Utilizzo dell'intelligenza artificiale nella manutenzione predittiva

Quando le apparecchiature delle fabbriche si guastano in maniera inaspettata, la produzione rallenta o si arresta. Si perde sia tempo che denaro, così come la pazienza del cliente. Fortunatamente, produttori, utility, produttori di energia e altre aziende che si affidano a macchinari pesanti possono utilizzare l'intelligenza artificiale generativa per prevedere i guasti delle macchine in modo più accurato che mai. Grazie a queste conoscenze, possono pianificare la manutenzione, evitare tempi di inattività non pianificati, estendere il ciclo di vita di apparecchiature costose e, in ultima analisi, aiutare a mantenere le loro operazioni di produzione e le supply chain in movimento.

Che cos'è l'AI nella manutenzione predittiva?

La manutenzione predittiva è un approccio basato sui dati per prevedere i guasti dei macchinari ed effettuare riparazioni proattive. Con l'avvento dell'Internet of Things (IoT), le apparecchiature utilizzate in fabbriche intelligenti, impianti petroliferi, parchi eolici, stazioni elettriche, miniere, flotte di camion e altri settori sono state dotate di sensori di raccolta dati che alimentano algoritmi AI progettati per monitorare tali apparecchiature, rilevare anomalie e dare priorità alla manutenzione.

Tali sistemi analizzano continuamente le condizioni operative e cercano segni che l'apparecchiatura potrebbe essere in pericolo di guasto, anche se al momento sembra perfettamente sana. Valutando le performance rispetto ai dati di base, gli strumenti AI possono segnalare anche i minimi cali di efficienza, in tempo reale, e sollecitare i team ad aprire un ticket di manutenzione. Oltre a prevedere con maggiore precisione quando si verificheranno guasti, le aziende acquisiscono una comprensione più approfondita delle cause principali.

Concetti chiave

• Rispetto alle tecnologie di analytics dei dati meno recenti, l'AI offre una manutenzione predittiva più rapida e accurata.
• Utilizzando l'intelligenza artificiale per prevedere i guasti dei macchinari e le esigenze di manutenzione, le aziende possono ridurre i tempi di inattività aumentando al contempo l'efficienza.
• Alcune delle più grandi aziende globali hanno implementato strumenti AI nei loro programmi di manutenzione predittiva, con risultati promettenti.

Definizione di AI nella manutenzione predittiva

I produttori erano soliti basare i propri programmi di manutenzione delle apparecchiature di fabbrica sulle proiezioni dei cicli di vita dei macchinari, includendo i guasti comuni. Con l'intelligenza artificiale, i produttori possono evitare le incertezze raccogliendo e analizzando i dati delle macchine per prevedere i guasti, ottenendo una visione più sfumata delle singole macchine e delle reti di produzione.

Possono anche ottenere consigli sulla manutenzione in tempo reale, con le apparecchiature critiche in prima linea per le riparazioni. Un vantaggio chiave: sebbene la manutenzione implichi quasi sempre tempi di inattività, la pianificazione basata su previsioni precise aiuta a ridurre al minimo tali tempi di inattività e a pianificarli per i periodi più ottimali.

Perché la manutenzione predittiva è importante?

Due parole: meno tempo di inattività. Le fabbriche in genere perdono tra il 5% e il 20% della loro capacità di produzione a causa di guasti alle apparecchiature e di altre cause di inattività, secondo l'International Society of Automation. I costi totali dei tempi di inattività includono una riduzione della produzione, un aumento dei tassi di scarto, correzioni temporanee inefficaci e la dipendenza da terze parti per continuare ad eseguire la produzione.

