La nuova frontiera della manutenzione: intelligenza artificiale e algoritmi sempre più “invasivi”

La nuova frontiera della manutenzione: intelligenza artificiale e algoritmi sempre più “invasivi”

Il mutamento del paradigma industriale verso il sempre più tecnologico e virtuoso modello 4.0, abbraccia ormai tutto lo spettro applicativo, dal settore manifatturiero a quello meccatronico, con particolare e sensibile avvicinamento a tematiche che coinvolgono tutto l’intorno della scienza e tecnologia. In tal contesto si collocano, infatti, nuovi e dirompenti concetti che sovraintendono l’intera catena del valore in ottica 4.0;

Big data analytics, machine learning, intelligenza artificiale e robotica sono infatti i cardini attorno ai quali l’industria della quarta rivoluzione ruota; con le macchine e la tecnologia a supporto dei processi e dell’ottimizzazione delle risorse, in stretta e sinergica collaborazione con l’estro umano, a “moderarne” l’interazione.

In ottica più propriamente industriale e affine al settore della meccatronica, particolare e sentita attenzione viene posta nella cosiddetta manutenzione predittiva: molti ne parlano, forse troppi, pochi ne conoscono le potenzialità e le reali possibilità di integrazione nei piani di ordinaria manutenzione di macchine e impianti.

Con manutenzione predittiva si intende, dunque, un modello operativo focalizzato sulla verifica in tempo reale dello stato di salute dei macchinari, degli impianti e delle infrastrutture, al fine di prevedere quando e se si verificherà un guasto.

Per massimizzare le probabilità di successo delle previsioni si ricorre all’utilizzo congiunto di diverse tecniche che si basano su tecnologie informatiche quali analisi dei big data, machine learning e intelligenza artificiale; essi hanno infatti lo scopo di acquisire un ingente quantitativo di informazioni nel tempo, al fine di fornire un trend di dati parametrici che, opportunamente interpretati, rispecchiano il reale stato di salute dei macchinari e permettono agli addetti di poter intervenire prima del verificarsi di un guasto (che comporterebbe fermi alla macchina o all’intera linea di produzione).

La sinergia funzionale atta a rilevare le anomalie, potenziali cause di imminenti guasti ad impianti e macchine, prevede l’utilizzo di processi di analisi cognitiva, apprendimento automatico e data mining attraverso sensori installati sui macchinari che comunicano con un’unità centrale che provvede poi a identificare, misurare e quantificare i parametri immagazzinati.

Le svariate tipologie di sensori impiegati permettono la raccolta di una variegata mole di informazioni che possono dirci molto sullo stato di un componente. Ad esempio, è possibile acquisire dati relativi a temperature, vibrazioni, livelli di lubrificazione e tante altre grandezze utili per identificare variazioni rispetto allo standard, intervenendo prima della “deriva” di un macchinario.

Si tratta quindi di introdurre un modello di approccio virtuoso a supporto della “normale” e imprescindibile ordinaria manutenzione; sfruttando l’ingente quantità di dati provenienti ormai da macchinari di ultima generazione è possibile creare del valore in ottica previsionale e di ottimizzazione delle risorse, perché, si sa, “prevenire è di gran lunga meglio che curare”…

A cura di Piercarlo Di Napoli

Condividi questo post


" tracking="option-post-content_bottom"]