Fare industria nell’attuale contesto economico è senz’altro decisamente più complesso rispetto al recente passato. Gli operatori devono innanzitutto far fronte a una pressione competitiva senza precedenti, soprattutto a causa della globalizzazione, che significa nel concreto la possibile irruzione sul proprio mercato di riferimento di attori provenienti dall’altra parte del globo. Inoltre le imprese del settore secondario devono fare i conti con una notevole difficoltà nel mantenimento della fidelizzazione della propria base clienti. Questi ultimi peraltro – sia in ambito business che consumer- domandano prodotti e servizi sempre più personalizzati.

Come se tutto questo non bastasse, le industrie sono oggi chiamate a gestire catene di approvvigionamento globali sempre più complesse e nuovi modelli logistici, ad abbracciare nuovi modi di lavorare e far fronte alla costante minaccia di attacchi informatici.

È chiaro che, in questo delicato contesto, le industrie devono commettere meno errori possibili nel proprio processo produttivo e, anzi, possedere un’elevata capacità di flessibilità in caso di cambio di scenari e mutamenti della domanda.

Queste caratteristiche possono essere ottenute dalle imprese industriali soltanto mettendo in atto un profondo processo di trasformazione digitale, che coinvolga sia il processo produttivo vero e proprio che aspetti più prettamente organizzativi.

Il ruolo dell’Industrial IoT

Una parte estremamente importante di questa trasformazione tecnologica è demandata all’Internet of Things (IoT), che quando agisce nel peculiare contesto industriale è ribattezzato dagli esperti come IIoT (Industrial Internet of Things).

In buona sostanza, il principio alla base dell’IIoT è lo stesso alla base dell’IoT generale: rendere possibile il collegamento alla rete Internet dei diversi apparati e macchinari produttivi impiegati in ambito industriale.

L’obiettivo principale dell’IIoT è quello di abilitare una ottimizzazione del processo produttivo proprio grazie alla connessione delle macchine. L’industrial Internet of Things, da un punto di vista prettamente hardware, consente agli oggetti di geolocalizzarsi, misurare i propri parametri di esercizio e performance e comunicarli all’esterno in tempo praticamente reale.

Ma cosa si può fare con i dati raccolti dalle macchine e dagli apparati industriali? Come abbiamo scritto in precedenza, questo crescente volume di dati è destinato innanzitutto alla ottimizzazione del processo produttivo. In particolare, i parametri ricevuti e continuamente analizzati possono permettere alle industrie di impostare una strategia di manutenzione intelligente (predictive maintenance) in luogo di quella tradizionale. 

Che, perlopiù, funziona ‘a chiamata’ ovvero solo dopo l’insorgenza di guasti più o meno gravi. In alternativa, esistono manutenzioni di tipo ‘preventive’ e ‘condition-based’, che funzionano su base empirica o statistica e non tengono dunque conto in tempo reale delle condizioni concrete ed effettive dei macchinari o dei sistemi produttivi. In ogni caso, il rischio concreto è quello di andare incontro a costosi e complicati fermi di produzione inattesi, non più sostenibili nell’attuale contesto competitivo in cui sono inserite le imprese industriali.

I benefici della manutenzione predittiva

Al contrario l’impiego della sensoristica IoT, attraverso il monitoraggio continuo di determinati parametri (consumi energetici, oscillazioni apparecchi, temperature interne, ecc) rende possibile l’identificazione del livello di probabilità di guasto di un componente o di un’intera apparecchiatura.

Più precisamente, esistono due principali tipologie di benefici che possono essere assicurati dalla corretta adozione di una strategia di predictive maintenance: il primo è quello di prevedere il momento in cui i guasti potrebbero verificarsi, mentre il secondo è quello di riuscire a impedirne l’arrivo.

Il risultato finale è in ambedue i casi premiante da un punto di vista economico: la manutenzione intelligente consente infatti nell’immediato di minimizzare gli interventi manuali sugli apparati e dispositivi industriali, riducendo i tempi di stop delle macchine industriali. Più in prospettiva, le imprese industriali possono beneficiare di un allungamento della vita utile delle proprie macchine, abbattendo anche le spese legate all’acquisto delle parti di ricambio e all’intervento fisico di squadre di manutenzione esterne. In definitiva, le imprese che riescono ad applicare una strategia di predictive maintenance possono assicurarsi un evidente risparmio in termini di costi di manutenzione, beneficiando al contempo dii un aumento di produttività.  

Questi potenziali benefici stanno spingendo le imprese industriali ad affrontare questa tipologia di investimento: il mercato globale della manutenzione predittiva già nel 2022 dovrebbe valere tra i 6,3 e gli 11 miliardi di dollari. Anche in Italia le imprese del settore secondario stanno spingendosi verso questa direzione: secondo l’ultima edizione dell’Osservatorio Internet of Things del Politecnico, in un comparto che cresce del 32 per cento anno su anno (per un valore complessivo di 3,7 miliardi di euro), le applicazioni sulle quali si concentrano gli investimenti sono quelle legate alla valorizzazione in tempo reale di dati e analytics. Il riferimento è a soluzioni per la gestione dell’avanzamento della produzione (31% dei casi), per la predictive maintenance (28%), per fornire supporto agli operatori nello svolgimento delle attività sulla linea di produzione (22%).

Le caratteristiche fondanti della manutenzione predittiva

Ma quali sono le caratteristiche strutturali alla base della manutenzione predittiva? La società di consulenza Roland Berger ha identificato quattro “pilastri” della manutenzione predittiva che potranno abilitare i cambiamenti organizzativi e culturali richiesti alle aziende del settore secondario.