Con una posta in gioco così alta, è fondamentale prevedere con precisione le esigenze di salute e manutenzione della macchina al fine di ridurre i tempi di inattività. Secondo uno studio di Siemens del 2024, i costi di una linea di produzione inattiva possono accumularsi. Per i grandi impianti nel settore automobilistico, gli stalli della produzione possono costare 695 milioni di dollari all'anno, il che rappresenta un aumento del 150% rispetto ai cinque anni precedenti. Lo stesso studio ha riportato che le più grandi 500 aziende a livello globale hanno perso l'11% delle loro entrate annuali a causa di tempi di inattività imprevisti.

Differenze tra manutenzione preventiva e predittiva

Manutenzione preventiva e manutenzione predittiva sono due modi proattivi per monitorare lo stato delle apparecchiature di fabbrica.

Con la manutenzione preventiva, le aziende valutano i loro macchinari a intervalli regolari, non importa quanto frequentemente o pesantemente l'attrezzatura viene utilizzata. In genere si basano su dati storici e suggerimenti dei fornitori di apparecchiature per creare programmi di manutenzione basati su regole. L'unica variabile è il periodo di tempo trascorso dall'ultima valutazione.

Sebbene questo approccio sia migliore di un approccio puramente reattivo, si basa su consigli molto generali basati su un set di dati ristretto. Ad esempio, si consiglia di sostituire un componente importante (e costoso) senza tenere conto di fattori sottili che potrebbero permettere un ciclo vitale più lungo. Come la manutenzione reattiva, la manutenzione eccessiva può portare a tempi di inattività e spese evitabili.

Con la manutenzione predittiva, le aziende valutano continuamente le proprie apparecchiature utilizzando i dati che i sensori delle macchine trasmettono al software di monitoraggio delle performance. Gli algoritmi di intelligenza artificiale analizzano grandi quantità di tali dati, tra cui temperatura delle apparecchiature, vibrazioni, pressione e livelli di fluido, per creare modelli dettagliati di salute e performance delle apparecchiature. Di conseguenza, l'azienda può prevedere i guasti con maggiore sicurezza, ottenendo al contempo consigli più utili su cosa risolvere e quando. A differenza della manutenzione preventiva, guidata da regole meno flessibili, la manutenzione predittiva utilizza il monitoraggio in tempo reale per rispondere in modo dinamico e individuare i problemi previsti, le cause principali e le riparazioni necessarie.

Un produttore specializzato nello stampaggio ad iniezione utilizza la manutenzione predittiva per rilevare e risolvere le anomalie nei suoi robot e nelle sue macchine di stampaggio. Monitorando attentamente lo stato della macchina e la qualità dei componenti, l'azienda riduce i tempi di manutenzione, consentendo ai dipendenti di sviluppare nuovi prodotti e migliorare i processi operativi.

In genere, le aziende utilizzano la manutenzione predittiva per monitorare le macchine il cui guasto implicherebbe un grave danno in tempi di inattività, denaro, lesioni o vite umane. Ad esempio, se i tempi di inattività in una sottostazione elettrica lasciassero migliaia di persone senza corrente, l'utility potrebbe scegliere di investire in una manutenzione predittiva più granulare, probabilmente sfruttando gli strumenti AI. Nel caso delle apparecchiature a basso rischio che non si trovano in percorsi critici, le aziende tendono a continuare con la manutenzione preventiva, a volte perfezionando le regole di monitoraggio per ottenere dati con più sfumature per una pianificazione della manutenzione più proattiva.

Vantaggi dell'AI nella manutenzione predittiva

Manutenzione preventiva e manutenzione predittiva sono due modi proattivi per monitorare lo stato delle apparecchiature di fabbrica.

• Riduce i costi
  Previsioni più accurate dei guasti dei macchinari possono ottimizzare i programmi di manutenzione e ridurre i tempi di inattività non pianificati e i costi associati. Inoltre, prolungano la durata delle apparecchiature segnalando i problemi e consigliando azioni di manutenzione. Gli algoritmi di intelligenza artificiale possono anche monitorare da vicino il consumo energetico di una macchina, rilevando le inefficienze e suggerendo passaggi per risparmiare denaro. Possono anche aiutare a ridurre i costi di manodopera dando priorità ai lavori di manutenzione, riducendo così le ispezioni, le riparazioni e le sostituzioni non necessarie.
  
