Manutenzione predittiva con l’AI nell’industria: valore e funzionalità

Il calendario della manutenzione preventiva si costruisce su una statistica di popolazione: gli intervalli si fissano su una percentuale di sopravvivenza accettabile, ricavata dalla distribuzione di Weibull dei tempi al guasto, e per costruzione ignorano lo stato del singolo esemplare, sicché finiscono per far sostituire componenti ancora integri e per lasciare in servizio quelli che degradano più in fretta della media di flotta.

Fra la comparsa di un difetto rilevabile e il cedimento funzionale esiste una finestra, l’intervallo P-F, la cui ampiezza dipende dalla grandezza che si sceglie di monitorare: una microsfaldatura sulla pista di un cuscinetto emerge nelle emissioni ultrasoniche settimane prima di apparire nello spettro di vibrazione, e ben prima che la temperatura del supporto registri uno scostamento. La manutenzione predittiva lavora dentro quella finestra, e il suo valore economico si misura su quanto anticipo riesce a guadagnare rispetto al fermo non programmato.

Il contributo dei modelli di apprendimento automatico riguarda la lettura simultanea di decine di grandezze correlate in condizioni operative variabili, dove le soglie fisse perdono significato perché il valore normale di un’ampiezza dipende dal carico applicato e dalla temperatura del fluido di processo. Un algoritmo addestrato sul comportamento sano della macchina riconosce lo scostamento rispetto alla firma attesa per quel punto di funzionamento, e distingue una deriva di degrado da una variazione di ricetta produttiva.

Sensori e acquisizione dati per la manutenzione predittiva

L’accelerometro piezoelettrico resta lo strumento di riferimento per le macchine rotanti, con prestazioni che dipendono da scelte precedenti a qualunque algoritmo: la banda passante deve coprire con margine la frequenza di ingranamento o di passaggio dei corpi volventi, e il fissaggio a vite o con adesivo rigido evita la risonanza intorno ai 2 kHz introdotta dalle basi magnetiche, che maschera proprio le componenti diagnostiche di interesse. Le zone di severità della ISO 20816 restano un riferimento per la velocità efficace in banda larga, mentre la diagnosi del difetto specifico richiede l’analisi della forma d’onda a piena risoluzione.

Accanto alla vibrazione, l’analisi delle correnti assorbite dal motore individua rotture di barre rotoriche attraverso le bande laterali attorno alla frequenza di rete distanziate del doppio dello scorrimento, e intercetta eccentricità e disallineamenti senza alcun sensore aggiuntivo sulla macchina; l’analisi dell’olio quantifica il particolato ferroso, la viscosità a 40 °C e il numero di acidità totale, restituendo informazioni sulla degradazione del lubrificante che nessun accelerometro può fornire. La termografia e le misure ultrasoniche completano il quadro sui quadri elettrici e sulle perdite in aria compressa.

La parte meno visibile del sistema riguarda la contestualizzazione del dato: una forma d’onda campionata a 25,6 kHz vale poco se non è associata al numero di giri, al carico e allo stato del lotto in produzione, informazioni che risiedono nel PLC e nel MES e che vanno allineate temporalmente con precisione al millisecondo. Nei retrofit su macchine prive di strumentazione si ricorre a sensori wireless alimentati a batteria, che elaborano localmente indicatori sintetici e trasmettono la forma d’onda completa soltanto quando un indicatore supera la soglia di attenzione, così da mantenere una durata utile della batteria compatibile con le fermate programmate.

Algoritmi di machine learning per la diagnosi e la stima della vita residua

La scarsità di guasti etichettati condiziona la scelta dell’impostazione modellistica più di qualunque considerazione teorica: un impianto ben gestito produce pochi cedimenti, e le classi risultano squilibrate al punto da rendere inutilizzabile un classificatore supervisionato addestrato in modo ingenuo. Per questo la strada più praticata resta il rilevamento di anomalia, con autoencoder o modelli one class addestrati su un periodo di funzionamento verificato come sano, dove l’errore di ricostruzione diventa un indicatore continuo di scostamento dalla condizione di riferimento.

Sul piano diagnostico l’estrazione delle grandezze descrittive conserva un peso determinante, perché la fisica del difetto è nota e conviene sfruttarla: la demodulazione d’inviluppo isola le componenti impulsive generate dall’impatto dei corpi volventi sul difetto e le confronta con le frequenze caratteristiche calcolate dalla geometria del cuscinetto, mentre il cepstrum separa le famiglie di armoniche negli ingranaggi multistadio. Nelle macchine a velocità variabile l’analisi per ordini, con riferimento a un encoder o a un impulso di fase, evita lo spalmamento spettrale che renderebbe illeggibile qualunque confronto storico.

La stima della vita residua costituisce il livello più fragile della catena, perché richiede di proiettare nel futuro una traiettoria di degrado a partire da poche realizzazioni storiche: le reti ricorrenti e le convoluzioni monodimensionali danno risultati apprezzabili quando esiste un indicatore di salute monotòno, mentre i filtri particellari accoppiati a un modello fisico di propagazione della cricca gestiscono meglio l’incertezza e restituiscono un intervallo di confidenza invece di un numero secco. I risultati ottenuti su dataset simulati vanno riportati con prudenza al campo, dove i regimi transitori e le riparazioni parziali spezzano la continuità della traiettoria.

