Con la diffusione dell’Industria 4.0, le aziende industriali innovative non gestiscono più il ciclo delle riparazioni e manutenzioni in modo reattivo, manuale e time-consuming, bensì adottano un approccio proattivo e automatizzato, impiegando sempre più il machine learning e l’advanced analytics.
Questo cambio è stato determinato dall’aumento della disponibilità di dispositivi connessi a basso costo che ha permesso di raccogliere sempre più grandi quantità di dati. Allo stesso tempo, i progressi nel machine learning consentono alle aziende di applicare il processo di analisi dei dati per individuare, interpretare e comunicare informazioni dettagliate “accogliendo”, in questo modo, il cambiamento in atto e aprendo così la via a nuove opportunità di business.
Analisi e manutenzione predittiva
Sappiamo che l’analisi predittiva si basa su dati storici, che vengono utilizzati per costruire un modello matematico, in grado di prevedere eventi futuri. Negli ultimi anni l’analisi predittiva è diventata oggetto di interesse e sempre più correlata all’utilizzo dei big data e del machine learning, aiutando le aziende a prendere decisioni. I modelli predittivi, basati su big data, aiutano le aziende a risolvere i problemi di lungo corso secondo nuove modalità, ad effettuare previsioni più precise e a programmare meglio.
Di fatto l’analisi predittiva inizia con un ben preciso obiettivo aziendale: sfruttare i dati disponibili per ridurre gli sprechi, ottimizzare i tempi e ridurre i costi. Vengono sfruttati set di dati eterogenei, spesso di grandi dimensioni, convertendoli in modelli in grado di generare risultati chiari e di immediato utilizzo allo scopo di raggiungere più facilmente gli obiettivi prefissati, come la riduzione dello spreco di materiali, l’ottimizzazione delle operazioni di manutenzione, la riduzione dei tempi di inattività, una snella gestione del magazzino e delle parti di ricambio, razionalizzazione delle risorse energetiche, previsione di guasti ed usure materiali, ecc.
Queste opportunità sono già in atto e cresceranno ulteriormente a fronte dell’introduzione delle reti mobili 5G e di più sofisticati dispositivi IoT, grazie ai quali le aziende di servizi industriali potranno contare su informazioni sempre più avanzate per l’identificazione e la risoluzione proattiva dei problemi.
Le potenzialità
A questo riguardo, McKinsey & Company ha pubblicato a dicembre un interessante report sull’argomento dal titolo “Cracking the code of repair analytics”, illustrando i vantaggi dell’impiego dell’analisi dei dati e della manutenzione predittiva, sottolineando come sempre più aziende ne stiano beneficiando, non solo in termini di gestione delle riparazioni, ma anche, a monte, per evitare interventi di manutenzione non necessari e non pianificati, per risolvere prontamente, e in minor tempo, i problemi sul campo consentendo tempi di attività delle macchine più elevati e riducendo le chiamate di interventi di assistenza, identificando rapidamente la causa di un guasto e automatizzando processi, quali ad esempio, l’ordinazione dei pezzi di ricambio.
L’analisi delle riparazioni predittive riduce i tempi di attesa, consentendo alle aziende di ottenere un servizio più veloce e affidabile, sia in scenari proattivi sia reattivi e, in alcuni casi, prima che il cliente si accorga del problema, riuscendo a rispettare, in questo modo, i vincoli contrattuali.
L’analisi delle manutenzioni predittive consente inoltre alle aziende non solo di realizzare ingenti risparmi, ma anche di generare ricavi aggiuntivi secondo diverse modalità, quali: offerte di nuovi servizi, di servizi esistenti differentemente articolati e di servizi di manutenzione e riparazione tradizionalmente di responsabilità del cliente. Con il risultato dei vantaggi apportati dalla più rapida risoluzione dei problemi, dal prolungamento dei tempi di attività, dalla maggiore disponibilità di forza lavoro che può essere riallocata a nuove attività che generano entrate all’interno del settore dei servizi.
Si apre quindi uno scenario che vede, per fare solo alcuni esempi significativi: sensori che misurano la vibrazione e la velocità di ventilatori, pompe, gestori d’aria e torri di raffreddamento attraverso l’utilizzo di algoritmi automatizzati supportati dagli analisti di dati; applicazioni che permettono la manutenzione predittiva e la manutenzione dei treni ad alta velocità, attraverso l’analisi dei dati raccolti, che vengono utilizzati per prevedere potenziali guasti alle apparecchiature; sensori che misurano le vibrazioni delle componenti di un’automobile in grado di segnalare la necessità di un intervento di manutenzione prima che il veicolo subisca un guasto sulla strada; previsioni più precise in termini di programmazione di centrali elettriche,(i.e. la domanda di elettricità sulla rete elettrica) assicurando una migliore efficacia nella pianificazione delle risorse.
Trend e impatti
Si stima che, entro il 2025, ci saranno più di 50 miliardi di dispositivi collegati online. Ne consegue che la quantità di dati ricevuti da ogni dispositivo aumenterà sempre più. Inoltre, ulteriori miglioramenti della connettività, i.e. l’arrivo delle reti mobili 5G, consentiranno di raccogliere più dati da ogni dispositivo, dati che saranno utilizzati per guidare applicazioni di analisi sempre più sofisticate.
Grazie all’aumentata capacità di archiviazione dei dati unita al crollo dei costi di archiviazione e la disponibilità di applicazioni più performanti, gli analisti hanno ora a disposizione – a beneficio delle aziende (nelle varie direzioni: risparmio, performance, innovazione) – una potenza di calcolo senza precedenti, che permette loro di creare e sfruttare algoritmi sempre più sofisticati
Una manutenzione predittiva resiliente
A fronte di una maggiore capacità di analisi delle manutenzioni predittive, si generano le condizioni necessarie per potenziare i servizi aftermarket, convertendoli in una piattaforma di crescita. Tuttavia, una implementazione di successo richiede molto più dei soli dati e di tecnologie avanzate.
Secondo quanto affermava Eraclito, “il divenire è la sostanza dell’Essere, poiché ogni cosa è soggetta al tempo ed alla trasformazione. Anche quello che sembra statico alla percezione sensoriale in verità è dinamico e in continuo cambiamento”. Ne deriva che le aziende devono essere in grado di gestire l’innovazione con successo. Devono avere la consapevolezza dei rischi e delle opportunità che la trasformazione tecnologica comporta; devono essere in grado di garantire la continuità operativa e la cyber security.
Ovviamente sarà necessario un cambiamento culturale in grado di accompagnare il nuovo approccio proattivo e predittivo della trasformazione digitale; saranno necessari nuovi profili dotati di soft ed hard skill ad hoc; dovranno essere implementati programmi di training e processi di governance e supporto continuo. Le varie funzioni dovranno sempre più interagire tra loro in modo olistico al fine di salvaguardare la resilienza aziendale, anche attraverso soluzioni integrate, che mantengano la disponibilità dei processi tecnologici, rilevando e prevenendo azioni, intenzionali o accidentali, che possano provocare l’interruzione o l’alterazione di servizi vitali.
Adelante con juicio, come disse al cocchiere il Gran Cancelliere nei Promessi Sposi. Coraggio, ma con le cautele che le tecnologie in progress ci offrono.
