Livelli di maturità dell’MRO e il ruolo di IIoT

2nd January 2019
Posted By : Alex Lynn
Livelli di maturità dell’MRO e il ruolo di IIoT

L'efficienza dei processi di MRO (Maintenance, Repair, Operations) è un elemento importante in ogni settore industriale perchè consente di ottimizzare il ROA (Return On Asset, ovvero la capacità di un'impresa di ottenere un flusso di reddito dallo svolgimento della propria attività).

Ciò è vero in particolar modo nelle industrie "capital intensive" (ad alta intensità di capitale) come quelle "oil&gas", minerarie, chimiche e aerospaziale. Basti pensare che per una compagnia aerea l'MRO rappresenta una quota che può raggiungere il 15% dei costi operativi.

L'MRO coinvolge in gran numero di attività all'interno di un'organizzazione come l'acquisizione, la memorizzazione e l'analisi dei dati, la gestione della documentazione delle procedure, la programmazione delle risorse, la gestione della catena di fornitura e la pianificazione delle consegne ai clienti. Questo processo deve anche garantire che tutto il complesso delle attività risulti conforme agli standard e alle specifiche riguardanti la qualità e la sicurezza. L'aumento del livello di maturità di questi processi permette non solo di ridurre i costi di manutenzione ma comporta anche altri benefici a livello aziendale.

Scopo di questo articolo è esaminare come la combinazione tra sensori, IIoT (Industrial Internet of Things) e analisi avanzata dei dati permette alle aziende di migliorare le loro strategie MRO.

MRO: livelli di maturità
Obiettivo dell'MRO è utilizzare nel modo più efficiente possibile le risorse di un'organizzazione al fine di migliorare produttività e profittabilità. Questo traguardo può essere raggiunto minimizzando il downtime (ovvero il tempo di fermo macchina) e ottimizzando la programmazione del lavoro. I dati provenienti da ogni parte del sistema (come ad esempio le apparecchiature presenti in uno stabilimento o i sotto-sistemi di un aeroplano) possono essere utilizzati per monitorare lo “stato di salute” del sistema stesso e ridurre tempi e costi correlati con operazioni di manutenzione che potrebbero non risultare necessarie.

Un sistema MRO efficiente, supportato dalla tecnologia IioT, consente di ridurre il tempo richiesto per la manutenzione assicurando che questa operazione venga eseguita solo quando necessario, ad esempio nel momento in cui vengono rilevati i primi segnali di un possibile guasto di un componente. Processi di manutenzione più efficienti possono contribuire ad aumentare la durata di un'apparecchiatura, con riflessi ovviamente positivi sul ROA.

I livelli di maturità di un processo MRO possono essere caratterizzati nel modo seguente (fonte: ARC Advisory Group):

  • Reattiva: l'apparecchiatura viene fatta funzionare finché non si guasta, quindi di procede alla sua riparazione o sostituzione. E' adeguata quando il guasto è improbabile, non critico e facilmente riparabili. Un esempio tipico è rappresentato da un'autoradio.
  • Preventiva: l'assistenza viene fatta a intervalli fissi o dopo un numero stabilito di ore di funzionamento. Viene adottata quando la probabilità che si verifichi un guasto aumenta con la vita operativa o l'utilizzo dell'apparecchiatura. Un esempio è la sostituzione dell'olio motore dopo un numero stabilito di chilometri.
  • Basata sulle condizioni: verifica i trend negativi o altre logiche basate su regole utilizzando un unico valore di dati. Essa prevede ispezioni e acquisizione manuale dei dati. E' adatta per le apparecchiature con un failure pattern (modello di guasto) di tipo random o imprevedibile. Tra i numerosi esempi si possono annoverare indicatori della pressione dell'olio, della temperatura del liquido di raffreddamento o dei sistemi diagnostici di bordo (OBD – On Board Diagnostic).
  • Predittiva: Utilizza algoritmi specifici per l'apparecchiatura o tecniche di apprendimento automatico (machine learning). Essa impiega più variabili contenute nei dati dell'apparecchiatura e del processo (analisi multivariata) e fa solitamente ricorso a tecniche di acquisizione dati automatizzate. Risulta adatta per apparecchiature critiche, per le quali un fermo non pianificato ha un notevole impatto sull'attività aziendale. Un tipico esempio è rappresentato dal sistema di gestione delle batterie di un'auto elettrica.
  • Prescrittiva: Identifica i problemi e le riparazioni richieste utilizzando dati in tempo reale, modellazione cyber-fisica e analisi multivariata. Essa è impiegata per apparecchiature complesse che necessitano di competenze avanzate per la diagnosi dei problemi e può richiedere la conoscenza delle dinamiche del processo. Un classico esempio sono le apparecchiature diagnostiche presenti in una concessionaria.

