AO_429

APRILE 2021 AUTOMAZIONE OGGI 429 89 gran lunga maggiore. Questo tipo di strategia, che sfrutta appieno i vantaggi dell’Internet of Things, permette di effettuare gli inter- venti di manutenzione realmente necessari piuttosto che richiesti di routine. Inoltre, il futuro delinea per alcune tipologie di mac- chinario la possibilità di eseguire dei cicli di auto-manutenzione, evitando la necessità di interventi umani. L’entità del ritorno per la manutenzione predittiva all’interno della produzione è immensa. Secondo la società di consulenza azien- dale McKinsey, la manutenzione predittiva potrebbe ridurre i costi delle apparecchiature di fabbrica fino al 40%, abbattendo i tempi di fermo anche del 50%. Inoltre, estendendo la vita degli asset in- dustriali esistenti, tale approccio presenta l’opportunità di ridurre gli investimenti in conto capitale fino al 5%. Secondo McKinsey, la somma di questi risparmi potrebbe ammontare entro il 2025 a 630 miliardi di dollari all’anno. Non c’è quindi da meravigliarsi se sempre più produttori stanno affidandosi alla manutenzione predittiva abilitata dalle tecnologie IIoT come soluzione per tra- sformare le proprie attività. Tecnologie abilitanti per la manutenzione predittiva Come funziona la manutenzione predittiva? A livello superiore, essa prevede l’integrazione di diverse mega-tendenze, in partico- lare Big Data, cloud computing, edge computing, apprendimento automatico e connettività. La sfida che devono fronteggiare i pro- gettisti che sviluppano soluzioni IoT è definire una piattaforma di supporto fondata su prodotti base adatti all’attività specifica da svolgere. Questi prodotti includono sensori, soluzioni cablate e wi- reless, antenne, batterie nonché connettori e componenti passivi sempre più miniaturizzati per consentire una connettività, spesso remota, a bassissimo consumo. Inoltre, questi prodotti dovranno essere progettati per resistere alle condizioni avverse spesso ri- scontrate negli ambienti industriali. Una volta che tali prodotti sono stati installati, i dati dei sensori possono essere prelevati da risorse quali attuatori, motori e azio- namenti e filtrati attraverso gateway di campo prima di essere trasferiti nel cloud tramite connessioni wireless. I dati rilevati de- vono quindi essere riorganizzati in modo efficace e trasmessi in streaming secondo un flusso ordinato a un ‘data lake’ per il suc- cessivo filtraggio. Una volta strutturati all’interno di un deposito di Big Data, per ottenere informazioni più significative in relazione a indicatori prestazionali specifici, per esempio vibrazioni o tempe- ratura, i dati devono essere analizzati con tecniche di apprendi- mento automatico, mettendo così in evidenza eventuali anomalie. Nel tempo, man mano che vengono costruiti e ‘addestrati’, i mo- delli predittivi diventano sempre più accurati e preziosi. È ovviamente fondamentale garantire che vengano raccolte le informazioni pertinenti e analizzati i set di dati appropriati. I dati La manutenzione predittiva prevede l’integrazione di diverse soluzioni tecnologiche: Big Data, cloud computing, edge computing, apprendimento automatico e connettività Per una manutenzione predittiva efficace è fondamentale che vengano raccolte le informazioni pertinenti e analizzati i set di dati appropriati