Manutenzione predittiva e Intelligenza Artificiale stanno diventando un binomio indissolubile per lo smart manufacturing. Come spiegano gli esperti di Exprivia|Italtel, in un documento intitolato “Come fare Industria 4.0 con data management e data enrichment“, la rivoluzione tecnologica innescata da impianti produttivi guidata dai dati è ampia e pervasiva.
Manutenzione predittiva nell’era dell’Industria 4.0
Ragionare a consuntivo, gestendo le attività di manutenzione in funzione dei dati di esercizio provenienti dalle macchine stesse e non di scadenze predefinite o, peggio ancora, come reazione a un guasto e conseguente fermo macchina, ha un’impatto negativo sulla continuità operativa e sul business.
Portare in fabbrica un modello incentrato su una manutenzione predittiva, invece, è una scelta sia tattica che strategica. Al centro della governance una gestione più evoluta dei dati e la messa a sistema di algoritmi che mettono a frutta potenza elaborativa e una nuova intelligenza funzionale.
Dai dati agli smart data
A livello manutentivo, l’approccio data-driven tradizionale prevedeva l’impiego di sistemi SCADA con una serie di regole e configurazioni impostate in modo rigido: al superamento di determinate soglie sui singoli parametri, veniva segnalata un’anomalia e programmata un’azione. Visto però che un’impostazione di questo tipo non tiene in considerazione il resto del contesto produttivo, il fenomeno dei falsi positivi non era infrequente.
Una manutenzione predittiva si basa su un uso evoluto della sensoristica integrato a un sistema basato sul Machine Learning. Gli algoritmi ricevono dati OT (sensori, PLC…), dati IT (MES, ERP…) e, grazie alle capacità di analisi in tempo reale e al miglioramento continuo dei modelli, sono in grado di proporre risposte adeguate di fronte ad anomalie effettive e verificate, non semplicemente al superamento di soglie definite a tavolino.
I vantaggi del machine learning in fabbrica
Tra le smart technologies, la IoT e l’AI permettono alle aziende di massimizzare i risultati ottenibili dall’approccio basato sul dato. A livello pratico, i filoni applicativi verso cui si rivolgono le tecnologie di AI sono principalmente tre: l’incremento dell’efficienza operativa, il miglioramento della qualità del prodotto e della sicurezza. Poi, è chiaro che il rapporto tra AI e manufacturing sia in continuo divenire: le applicazioni di oggi non sono che una minima parte di quelle che verranno studiate e implementate nel prossimo futuro.