  Un produttore globale utilizza un sistema AI per monitorare più di 10.000 macchine, tra cui robot, trasportatori, elevatori, pompe, motori, ventole e presse/stampatrici. Il produttore riporta milioni di dollari di risparmi, mostrando un ritorno sull'investimento entro tre mesi dall'implementazione.
• Limita le disruption
  L'intelligenza artificiale riduce le interruzioni delle macchine prevedendo i guasti in modo più rapido e accurato rispetto ai metodi meno recenti. Ciò aiuta i produttori a stare al passo con i problemi meccanici, ad aumentare i tempi di attività e a mantenere operative le supply chain.
• Aumenta la produzione
  Secondo uno studio di Deloitte del 2022, gli strumenti AI per la manutenzione predittiva possono aiutare le aziende a aumentare la produttività del personale dal 5% al 20%. Un motivo: l'intelligenza artificiale può contribuire a ridurre i tempi di inattività fino al 15%, mantenendo in funzione le linee di produzione.
• Migliora la sicurezza
  Una macchina guasta può mettere in pericolo i lavoratori. Sapendo quando è probabile che il macchinario si guasti ed effettuando preventivamente riparazioni, un produttore può evitare di mettere i dipendenti in pericolo, compresi i tecnici dell'assistenza che spesso hanno bisogno di gestire l'apparecchiatura. I lavoratori statunitensi che operano e gestiscono macchinari subiscono circa 18.000 lesioni all'anno, secondo l'Occupational Safety and Health Administration. Più di 800 persone muoiono ogni anno.
• Estende il ciclo di vita delle apparecchiature
  Prevenendo l'usura prematura, gli strumenti di analytics dei dati basati sull'intelligenza artificiale possono aiutare a prolungare la durata di vita di un asset meccanico, aumentando i tempi di attività, la produttività e, in ultima analisi, i ricavi del produttore.
• Migliora il controllo di qualità
  Le procedure manuali di controllo di qualità richiedono molto tempo e sono inclini a errori umani. Automatizzando le ispezioni delle apparecchiature e fornendo feedback in tempo reale, gli strumenti AI aiutano a migliorare la qualità e la coerenza dei prodotti, riducendo al minimo i tassi di difetto e i costi di produzione. Quando gli algoritmi AI vengono addestrati su enormi quantità di dati sulle specifiche di prodotto, possono trovare crepe nei prodotti, disallineamenti, colori e trame incoerenti e altri problemi. Nel monitoraggio della coppia, un sistema AI può tracciare la consistenza dei valori di coppia per garantire che bulloni e viti siano serrati secondo le specifiche. Se il valore di coppia supera gli intervalli accettabili, il sistema avvisa il produttore di risolvere il problema il prima possibile.

Modalità di utilizzo dell'AI nella manutenzione predittiva

L'intelligenza artificiale sta alimentando la manutenzione predittiva in settori come il manufacturing, la gestione della flotta, la consegna dei pacchetti, l'estrazione mineraria, il riciclaggio e l'energia, tutte industrie che si basano su macchinari sofisticati. Le aziende possono creare modelli automatizzati in grado di monitorare le condizioni delle apparecchiature, rilevare anomalie, prevedere guasti e interruzioni delle apparecchiature, assegnare priorità e pianificare la manutenzione, ottimizzare l'utilizzo dell'energia e consigliare azioni correttive.

• Prevenzione dei guasti
  Raccogliendo dati, tra cui performance passate e dati contestuali in tempo reale, dagli asset connessi, la manutenzione predittiva basata sull'intelligenza artificiale riduce interruzioni costose. Gli algoritmi analizzano i dati in tempo reale e inviano report ai team di fabbrica, segnalando sintomi di potenziali guasti, ad esempio macchine surriscaldate o fluttuazioni di tensione improprie.
  
