emergere possibili imprecisioni che possano richiedere un eventuale ulteriore passo di verifica. Una volta che i risultati siano approvati, si può iniziare un progetto pilota, identificando da un lato un subset di asset critici sui quali agire, e dall’altro la modalità di intervento per dimostrare la validità dell’approccio suggerito. Potrebbe essere sufficiente identificare uno strumento software di analytics che agisca su repository di dati già presenti, e creare da zero vari use cases, modelli, che aggiungano valore; oppure utilizzare soluzioni software di Predictive Maintenance, basate su template di predictive analytics, per raggiungere i risultati desiderati. Il team che andrà a creare gli use cases potrà essere composto da un ingegnere di manutenzione e da un esperto di analytics, questi eventualmente potranno essere affiancati da un esperto di automazione e da un data scientist qualora sia necessario creare nuovi algoritmi. La presenza dell’ingegnere di manutenzione nella costruzione dello use case evita completamente l’eventuale rigetto della soluzione da parte degli utenti, o la normale resistenza al cambiamento che si avrebbe con l’inserimento di uno strumento software che obblighi il professionista a cambiare il suo modo di lavorare.
Un esempio di ciò che si può ottenere è mostrato in Fig 1 ed in Fig 2.
Digital Transformation e manutenzione predittiva
Spesso si legge o si sente parlare di Digital Transformation, ma cosa significa esattamente? Raccogliere i dati provenienti dagli assets e accedervi con uno strumento software è Digital Transformation? Probabilmente no, questa la potremmo chiamare forse Digital Evolution? Per Digital Transformation si deve intendere la possibilità di “trasformare” il proprio Business utilizzando la tecnologia digitale. Ovvero la tecnologia digitale come strumento abilitante nella creazione e sviluppo di nuove soluzioni di Business che consentano all’azienda di conquistare nuove fette di mercato o di sopravvivere agli attacchi della concorrenza. La Digital Transformation, quale aspetto strategico per l’azienda di oggi, non può prescindere dall’uso di strumenti di Analytics a supporto delle decisioni. In ambito manutentivo, quando un’organizzazione industriale riesce a eseguire la manutenzione predittiva basandosi sugli Analytics può anche predire, ad esempio, una maggior produzione per rispondere a picchi di richiesta di energia, essendo certi che gli asset “reggeranno” allo sforzo, ed erogare energia ad altri clienti prima irraggiungibili. Si potrebbe anche creare una maggior empatia con la pubblica amministrazione locale dimostrando che si stanno gestendo i propri asset al meglio, evitando e mitigando il rischio di perdite di fluidi indesiderati che possano impattare negativamente sull’ambiente e sui cittadini, oltre che sui propri dipendenti. Sarebbe così possibile ottenere l’approvazione all’espansione delle proprie attività. Nel manifatturiero si possono realizzare Smart Products e passare dalla vendita del prodotto alla vendita del servizio erogato tramite il prodotto, e così via. Ad esempio: non ti vendo più la lavatrice ma il servizio della lavatrice della quale conosco a distanza il funzionamento, posso modificarne il firmware da remoto e predirne interventi di manutenzione, ecc. …Tutto questo è possibile se la manutenzione degli asset sarà basata sulla loro condizione e non sulla “probabilità” di condizione; una svolta storica oggi alla portata di tutti. La Predictive Maintenance è quindi uno strumento abilitante della Digital Transformation.
Conclusioni
Oggi gli strumenti per raggiungere l’eccellenza ci sono tutti, ma la volontà di cambiamento e di miglioramento non si può acquistare, deve provenire dai vertici aziendali e dal coinvolgimento fattivo di chi dedica la propria attività professionale alla cura degli asset prolungandone la longevità e l’efficienza al fine di raggiungere l’eccellenza operativa. È necessario dunque che i vertici aziendali e gli esperti di manutenzione prendano decisioni condivise in tal senso, per contribuire al successo della propria organizzazione, o anche alla sopravvivenza della stessa in un mercato dove il cambiamento è ormai una costante ma non non se ne conosce l’accelerazione.
Maurizio Milazzo, Partner OmnitechIT