I severi requisiti di sicurezza e la natura estremamente competitiva dell'industria aeronautica hanno portato allo sviluppo di processi MRO e modelli di business inediti. In altri settori industriali vi sono differenti fattori, come ad esempio il costo o la soddisfazione dei clienti, che possono essere migliorati adottando una strategia MRO più efficace. Un processo produttivo più efficiente e prevedibile, senza ritardi imprevisti provocati dal malfunzionamento del sistema, contribuisce senza dubbio a migliorare la qualità del prodotto e la soddisfazione del cliente. Anche miglioramenti di piccola entità del livello di efficienza dell'MRO possono garantire un vantaggio competitivo.

IIoT e Industry 4.0
Le tecnologie che stanno alla base di IIoT possono essere sfruttate per supportare gli obiettivi dell'MRO in quanto prevedono operazioni di raccolta dati, analisi e comunicazione su base continua. Una volta acquisita la consapevolezza che tali tecnologie avrebbero potuto trasformare in modo radicale il mondo industriale, il governo tedesco ha messo a punto una strategia, denominata “Industrie 4.0” finalizzata a promuovere la digitalizzazione dei sistemi di produzione. Questa trasformazione, considerata la 4a rivoluzione industriale, va al di là dei concetti di automazione e robotica ed è finalizzata alla creazione di sistemi connessi in rete che sfruttano tecniche quali data fusion (fusione dei dati), comunicazione e apprendimento automatico.

In questo modo il controllo e il monitoraggio dei sottosistemi può essere affidato ai nodi di elaborazione locale. Questi concetti sono ora utilizzati in diversi comparti industriali e non solo in quello manifatturiero. Le tecnologie utilizzate si possono così riassumere:

  • Creazione di un modello virtuale del sistema per simulare gli effetti delle modifiche
  • Utilizzo di tecniche di apprendimento automatico e di intelligenza artificiale per consentire una pianificazione “intelligente” e un processo decisionale autonomo
  • Implementazione di comunicazioni in tempo reale tra sensori, azionamenti, nodi di elaborazione e utenti
  • Fornitura di assistenza tecnica a tutti coloro che sono impegnati nella gestione e nella manutenzione dei sistemi

Tali sistemi possono essere utilizzati per favorire il passaggio dalla manutenzione preventiva, che viene eseguita su base regolare a prescindere dal fatto che vi siano o meno malfunzionamenti, a un approccio più efficiente basato sui dati. Quest'ultimo sfrutta parecchie fonti di informazione inerenti il sistema al fine di implementare processi di natura predittiva (per determinare se è possibile il verificarsi di un guasto) e prescrittiva (per identificare la causa del guasto).

Una manutenzione di tipo reattiva o preventiva può dar luogo a un tempo di fermo non previsto o all'esecuzione di un'operazione di manutenzione dei sistemi anche quando non è realmente necessario. Per un'azienda ciò può comportare costi non indifferenti: si pensi ad esempio che la chiusura di una raffineria di petrolio può costare oltre 20 milioni di dollari al giorno (e le procedure di arresto graduale e riavvio possono richiedere alcuni giorni). La disponibilità di informazioni più dettagliate può contribuire non solo a migliorare la pianificazione dei processi di MRO, ma anche a evitare un arresto completo tramite l'isolamento di sotto-sistemi specifici che rimangono in funzione.

