Una manutenzione predittiva al passo con l’Industry 4.0

  Richiedi informazioni / contattami

Il nuovo modello manutentivo sviluppato da Leonardo presso il sito di Cisterna di Latina, in sinergia con Siveco, ha rappresentato un salto di qualità innovativo e dato risultati eccellenti in termini di riduzione dei fermi macchina e sostenibilità

Manutenzione & ICT

L’utilizzo del Coswin8i ha permesso di passare da un modello di manutenzione preventiva a uno di manutenzione predittiva, costruito attraverso l’implementazione di sensoristica IoT sulle macchine non presidiate
L’utilizzo del Coswin8i ha permesso di passare da un modello di manutenzione preventiva a uno di manutenzione predittiva, costruito attraverso l’implementazione di sensoristica IoT sulle macchine non presidiate
L’utilizzo del Coswin8i ha permesso di passare da un modello di manutenzione preventiva a uno di manutenzione predittiva, costruito attraverso l’implementazione di sensoristica IoT sulle macchine non presidiate
L’utilizzo del Coswin8i ha permesso di passare da un modello di manutenzione preventiva a uno di manutenzione predittiva, costruito attraverso l’implementazione di sensoristica IoT sulle macchine non presidiate
Lo staff del sito di Cisterna di Latina ha avviato il progetto a metà 2018 per metterlo in servizio dal dicembre dello stesso anno
Lo staff del sito di Cisterna di Latina ha avviato il progetto a metà 2018 per metterlo in servizio dal dicembre dello stesso anno

Manutenzione T&M ha intervistato in esclusiva Paolo Venanzangeli, referente Real Estate e Facility Management all’interno dell’area di business Airborne & Space Systems Italia di Leonardo, nonché responsabile di manutenzione delle macchine produttive del sito di Cisterna di Latina. Con lui abbiamo approfondito il progetto di manutenzione predittiva recentemente sviluppato insieme al provider Siveco, i cui ottimi risultati consentiranno di estendere il modello anche ad altri siti del Gruppo leader nel mercato delle tecnologie per aerospazio, difesa e sicurezza.

Ing. Venanzangeli, com’è nata nata la collaborazione con Siveco e cosa vi ha spinto a scegliere Coswin8i?

Nel corso del 2017 insieme ai colleghi della manutenzione produttiva del sito di Latina, abbiamo maturato la consapevolezza che, per quanto fossimo attenti ad una gestione accurata della manutenzione, l’utilizzo di strumenti tradizionali basati su MS office (Excel, Word e Project), non ci avrebbe mai consentito di fare il salto di qualità verso un modello manutentivo al passo con le evoluzioni tecnologiche della IV rivoluzione industriale che stiamo vivendo.

In quella fase abbiamo fatto una scelta: scrivere noi il nostro futuro e per questo abbiamo iniziato un’analisi di mercato per capire quali dei principali fornitori rispondesse alle nostre necessità; la scelta è ricaduta su Siveco che ci ha offerto un prodotto estremamente versatile, adatto a sanare il presente e con ampie possibilità di crescita per il futuro.

Il tempo di messa in servizio è stato estremamente rapido, circa un paio di mesi. Nella scelta dell’hardware da utilizzare abbiamo inserito anche dei tablet da assegnare ai manutentori in modo da:

  • ricevere le richieste di intervento in tempo reale;
  • scaricare la documentazione puntando il QR code a bordo macchina;
  • chiudere gli interventi appena terminati senza dover necessariamente tornare in ufficio.

Come si è evoluto negli anni l’utilizzo di Coswin8i nel sito di Cisterna di Latina e quali sono i risultati ottenuti in termini di efficienza in manutenzione e di riconoscimenti?

Immediatamente dopo l’entrata in servizio del tool Coswin8i, abbiamo apprezzato da subito i benefici derivati dall’utilizzo di un CMMS ed abbiamocapito immediatamente che ci trovavamo davanti ad un cambio radicale del modello manutentivo.

Il passo successivo è stato passare da un modellodi manutenzione preventiva ad un modello predittivo che abbiamo costruito insieme a Siveco attraverso l’uso di sensoristica IoT distribuita sulle principali macchine non presidiate. Il progetto di manutenzione predittiva è partito a metà dello scorso anno ed è entrato in servizio a fine dicembre. I sensori da utilizzare sono stati scelti in base alle grandezze fisiche da monitorare, in questa fase ci siamo occupati di:

  • assorbimento energetico;
  • temperatura;
  • rumore;
  • flussi d’aria e liquidi.

I dati registrati dai sensori sono stati determinanti nell’analisi delle anomalie: è stato come avere la macchina del tempo con la quale siamo potuti tornare indietro e vedere quali parametri erano fuori soglia e quali effetti stavano generando. Uno strumento potentissimo.