  Un grande produttore di alluminio ha implementato strumenti basati sull'intelligenza artificiale per monitorare robot e altre apparecchiature nelle fonderie. I lavoratori ricevono avvisi di manutenzione con almeno due settimane di anticipo, ad esempio, sui motori a sega che rendono meno del previsto a causa di componenti allentati. Durante ogni evento, l'azienda evita quindi 12 ore di inattività imprevista.
• Monitoraggio delle condizioni
  I produttori devono monitorare le condizioni delle apparecchiature per garantire un funzionamento ottimale. Gli algoritmi di intelligenza artificiale possono riconoscere le condizioni normali e anormali molto più velocemente e con maggiore precisione rispetto alle tecnologie precedenti. Questi sistemi analizzano i dati in tempo reale sullo stato delle apparecchiature, scoprono pattern rilevanti e prevedono i guasti per prevenire le interruzioni. Inoltre, aiutano a determinare le priorità di manutenzione in base alle condizioni attuali, non a una pianificazione predeterminata.
• Rilevamento delle anomalie
  Fino a poco tempo fa, il rilevamento delle anomalie veniva eseguito con sistemi basati su regole, che utilizzano soglie non modificabili per individuare le irregolarità dei computer e prevedere gli errori. Ad esempio, se la vibrazione di una macchina supera la soglia stabilita negli standard ISO, l'anomalia viene segnalata e può essere suggerita la manutenzione. Ma apparecchiature complesse generano enormi quantità di dati, non solo sulla vibrazione, ma anche su temperatura, pressione, calore e molte altre variabili, rendendo più difficile per i sistemi più vecchi interpretare le informazioni in modo accurato.
  
  I sistemi AI, al contrario, non solo raccolgono e analizzano i dati, ma imparano da essi man mano che operano. Anziché limitarsi a seguire le regole e segnalare i problemi attuali, gli analytics basati sull'intelligenza artificiale possono identificare anche la più piccola indicazione di un cambiamento nelle performance, rilevando problemi emergenti prima che causino disruption.
• Previsione dei guasti
  L'intelligenza artificiale analizza le performance passate e i dati dei sensori in tempo reale per creare un modello predittivo di deterioramento delle apparecchiature, aiutando le aziende a evitare guasti alle macchine. Man mano che il modello acquisisce più dati, apprende, si adatta e prevede con maggiore precisione. Il deep learning per la previsione dei guasti, un tipo di machine learning, trova collegamenti che sfuggono ai metodi più vecchi, inclusa l'osservazione umana. Una multinazionale di consegna di pacchetti utilizza un sistema AI per prevedere guasti in più di 30 tipi di macchine presso le strutture di smistamento, individuare guasti del cambio, danni alla cintura e altri problemi costosi. L'azienda stima che il sistema le faccia risparmiare milioni di dollari all'anno.
• Pianificazione e prioritizzazione della manutenzione pianificata
  L'intelligenza artificiale migliora la manutenzione pianificata individuando i problemi, identificando le priorità e rimescolando i piani di manutenzione, il tutto in tempo reale. Invece di concentrarsi esclusivamente sui problemi attuali o sulla creazione di pianificazioni basate sui dati passati, la manutenzione predittiva basata sull'intelligenza artificiale rivela cosa è probabile che accada se le condizioni delle apparecchiature rimangono le stesse. Presenta anche misure proattive che le aziende possono adottare per produrre risultati migliori.
• Ottimizzazione dell'energia
  I macchinari diventano meno efficienti nel tempo, utilizzando più energia per produrre lo stesso risultato. Negli Stati Uniti, ad esempio, sistemi di aria compressa inefficienti sprecano 3,2 miliardi di dollari all'anno, secondo il Compressed Air and Gas Institute. Utilizzando la manutenzione predittiva basata sull'intelligenza artificiale, i produttori e altri operatori di macchine possono trovare difetti delle apparecchiature e pianificare le riparazioni per prevenire, o almeno anticipare, il bisogno di scarti e rilavorazioni. Ford Motor si affida all'intelligenza artificiale per ottimizzare l'energia in tutti i suoi impianti, combinando l'intelligenza artificiale e i gemelli digitali per evitare gli sprechi e individuare i modi per eliminarli.
• Visione artificiale
  Le tecnologie di visione artificiale consentono ai computer di "vedere". Ad esempio, un produttore può addestrare uno strumento AI per visualizzare e analizzare video che monitorano le condizioni della macchina. Attraverso algoritmi di perfezionamento visivo, le immagini diventano informazioni che completano altri dati rilevando anomalie difficili da notare come sottili segni di usura, parti disallineate, componenti mancanti e persino imballaggi danneggiati sugli scaffali. Le immagini aiutano anche a determinare le cause principali dei problemi e le misure correttive più efficaci.

