Fonte: Wired.it

Meno 17% di perdite in ambito agricolo. Guasti sulle auto previsti con 8 ore di anticipo. Treni in ritardo ridotti a uno ogni 2.300. I casi di uno studio

Big data (Getty Images)
Big data (Getty Images)

Tra gli impieghi dei big data e dell’intelligenza artificiale nell’industria 4.0 quello che riguarda la gestione predittiva della manutenzione è sempre più un elemento fondamentale per abbattere i costi e incrementare la produttività. La società di consulenza Porsche consulting, costola dello storico gruppo automobilistico tedesco, ha pubblicato lo studio Anticipate the Future, relativo ai vantaggi legati all’utilizzo delle tecnologie più avanzate in ottica predittiva per aumentare il livello di competitività aziendale.

Secondo le informazioni riportate, in settori come trasporti, macchinari di produzioneimpianti energetici o nell’industria estrattiva, la possibilità di attivare sistemi di analisi in cui sono direttamente le macchine ad avvertire e pianificare gli interventi di manutenzione in modo più specifico e tempestivo produce dei risparmi notevoli, e può portare a un conseguente aumento del fatturato. Una gestione predittiva della manutenzione dei macchinari, inoltre, in molti casi genera anche un incremento del 30% nell’utilizzo degli stessi asset industriali.

Si tratta di sistemi altamente automatizzati, in cui l’80% circa dello sforzo analitico è dedicato alla raccolta di dati sulle condizioni dei beni industriali. Grazie al sistema meccanico integrato, poi, tra questi dati le macchine instaurano connessioni e correlazioni a una velocità 100mila volte superiore rispetto a quella con cui un essere umano potrebbe svolgere le stesse operazioni.

Nel complesso, il sistema studiato da Porsche consulting si basa su un modello end-to-end in cui la raccolta e l’analisi dei dati avviene direttamente durante il funzionamento ordinario degli impianti. Tramite l’analisi predittiva poi, si simulano situazioni critiche in base ai modelli di funzionamento pianificati e le strategie di intervento sono integrate direttamente nel sistema, così da essere sempre più efficaci.

Gli esempi

Ciò vale soprattutto per le criticità presenti nei diversi sistemi. Per esempio, l’impiego dell’intelligenza artificiale in un impianto per la lavorazione dei semi da coltura ha portato all’identificazione di alcune misure per ridurre del 17% le perdite di produzione. Nel caso dell’azienda Qantas Engineering, invece, che si occupa della manutenzione degli aerei, in sole quattro settimane un terzo del carico di lavoro non di routine è arrivato a essere previsto con una precisione del 90% circa, portando a una maggiore puntualità e pianificazione degli interventi.

Altri casi citati nello studio riguardano la Rolls-Royce aircraft engines, che con i voli transatlantici raccoglie dati meteorologici in tempo reale e li vende alle compagnie aeree, oppure l’azienda di trasporti spagnola Renfe, che grazie alla partnership con il colosso tecnologico Siemens è arrivata a un risultato per cui soltanto uno dei 2.300 treni ad alta velocità Velaro-E subisce ritardi superiori ai 15 minuti sulla tratta Madrid-Barcellona.

Dal 2015, inoltre, le stesse linee di produzione Porsche hanno adottato un sistema di gestione basato sull’analisi predittiva per analizzare l’enorme quantità di dati prodotti dai suoi macchinari. Aumentando l’efficienza della manutenzione, la casa automobilistica è oggi in grado di predire eventuali guasti alle macchine con ben 8 ore di anticipo e ciò ha portato a un incremento della produzione da 18 a 21 auto all’ora.

I casi in Italia

In Italia tra le aziende che si muovono nell’ambito della manutenzione predittiva ci sono in particolare Trenitalia, Enel Green Power che lavora con NarrativeWave per gli impianti geotermici in Nord America, e il gruppo Leonardo. Si stima che nel 2020 la quota investita in questi sistemi nel nostro Paese si aggirerà attorno ai 100 milioni di euro, mentre in Europa il valore di quelle soluzioni avanzate arriverà a oltre un miliardo.

Infine, per quanto riguarda i risparmi stimati, le previsioni indicano che la riduzione potenziale dei costi di manutenzione con l’applicazione di un sistema predittivo nel settore aereo è di circa il 30%, a fronte di spese che incidono per il 10% sui costi operativi totali. Nel caso della manutenzione dei treni, di quella delle linee industriali del settore auto e di quella dei servizi nei parchi eolici si parla invece di un risparmio potenziale del 20%, su un’incidenza rispettivamente del 21%, del 10% e del 23%. Ma il risparmio potenziale maggiore lo si trova nel settore estrattivo, dove si arriva al 40% su costi di manutenzione che incidono per circa il 19%.

Fonte: Wired.it

Share This