La manutenzione dei macchinari industriali oggi viene svolta ad intervalli fissi oppure quando si verifica un guasto. I dati generati in tempo reale dalle macchine, che potrebbero aiutare a comprendere quando è il momento di effettuare un controllo, non sono di solito disponibili, dato che la sensorizzazione degli equipaggiamenti è troppo costosa per la maggior parte delle aziende.
Questo è particolarmente vero in nazioni in cui la dimensione media delle aziende è molto piccola. In Italia, come è noto, il 95% delle aziende ha meno di dieci impiegati e scarse capacità di spesa.
ALMeS (acronimo di ALM-enabled Smart Maintenance), una nuova attività lanciata da EIT Digital, con la società italiana Reply come business champion e il Politecnico di Milano, FBK, ST Microelectronics, Cohaerentia, Konux e Crowdee come partner tecnologici, intende affrontare proprio questo problema.
Misure in tempo reale
I suoi moduli ALM (la sigla sta per Add-on, Low cost, Multi-purpose; ovvero, aggiuntivi, a basso costo, multi-scopo) per misurare in tempo reale parametri come le vibrazioni, il consumo di energia e la temperatura, consentiranno ai manager della fabbrica di ottimizzare in maniera semplice e veloce le prestazioni dei macchinari e ridurre i costi, abbandonando i sistemi tradizionali per abbracciare il più efficace metodo della “manutenzione predittiva”.
Questo mutamento non richiederà investimenti ingenti: i sensori innovativi di ALMes si basano su fibre ottiche standard, microcontroller a basso costo e un software di machine learning che si stima possa abbattere i costi di manutenzione del 25%-35%, eliminare il 70% dei guasti e favorire un incremento della produttività del 25%.
I clienti della nuova soluzione, la cui entrata sul mercato è prevista per la fine del 2017, saranno in grado di ammortizzare la spesa una tantum per l’implementazione del sistema, assieme al canone annuale per la manutenzione da pagare ai partner di ALMeS, con i risparmi ottenuti già nel corso del primo anno di utilizzo.
Si stima che il progetto possa avere un impatto significativo in molti settori industriali caratterizzati da un livello di automazione medio-alto.
La nuova metodologia potrà trovare applicazione all’inizio soprattutto in settori come l’automotive, la meccanica di precisione e, in una seconda fase, in mercati più difficili da penetrare come quelli del petrolio e del gas e nel settore energetico, in cui i requisiti manutentivi sono più stringenti e le interruzioni del ciclo produttivo hanno un forte impatto sui costi operativi.
