Page 25 - Impiantistica Industriale

te ci rendiamo conto che sono stati fatti tanti passi in agli algoritmi stessi di imparare in modo autonomo ed
avanti. Tutte le recenti indagini mostrano una crescita adattivo (machine learning). L’analisi delle correlazio-
diffusa sull’utilizzo di tecniche di manutenzione preven- ni, l’individuazione di pattern e di relazioni significative
tiva non solo nelle grandi realtà industriali ma anche consente, operando su sistemi complessi multivariabili,
nelle piccole e medie imprese. di predire l’evento di guasto dell’asset. Questo anticipa
Ma a questo punto è opportuno fare una considera- la predizione del potenziale failure di gran lunga rispetto
zione rilevante. alle tecniche predittive di tipo tradizionale. Possiamo
Diversi studi hanno sottolineato come la manutenzio- pertanto affermare che l’aumentata capacità di analisi
ne preventiva di tipo ciclico basata sull’età o sull’uso dei dati fornisce molto più valore al business spostan-
dell’asset riesce ad intercettare meno del 20 % dei doci da una manutenzione predittiva verso una manu-
guasti, con costi di manutenzione e di mancata produ- tenzione proattiva e prescrittiva capace di aprire nuovi
zione di sicuro non ottimizzati. L’intervento di manuten- scenari di conoscenza nell’analisi e nella gestione della
zione eseguito a data di calendario fisso o sulla base manutenzione proiettata al futuro.
di numero di cicli di utilizzo non garantisce che l’asset
necessiti di manutenzione al momento del fermo e la L’aumentata capacità di analisi dei dati
sostituzione di componenti non ancora a fine vita rap- fornisce molto più valore al business
presenta una pratica non cost effective.
spostandoci da una manutenzione predittiva
L’utilizzo di strumenti in mobilità, infatti, verso una manutenzione proattiva e
permette di aumentare l’efficacia e prescrittiva capace di aprire nuovi scenari di
l’efficienza degli interventi dei tecnici e degli conoscenza nell’analisi e nella gestione della
ingegneri di manutenzione manutenzione proiettata al futuro

La manutenzione predittiva basata sul monitoraggio In sintesi la manutenzione digitale permette di semplifi-
delle condizioni ha permesso sicuramente di ottimiz- care la complessità abilitata dagli strumenti in mobilità,
zare l’intervento di manutenzione sugli asset critici, dall’intelligenza sul front end e sulla piattaforma e attra-
monitorando normalmente una singola variabile che verso un processo decisionale basato sugli advanced
permetta di anticipare il guasto sulla base dell’analisi analitycs, ma soprattutto avendo acquisito le giuste
del trend e fissando delle opportune soglie di allarme competenze rende sempre meno lontano il sogno di
e di blocco. Ma la reale predizione del guasto arriva tutti i manutentori: fare la manutenzione giusta al mo-
a ridosso del guasto senza poter escludere eventuali mento giusto!
falsi positivi.
Grazie invece all’utilizzo degli advanced analytics, par- Così si realizzerà il sogno di tutti i
tendo dall’historian e mediante l’uso di tecniche e algo- manutentori: fare la manutenzione giusta al
ritmi statistici è possibile scoprire le relazioni nascoste momento giusto!
tra i dati storici e, in base a quest’ultime, permettere
Saverio Albanese

Saverio Albanese

Saverio Albanese, nato a Bari nel 1969, è da luglio 2016 il Presidente dell’A.I.MAN., Associazione Italiana
della Manutenzione. Dal 2012 ricopre la carica di Responsabile Corporate Manutenzione e Gestione
Materiali Tecnici di ENI Versalis. È Vice Presidente della Commissione Manutenzione dell’UNI e Presidente
del SC1, oltre che membro dell’Advisory Board del TESEM del Politecnico di Milano. A livello europeo
presidente del WG 3 “Maintenance Agreements” del CT 319 del CEN, membro del WG 10 “Maintenance
within Physical Asset Management” e WG 9 “Qualification of maintenance personnel”. È ingegnere
elettrotecnico ed è dirigente Eni dal 2007.

Impiantistica Italiana - Novembre-Dicembre 2017 23