Negli ultimi anni, l’applicazione del monitoraggio delle condizioni e della manutenzione predittiva ha registrato una crescita significativa, a causa delle crescenti esigenze in termini di disponibilità delle macchine e di efficienza complessiva. Sviluppi tecnologici quali i big data, gli algoritmi intelligenti, il cloud e le tecnologie wireless si stanno affermando sul mercato, ampliando le possibilità di analisi automatizzata e creando opportunità per ridefinire il processo di monitoraggio e analisi.
Il cloud industriale
La manutenzione basata sulle condizioni (CBM), o manutenzione predittiva, è fondamentale per i sistemi basati su cloud. Questi sistemi offrono l'analisi e l'interpretazione dei dati sulla base di modelli/algoritmi definiti per macchinari e processi specifici. Le deviazioni rilevate dal sistema portano a raccomandazioni di manutenzione. Tali sistemi consentono alle aziende di passare da una manutenzione reattiva a una manutenzione proattiva. La manutenzione può essere effettuata prima che si verifichino guasti effettivi.
Manutenzione predittiva
È importante comprendere che la manutenzione predittiva o CBM non dipendono da sistemi basati sul cloud. Molte aziende che offrono queste soluzioni commercializzano la manutenzione predittiva come un concetto nuovo. Non è così; i sistemi esistenti di monitoraggio delle condizioni (vibrazioni) sono presenti sul mercato industriale da decenni. Le strategie di manutenzione predittiva sono applicabili sin dall’introduzione dei sistemi (online) di monitoraggio delle condizioni. I dati forniti da questi sistemi consentono di monitorare il comportamento delle vibrazioni, individuare le tendenze delle vibrazioni e possono essere utilizzati per la manutenzione predittiva. Inoltre, i sistemi che supportano l’analisi automatizzata non sono necessariamente basati sul cloud.
Perché utilizzare l'analisi automatizzata?
Le aziende devono fare i conti con un grado di competenza in forte diminuzione. Questo è in gran parte il risultato di esperti che vanno in pensione e della scarsità di giovani esperti o di persone con una formazione adeguata. Questa mancanza di competenze può essere risolta implementando un sistema che consenta l'analisi automatizzata, dove le competenze sono fondamentalmente trasferite in un sistema. Questo sistema utilizza modelli/algoritmi per analizzare e interpretare i dati sulle vibrazioni, dando luogo a determinate raccomandazioni di manutenzione.
Automatizzando l'analisi e l'interpretazione delle vibrazioni sui macchinari rotanti, è necessario un minor numero di ingegneri locali per svolgere questo lavoro. Per le aziende che devono fare i conti con un numero sempre minore di esperti di vibrazioni competenti, il passaggio a un sistema automatizzato potrebbe essere inevitabile.
Competenza su richiesta
A nostro avviso, l'opportunità principale di questi sviluppi è quella di migliorare l'efficienza e l'efficacia del monitoraggio delle condizioni. L'uso dell'elaborazione automatica dei dati per fornire un'analisi di prima linea, senza la necessità di competenze locali, può cambiare le carte in tavola. I sensori wireless e i sistemi di monitoraggio connessi possono ridurre l'impatto infrastrutturale e gli investimenti iniziali per i sistemi di monitoraggio. La condivisione dei dati può migliorare gli algoritmi di analisi automatica e offre opportunità di assistenza a distanza. Queste tecnologie aumentano l'efficacia e il valore complessivo dei sistemi e delle strutture di monitoraggio delle condizioni e cambiano i modelli di servizio, passando alla competenza su richiesta.
Considerazioni
Nonostante le opportunità offerte da queste nuove tecnologie, è necessario fare le giuste considerazioni.
"Man mano che l'analisi e il processo decisionale vengono trasferiti a sistemi automatizzati e a esperti remoti, gli ingegneri locali saranno meno coinvolti nei macchinari".
1. Convalida dei dati
L'input è fondamentale per qualsiasi analisi automatizzata o remota, poiché si basa esclusivamente sulle informazioni fornite da questi input. Pertanto, i dati immessi devono essere convalidati, tra cui:
- Selezione del sensore giusto per l'applicazione
- Calibrazione del sensore
- Rapporto segnale/rumore
Inoltre, è necessario verificare l'accuratezza dei dati. I dati presentati devono essere pertinenti e accurati per ottenere una struttura di manutenzione predittiva funzionante. I dati poco accurati non possono essere utilizzati per il monitoraggio. Alla luce dell'accuratezza dei dati, è molto difficile gestire influenze ambientali (eccezionali), come cambiamenti nell'ambiente, condizioni di processo eccezionali o errori umani. Ad esempio, una vibrazione causata da un'altra macchina (vibrazione incrociata) potrebbe far scattare il sistema automatico e generare un falso allarme.
2. Logistica e manutenzione
Per raccogliere dati rilevanti, è necessario garantire il flusso di misura e di dati. La manutenzione e la logistica devono essere adeguate e comprendere:
- Prevenzione del cablaggio incrociato dei sensori
- Prevenzione di falsi posizionamenti/localizzazione dei sensori
- Intervallo di raccolta dei dati rilevanti
- Disponibilità di sensori di ricambio
- Gestione della batteria del sensore e strategia di sostituzione
- Connessioni di rete stabili, sicure e affidabili
3. Competenza locale
Man mano che l'analisi e il processo decisionale vengono trasferiti a sistemi automatizzati e a esperti remoti, i tecnici locali saranno sempre meno coinvolti nei macchinari. Ne consegue una crescente dipendenza da esperti esterni per l'analisi e l'assistenza.
4. Sicurezza e privacy
Collegando sensori e hardware di monitoraggio a Internet, la sicurezza informatica diventa un rischio e si rendono applicabili nuove linee guida relative all’archiviazione e al trattamento dei dati, come la norma ISO 27001. Le vulnerabilità e le normative aumentano la complessità dell’implementazione di un sistema connesso.