Una metodologia basata sui dati che utilizza tecnologie di apprendimento automatico e di intelligenza artificiale può contribuire a incrementare il livello di maturità del processo prevedendo eventuali problemi e identificando le relative soluzioni. La manutenzione prescrittiva permette un migliore utilizzo delle apparecchiature, minimizzando i tempi di fermo, mantenendo il sistema in condizioni di funzionamento ottimali e riducendo i costi rispetto a una manutenzione di tipo esclusivamente preventiva.

Una delle principali problematiche legate a questo approccio è la gestione della grande quantità di dati che viene generata. Un aereo, per esempio, produce parecchi terabyte di dati provenienti dai numerosi sensori presenti, mentre il solo motore può produrre 5.000 valori di dati al secondo.

Sistemi complessi richiedono parecchi tipi di sensori, con interfacce e requisiti di elaborazione specifici. Alcuni dei dati provenienti dai sensori dovranno essere elaborati localmente, ovvero alla periferia (edge), al fine di fornire una risposta in real time. Altri dati possono essere inviati al cloud per un'analisi più approfondita condotta sfruttando algoritmi di apprendimento automatico o di intelligenza artificiale.

I dati possono essere utilizzati per rilevare “segnali premonitori” di potenziali guasti ben prima che questi possano provocare problemi. Oltre a prevedere un guasto potenziale, il sistema può anche identificarne la causa. Un informazione di questo tipo può essere utilizzata per pianificare la manutenzione. Nel caso di un aereo, ad esempio, i dati acquisiti in volo possono essere impiegati per ordinare i pezzi necessari e pianificare la manutenzione quando l'aeroplano atterra, in modo da ridurre i tempi di inattività del velivolo, che rappresenta ovviamente un costo per ogni compagnia aerea.

Ciò richiede un monitoraggio continuo in tempo reale di tutti i componenti di un sistema, un'operazione questa resa possibile dalla tecnologia IIoT la quale prevede che ciascun sottosistema sia equipaggiato con sensori, risorse di elaborazione e funzioni di comunicazione.

Piattaforme IIoT
Il numero e la varietà di dispositivi e sotto-sistemi che sono collegati in rete e fanno parte dell'universo IIoT sta aumentando molto rapidamente. Molti di questi dispositivi richiedono nuovi tipi di sensori e maggiore potenza di calcolo per poter eseguire l'elaborazione in real-time alla periferia.

I sensori sono utilizzati per misurare una vasta gamma di parametri ambientali, dalla temperatura alla pressione, dall’accelerazione all’orientamento. Molti di questi producono uscite analogiche che richiedono il condizionamento dei segnali e la conversione A/D. Tali requisiti devono essere attentamente bilanciati tenendo conto dei limiti imposti in termini di consumi e dei vincoli dimensionali tipici dei dispositivi indossabili.

I protocolli di comunicazione wireless sono numerosi, ciascuno dei quali con caratteristiche specifiche a livello di velocità, distanza (range) e consumi di potenza. La scelta del protocollo più idoneo dipende dai requisiti del sistema, come ad esempio la quantità di dati da trasmettere e i consumi (power budget). Nella tabella 1 vengono riportate le principali caratteristiche di alcuni tra i più diffusi standard.

Wi-Fi è ottimizzato per il trasferimento dati a elevate velocità e non è adatto per applicazioni che richiedono consumi molto bassi. Questo protocollo può essere utilizzato nelle reti IIoT come collegamento tra sistema e cloud.

Le nuove tecnologie di rete, come Zigbee, 6LoWPAN e altre basate sullo standard IEEE 802.15.4 sono in grado di garantire una trasmissione dati a basso consumo. Esse inoltre utilizzano una topologia di tipo mesh (a maglia) in cui ogni nodo può comunicare con tutti gli altri, consentendo in tal modo la creazione di reti di grandi dimensioni che non sono vincolate dai limiti, in termini di distanza di trasmissione, del protocollo wireless considerato.

Per supportare tutti i requisiti tipici dei nodi IIoT è possibile ricorrere a una soluzione di tipo SoC (System-on-Chip). Essa integra la maggior parte delle funzionalità richieste, tra cui CPU, interfacce per sensori analogici e comunicazioni wireless, in un unico chip. Lo sviluppo di un SoC di tipo custom richiede competenze nei settori della progettazione del silicio, della verifica e della produzione.