In primo luogo c’è naturalmente l’interconnettività, dunque l’Industrial IoT vero e proprio: ogni componente produttivo della fabbrica deve essere dotato di sensori specifici per la misurazione dello “stato di salute” attraverso la raccolta in tempo reale di dati puntuali su determinati parametri.

Il secondo pilastro è quello dei digital data, grazie al quale l’analisi dei dati raccolti avviene tramite l’utilizzo delle più sofisticate tecniche di big data analysis.

In terzo luogo c’è l’Automazione, che presuppone l’adozione di macchinari di nuova generazione dotati di tecnologie di self-learning, che evitino l’insorgere della maggior parte dei danni altrimenti possibili.

Infine, alla base della manutenzione predittiva deve sempre esserci la creazione di valore, che passa per l’accesso immediato e da remoto ai macchinari, così da ridurre drasticamente tempi e costi delle operazioni di manutenzione.

L’importanza della Big Data Analysis

Concentriamoci in particolare sul punto della big data analysis: occorre infatti comprendere come le informazioni prodotte dall’Industrial IoT possono permettere soltanto di definire, anche se in tempo reale, il valore di determinati parametri.

Ma questi dati, che possiamo definire “grezzi”, non sono di per sé sufficienti per permettere agli operatori di identificare anomalie o circoscrivere fenomeni a livello macro. I Dati devono essere sottoposti a un processo di raffinazione, che passa appunto per l’utilizzo di soluzioni Analytics e, sempre più spesso, di machine learning e intelligenza artificiale.  

Nel concreto questo significa l’acquisizione di dati da più fonti, interne ed esterne all’organizzazione: il riferimento è a serie statistiche sullo storico del funzionamento dei macchinari e delle performance di filiera, dataset relativi a studi di settore comparativi, informazioni contestuali (temperatura e altri fattori esterni che possono influenzare le prestazioni dei componenti), input ottenuti in real time dalle interazioni con altri oggetti e con il mondo fisico.

Soltanto attraverso l’impiego di questo variegato tipo di informazioni, diventa possibile realizzare la manutenzione predittiva, arrivando a comprendere come i macchinari industriali potranno comportarsi nel corso del tempo, prevedendo così l’arrivo di possibili guasti, disservizi e malfunzionamenti.  Importante è anche comprendere dove realizzare l’elaborazione di questa massa continua di dati: la classica possibilità è quella di effettuare una elaborazione centralizzata nel cloud.

Ma, specie quando c’è bisogno di una maggiore tempestività nelle risposte, si sta affermando anche il modello dell’edge computing, che poi non significa altro che portare della capacità computazionale in prossimità dei luoghi di generazione dei dati stessi (in questo caso i sensori industriali), così da ridurre il più possibile l’effetto latenza. In questo caso i dati raccolti dai sensori IoT sono poi trasmessi all’IoT Gateway (o Industrial Gateway), il cui compito è appunto l’acquisizione dei dati provenienti dalle linee di produzione, la traduzione dei protocolli, il filtraggio, l’aggregazione e una prima elaborazione degli stessi, così da minimizzare il volume di dati da trasferire in cloud per l’elaborazione analitica.

La predictive maintenance come primo passaggio verso la servitizzazione

Fin qui l’aspetto tecnologico della predictive maintenance: occorre però sottolineare come esista un altro aspetto altrettanto importante, legato alla dimensione culturale e organizzativa.

In particolare, per le imprese produttrici di apparati e macchine industriali la manutenzione intelligente può costituire il primo passo di una strategia maggiormente orientata verso i servizi anziché verso i prodotti. L’innovazione di prodotto non è più sufficiente per difendere vantaggi competitivi costantemente minacciati da fenomeni quali la globalizzazione e la rivoluzione digitale.

Anche in ambito business, infatti, il cliente finale (in questo caso l’azienda industriale) non è interessato tanto al mero possesso di un bene ma, piuttosto, quanto piuttosto alla possibilità di godere dei benefici derivanti dall’accesso e dall’uso dello stesso.

Si tratta di un processo di trasformazione molto complesso, definito dagli esperti come servitizzazione, che sta portando le aziende ad orientarsi verso la fornitura e lo sviluppo di soluzioni integrate di prodotto-servizio.

Tra i principali servizi che possono essere forniti c’è proprio la manutenzione predittiva: questo significa nel concreto che il produttore, in abbinata alla vendita del proprio apparato industriale (immaginiamo ad esempio una macchina utensile) renderà disponibile anche un servizio di manutenzione e assistenza dello stesso, abilitato dai dati resi disponibili dall’industrial IoT.

Un servizio di questo tipo, ha senza dubbio la capacità di rinsaldare la relazione cliente-fornitore nel corso del tempo, assicurando all’azienda produttrice una ulteriore fonte di ricavi, mentre il cliente finale può beneficiare di un risparmio nei costi di manutenzione.

Peraltro, sempre secondo l’Osservatorio del Politecnico di Milano, i servizi già rappresentano il 34 per cento del valore del mercato IoT e mostrano tassi di crescita ancora più interessanti, nell’ordine del +52 per cento anno su anno: manutenzione predittiva, monitoraggio in real time, smart asset management rappresentano oggi le basi di un nuovo mercato potenziale particolarmente interessante.

La predictive maintenance, dunque, può diventare parte essenziale di un modello di lungo termine, in grado di creare valore addizionale nella relazione tra un’azienda e i suoi clienti e dunque richiede un approccio strutturato e coerente che non può prescindere dagli aspetti tecnologici.