PREVENIRE È MEGLIO CHE CURARE?
NON SEMPRE!
IN QUESTI CASI
È MEGLIO PREDIRE
IBM TI SPIEGA COME FARE
MANUTENZIONE:
PREDIRE È MEGLIO CHE PREVENIRE
Quando un’azienda deve fermare una linea produttiva per metterla in manutenzione, è sempre un bel problema. Il tempo – come si dice – è denaro, e quello speso per un’attività comunque necessaria rischia di trasformarsi in uno spreco di risorse.
La manutenzione predittiva evita quello spreco.
Identificando i problemi in anticipo, le aziende riescono a distribuire le attività in modo più efficiente, ottimizzando la disponibilità delle attrezzature e migliorando la qualità dei processi linea produttiva.
La manutenzione, infatti, può avere una doppia faccia: può essere esigua, comportando bassa produttività, alti costi e problemi di sicurezza sul lavoro. O può essere eccessiva, traducendosi in fermi prolungati, alti costi del lavoro e in discussioni tra chi guida la linea di produzione e chi decide di manutenerla.
COME TROVARE UN PUNTO DI EQUILIBRIO?
La risposta è: con la manutenzione predittiva.
Ma messa così, è una risposta a metà. Per completarla, dobbiamo parlare di sensori, strumenti tecnologici, oggetti intelligenti.
In altre parole, dobbiamo parlare di IoT. E lo facciamo con IBM.
IL NUOVO RUOLO DEGLI OGGETTI
SCADA, BMS, PLCs. È possibile che anche solo una volta abbiate sentito pronunciare queste sigle. Si tratta di acronimi: Supervisory Control and Data Acquisition (SCADA), Building Management Systems (BMS), Programmable Logic Controllers (PLCs).
Soprattutto, si tratta di sistemi industriali che dialogano con i macchinari, dai quali – grazie ai sensori – ricevono dati su dati. Una mole di informazioni decisive per tarare il lavoro sull’obiettivo dell’efficienza.
I dati sono ormai la bussola per capire come orientare l’attività industriale.
Senza dati si va alla cieca e si disperdono soldi ed energie.
Prendiamo ad esempio la catena di montaggio del settore automobilistico, e in particolare un «reparto vernici» dove operino 300 robot cui venga applicata la manutenzione preventiva. Su questa base, ogni 900 ore la catena viene fermata per gli interventi del caso.
Cosa si sa di quei robot?
Chi ha misurato la giusta pressione delle pompe del colore?
Chi sa se la scorta di vernice sia terminata?
La manutenzione preventiva non utilizza i dati, ma si limita a intervenire dopo un tempo stabilito, sulla base di una probabilità di usura o mal funzionamento degli apparecchi.
La manutenzione predittiva cambia la prospettiva
e usa i dati per raggiungere la massima efficienza.
Parlare di dati significa parlare di tecnologie di analytics, le più adatte per scoprire elementi utili per disegnare nuovi modelli e individuare possibili problemi. Gli analytics sono sempre più alla portata di tutti e integrabili con altre nuove tecnologie (machine learning).
Tutto ciò converge su piattaforme sempre più potenti ed efficaci, come IBM Maximo
IBM Maximo Asset Health Insight fornisce una panoramica completa sui punti critici del parco produttivo di un’azienda, incrociando le esigenze di una manutenzione puntuale con risorse quali dati raccolti dai sensori e la loro profonda e acuta analisi.
COME FUNZIONA IBM MAXIMO ASSET HEALTH INSIGHT
> La piattaforma IBM Watson IoT raccoglie i dati e li analizza in tempo reale
> Questi dati vengono incrociati con quelli «storici» in IBM Maximo, e ciò consente agli addetti di definire uno «stato di salute» di base di ogni asset produttivo (o di insiemi di asset)
> Il flusso di dati relativo a ogni asset è utilizzato per monitorarne lo stato di salute, e viene visualizzato per capire potenziali aree critiche e accelerare i processi di manutenzione.
GLI EFFETTI DELLA SOLUZIONE
IBM Maximo Asset Health Insight migliora l’efficienza e il ROI aziendale nella manutenzione, rendendo più intelligente il sistema grazie a nuove capacità cognitive.
In più, come soluzione integrata, evita all’azienda di distribuire le soluzioni su più piattaforme, con le relative difficoltà di gestione del lavoro.
UN ALTRO CASO
DI PREDICTIVE MANTEINANCE:
MIGROS ZÜRICH
Scarica la storia cliccando sull’immagine