Esempi di AI nella manutenzione predittiva

Alcuni dei più grandi produttori al mondo utilizzano l'intelligenza artificiale per migliorare la manutenzione predittiva delle macchine e i tempi di attività.

Una casa automobilistica globale utilizza l'intelligenza artificiale per ispezionare e gestire robot di saldatura nelle proprie fabbriche. In particolare, utilizza la visione artificiale e il deep learning per analizzare immagini e video di robot per individuare i difetti. Il sistema AI consiglia i parametri e le impostazioni per ciascun robot e avvisa i lavoratori quando è necessaria la manutenzione o la sostituzione. La soluzione può ridurre i tempi di ispezione del robot del 70% e migliorare la qualità della saldatura del 10%, riporta la casa automobilistica.

GE Aviation utilizza l'intelligenza artificiale per prevedere la necessità di manutenzione per i motori a reazione utilizzati dalle compagnie aeree e da altri clienti. Circa 44.000 motori hanno sensori incorporati che forniscono dati ai centri di monitoraggio GE di Cincinnati e Shanghai. GE combina i dati con modelli di motore fisici e dettagli ambientali per prevedere i problemi di manutenzione prima che si verifichino. Oltre ad aumentare l'affidabilità del motore, l'uso dell'intelligenza artificiale ha ridotto i costi di manutenzione delle compagnie aeree e migliorato la sicurezza.

Aumenta i tempi di attività con Oracle Supply Chain Management

Migliora la resilienza della supply chain, riduci le disruption e resta al passo con le condizioni di mercato in continua evoluzione con le applicazioni Oracle Cloud Supply Chain & Manufacturing. Utilizza gli strumenti di manutenzione predittiva di Oracle Fusion Cloud Maintenance, che incorpora l'intelligenza artificiale per aumentare la visibilità delle performance della macchina, riducendo al contempo i tempi di inattività e i costi operativi.

Domande frequenti sull'AI nella manutenzione predittiva

Qual è il ruolo dell'AI nella gestione della manutenzione?
L'intelligenza artificiale può prevedere i guasti delle apparecchiature e generare insight di manutenzione in modo più rapido e accurato rispetto alle tecnologie precedenti. In questo modo, l'AI aiuta le aziende a ridurre l'usura delle macchine e i tempi di inattività non pianificati.

Come si può utilizzare l'intelligenza artificiale nella manutenzione?
Le aziende possono utilizzare l'intelligenza artificiale per monitorare le condizioni dei macchinari, rilevare anomalie, evitare guasti e interruzioni delle apparecchiature e assegnare priorità alla manutenzione e pianificarla.

Come viene utilizzato il machine learning nella manutenzione predittiva?
Gli algoritmi di machine learning possono prevedere quando le apparecchiature di fabbrica si deterioreranno, si guasteranno e richiederanno riparazioni o sostituzioni. Sono fondamentali per le soluzioni di manutenzione predittiva basate sull'intelligenza artificiale.