Dall’entrata a regime dell’intero progetto abbiamo avuto una drastica riduzione dei fermi macchina non pianificati ed un ritorno anche in termini di sostenibilità:

  • riduzione dei consumi energetici con conseguente riduzione delle
  • emissioni di CO2;
  • allarme in tempo reale in caso di sversamenti di liquidi o perdite
  • di gas;
  • mantenimento in efficienza delle macchine con riduzione dei rifiuti industriali.

Con il nostro progetto di manutenzione predittiva abbiamo partecipato al Premio Innovazione 2018 di Leonardo, ricevendo una menzione speciale nella categoria idee innovative. Dalla sua prima edizione nel 2004, il Premio Innovazione è uno degli appuntamenti più attesi sia all’interno dell’azienda sia dagli studenti delle discipline STEM (Science, Technologies, Engineering, Mathematics) che dal 2015 possono parteciparvi, per esplorare le nuove frontiere della ricerca e della tecnologia.

Quali ulteriori sviluppi avete previsto/sono in cantiere per questa collaborazione (utilizzo su altri siti, sviluppo dell’algoritmo per la creazione del modello matematico standard ecc.)?

Grazie ai risultati raggiunti abbiamo ricevuto l’incarico di estendere il sistema ad altri siti Leonardo. Nel corso di quest’anno abbiamo iniziato con quello di Ronchi dei Legionari e con alcuni presidi presso i nostri clienti. L’obiettivo è quello di proseguire per avere la copertura di tutti gli stabilimenti produttivi dedicati alla realizzazione dei sistemi avionici e spaziali di Leonardo in Italia.

Oltre a quella di estensione geografica, la grande opportunità che abbiamo è quella di proseguire implementando algoritmi di big data analysis in modo da ricavare degli indicatori di performance ed un modello di machine learning. Rispetto al modello tradizionale, dove sappiamo se una macchina sta funzionando o meno, l’indicatore di performance ci restituisce un parametro che ci dice quanto una macchina funziona bene o quanto funziona male in modo tale da avere un indicatore statistico di difettosità con predizione del prossimo guasto e del periodo temporale in cui il guasto di verificherà. In questo modo, il fermo produttivo può essere pianificato limitando al massimo gli impatti sul business.

Il modello di machine learning ci consentirà di ampliare il parco macchine sotto monitoraggio in modo del tutto automatico, semplicemente dicendo al sistema che abbiamo installato una nuova macchina analoga ad altre già presenti (una nuova fresa, un nuovo gruppo frigo ecc.) e che i suoi parametri sono attualmente ottimali. Il sistema riconoscerà automaticamente la nuova macchina, eseguirà la taratura dei parametri vitali e, dopo un breve periodo di osservazione, la inserirà in monitoraggio continuo in modo del tutto autonomo.

Alessandro Ariu
a.ariu@tim-europe.com

Pubblicato il Settembre 2, 2019 - (474 views)
Siveco Italia Srl
Viale Fulvio Testi, 11
20092 Cinisello Balsamo - Italy
+39-02-61866322
+39-02-61866710
Visualizza company profile
Mappa
Più prodotti da questo inserzionista
Software CMMS 4.0
Software per la manutenzione
Il CMMS nell'era 4.0
Software full web
Software per gestire la manutenzione
Software per la gestione della manutenzione
CMMS 4.0
CMMS Smart Generation
CMMS per l'Industria 4.0
Software per la manutenzione
Articoli correlati
Soluzioni per Edge Computing
Si terrà il prossimo 13 novembre il webinar gratuito “InfoPMS 4.0 - Intelligent Plant”
IoT e CMMS, sistemi sempre più interconnessi
Sensor hub
La digitalizzazione delle ronde di ispezione migliora l’efficienza
Strumento di scrittura per macchine
SIMa 2019 - 2-3 Ottobre - Nuvola Lavazza Headquarter
MaintenanceStories 2019, un'edizione da record
Encoder con interfaccia IO-Link
Schaeffler annuncia l'acquisizione di XTRONIC
Dynamic Motor Analyzer
Software per la manutenzione
Percorsi di Trasformazione Digitale
Soluzioni di upgrade
Soluzioni per ogni esigenza
CMMS d'avanguardia per la manutenzione
Know-how per sistemi complessi
Sistema di gestione del rischio
Piattaforma con app per la manutenzione
Piattaforma Cloud
Sensor hub
Dynamic Motor Analyzer
Encoder con interfaccia IO-Link
Encoder per la robotica
Modulo IO-Link per valvole ISO
Smart encoders MEM-Bus
Robot SCARA per movimentazione veloce
Sensori con IO-Link per scambio dati
Software di simulazione per cuscinetti
Pannelli touchscreen
Sensor hub
Encoder con interfaccia IO-Link
Sistema allineamento laser
Robot SCARA per movimentazione veloce
Sistema di allineamento
App mobile per gestione delle ispezioni
App per controllo teste alesatura
Sistema di monitoraggio di temperatura e umidità
Suite per digital business
Piattaforma per trasferimento dati 3D CAD