Le aziende che non possiedono queste competenze possono scegliere di cooperare con un fornitore esterno, come ad esempio Adesto, che vanta un know how ultra-ventennale nella realizzazione di sistemi di questo tipo. La divisione Asic & IP di Adesto ha sviluppato un’ampia gamma di interfacce e di tecnologie di supporto per i sensori che possono essere impiegate per la progettazione di SoC custom sfruttando la piattaforma SmartEdge, il cui schema a blocchi è riportato in figura 1.

Esempi di piattaforme IIoT
La continua evoluzione dei processi MRO comporta la necessità di applicare tecniche in grado di gestire i cosiddetti “big data” per analizzare la mole via via crescente di dati provenienti dai numerosi sensori presenti nel sistema. Per molte aziende, si tratta di una problematica completamente nuova.

Sono numerose le aziende che propongono servizi e tool per lo sviluppo di applicazioni e il relativo deployment (ovvero la distribuzione e l'installazione), la gestione dei nodi IIoT, la comunicazione e l’analisi dei dati.

In Giappone Yokogawa Electric sta sviluppando un’infrastruttura IIoT con l’obiettivo di fornire un accesso da remoto ai dati del sistema. Nella fase iniziale è previsto il monitoraggio dello stato delle pompe, effettuato dalla società partner Iwatsu, che vengono utilizzate negli impianti chimici e alimentari. I dati operativi come la corrente assorbita da una pompa, la pressione di scarico, la velocità del flusso e la temperatura vengono trasferiti al cloud attraverso un gateway IIoT in modo da essere disponibili ai responsabili dell’impianto ovunque essi si trovino.

Air France-KLM ha dato vita alla divisione AFI KLM E&M (Engineering and Maintenance) il cui obiettivo è fornire servizi MRO in outsourcing alle altre compagnie aeree. La società ha sviluppato un tool software denominato PROGNOS, che utilizza i dati scaricati direttamente dall’aeromobile per prevedere eventuali guasti dei componenti. I risultati vengono successivamente trasferiti al centro di manutenzione consentendo ai tecnici di pianificare le attività di manutenzione richieste. Inizialmente sviluppato per i motori, il sistema è ora utilizzato anche per altri sottosistemi dell’aereo.

Considerazioni conclusive
I processi MRO dipendono in misura sempre maggiore dai dati e possono sfruttare la tecnologia IIoT per acquisire e analizzare i dati. La quantità dei dati provenienti dai sensori integrati nelle apparecchiature è aumentata in modo esponenziale. Sono quindi necessarie soluzioni innovative per convertire questi dati in informazioni capaci di pilotare il processo decisionale e ottimizzare il ROA.

Le società di grandi dimensioni stanno effettuando notevoli investimenti nell’hardware e nel software per IIoT per favorire il passaggio dai tradizionali processi di manutenzione pianificata ai più efficienti modelli di manutenzione predittiva e prescrittiva. Un circuito ASIC di tipo custom rappresenta la soluzione più efficace per integrare le interfacce per sensori, oltre alle funzionalità di comunicazione e di elaborazione richieste per una specifica applicazione. 

La disponibilità di fonderie di semiconduttori, di blocchi IP in silicio di elevato livello qualitativo e la presenza di design house specializzate permettono a un numero sempre maggiore di aziende di sfruttare le potenzialità legate all’uso di circuiti ASIC custom.


È necessario aver eseguito l’accesso per commentare

Lascia un commento

Nessun commento




Molto altro da S3 Semiconductors

Sign up to view our publications

Sign up

Sign up to view our downloads

Sign up

Hotspots Specials 2019
24th October 2019
Germany Böblingen, Germany
IoT Solutions World Congress 2019
29th October 2019
Spain Barcelona
Maintec 2019
30th October 2019
United Kingdom NEC, Birmingham
NOAH Conference 2019
30th October 2019
United Kingdom Old Billingsgate, London
productronica 2019
12th November 2019
Germany Messe München