Validazione dei modelli e gestione dei falsi allarmi

Il costo dei due tipi di errore non è simmetrico, e questa asimmetria va incorporata nella metrica di valutazione prima ancora che nella soglia di allarme: un mancato rilevamento su un riduttore di linea principale pesa quanto decine di interventi ispettivi inutili, mentre su un ventilatore ridondato il rapporto si inverte. L’accuratezza globale risulta priva di informazione su eventi rari, e la valutazione si sposta sulla precisione e sul richiamo calcolati sulla classe di guasto, con esplicitazione della matrice dei costi concordata con la direzione di stabilimento.

Per la prognostica servono indicatori dedicati, poiché la bontà di una previsione dipende da quando viene formulata: l’orizzonte prognostico misura con quale anticipo la stima entra stabilmente in una fascia di tolleranza attorno al valore reale, e la convergenza descrive quanto rapidamente l’incertezza si riduce con l’avvicinarsi del cedimento. Una stima che diventa affidabile solo tre ore prima della rottura non lascia margine per approvvigionare il ricambio.

La deriva delle prestazioni nel tempo rappresenta il problema operativo più sottovalutato, perché ogni intervento manutentivo, ogni cambio di setpoint e ogni sostituzione di lubrificante modificano la firma della macchina e generano scostamenti che il modello interpreta come degrado; senza una procedura di riaddestramento innescata dalla chiusura degli ordini di lavoro, il tasso di falsi positivi cresce fino a produrre disaffezione nei manutentori e archiviazione sistematica delle notifiche.

Integrazione con CMMS, ordini di lavoro e indicatori di manutenzione

Un allarme che resta confinato nella dashboard del sistema diagnostico non modifica alcun comportamento, e l’integrazione con il CMMS definisce la differenza fra un progetto pilota e un servizio operativo: la notifica deve generare una richiesta di intervento precompilata con il codice macchina, il modo di guasto ipotizzato e il livello di confidenza, entrando nello stesso flusso di autorizzazione delle attività ordinarie. La retroazione conta quanto la segnalazione, perché il codice causa registrato alla chiusura dell’ordine costituisce l’unica verità di riferimento disponibile per rivalutare il modello.

La scelta delle macchine da strumentare precede l’investimento tecnologico e discende dall’analisi di criticità, dove il modo di guasto viene pesato su gravità, frequenza e rilevabilità secondo l’impostazione FMECA; strumentare un asset ridondato con ricambio a magazzino produce un ritorno modesto, mentre un compressore d’aria senza backup giustifica una catena di misura completa. La disponibilità dei ricambi entra nel calcolo dell’anticipo utile, perché una previsione a venti giorni vale poco su un componente con dodici settimane di tempo di consegna.

Sul piano degli indicatori, la percentuale di manutenzione pianificata sul totale delle ore lavorate racconta l’evoluzione del reparto meglio del MTBF, che risente della definizione di guasto adottata; il tempo medio di riparazione tende a ridursi perché l’intervento arriva con diagnosi già formulata e ricambio disponibile, e l’effetto si legge nella componente di disponibilità dell’OEE prima che nei costi di manutenzione, i quali nel primo anno spesso aumentano per il recupero di interventi rimandati.

Architetture edge cloud, sicurezza OT e vincoli di impianto

La distribuzione del calcolo fra bordo macchina e piattaforma centrale risponde a un vincolo di volume dei dati prima che di latenza, poiché trasmettere in continuo forme d’onda ad alta frequenza da centinaia di punti di misura satura qualunque collegamento geografico; il gateway di campo calcola indicatori sintetici e spettri già ridotti, mentre l’addestramento dei modelli e il confronto fra macchine omologhe restano sulla piattaforma centrale, dove la disponibilità di storico è maggiore.

L’accesso ai dati di automazione impone il rispetto della segmentazione fra livelli, secondo l’impianto concettuale del modello Purdue recepito dalla serie IEC 62443: la raccolta avviene in sola lettura, attraverso un livello intermedio demilitarizzato, con connessioni originate dall’interno verso l’esterno e nessuna possibilità di scrittura sui controllori. Le piattaforme fornite dal costruttore della macchina meritano attenzione contrattuale sul possesso del dato e sulla portabilità dello storico, che rappresenta il vero asset accumulato nel tempo.

Restano i vincoli fisici degli impianti esistenti, dove il parco installato comprende macchine prive di qualunque predisposizione e reparti in cui la posa di cavi schermati risulta impraticabile per motivi di layout o di classificazione delle aree; nelle zone con atmosfera potenzialmente esplosiva la sensoristica deve rispondere ai requisiti di sicurezza intrinseca, con un costo per punto di misura che modifica in modo sensibile la valutazione economica dell’estensione del monitoraggio.