PO 447

progettare 447 • giugno / luglio 2022 41 ma la gestione nel cloud permette di pro- iettarsi già adesso verso il futuro dei ser- vizi della stessa manutenzione predittiva che, nel nostro caso, sono erogati dagli SKF Reliability Engineers, presso i nostri Remote Diagnostic Centers e coadiuvati da algoritmi tradizionali e basati sull’intel- ligenza artificiale”. In entrambi i casi, SKF ritiene di essere in grado di integrare dati e informazioni che risiedono nelle proprie tecnologie con i software di Cmms, gli historian, i MES, o semplicemente con i sistemi PLC/DCS in uso presso il cliente. Precisa ancora Addati: “Nonostante l’ac- cessibilità di tecnologie possa invitarci a sensorizzare su larga scala, raramente ha senso monitorare tutte le macchine: si rischia di essere inondati da dati da cui è difficile trarre informazioni utilizzabili”. Dunque, meglio studiare preliminarmen- te una strategia di implementazione del conditionmonitoringmirata, basata sulle reali criticità dell’impianto, e processare esclusivamente le variabili rilevanti per poter prendere decisioni di manutenzio- ne. Aggiunge, inoltre, Buzzi di Gefran: “Il conditionmonitoring svolge sicuramente un ruolo di supporto per tutte le operazio- ni di manutenzione predittiva e prolunga- mento della durata di vita di componenti e macchinari, grazie alla possibilità di correlare i dati al fine di ottenere un quadro più completo e dettagliato circa lo stato di efficienza”. Questo consente, evidentemente, di procedere con le azioni correttive necessarie, volte a migliorare la produttività e anticipare o intercettare tempestivamente situazioni di anomalia, evitando spiacevoli fermi macchina e le perdite che ne derivano. Nell’industria manifatturiera digitalizzata, le informa- zioni acquisite da dispositivi smart sono rese disponibili sia a livello locale, sia tramite sistemi di analisi e gestione dati superiori, come il cloud computing o i sistemi di intelligenza artificiali. Osserva, poi, Ricci di Marposs: “Attraver- so il condition monitoring, la gestione delle macchine, compresa la manuten- zione, avviene in modo centralizzato: il reparto di produzione viene informato in tempo reale sullo stato della macchina e su eventuali interventi da realizzare (TPM). A sua volta, il reparto di manu- tenzione riceve le informazioni, sempre real time, dello stato macchina e gestisce gli interventi, analizzando le particolarità di ogni macchina e lavorazione, le ore di lavoro effettive della macchina e lo stato della stessa (CBM)”. Tutto questo permette, evidentemente, quella che vie- ne definita una manutenzione predittiva, con cui è possibile prevenire errori e anticipare eventuali problematiche. A tale scopo, sempre in ottica 4.0, entrano in gioco i data analytics che consentono, infatti, di fare previsioni sulla base delle informazioni raccolte: “La produzione esamina i consuntivi, i tempi di arresto, le performance degli impianti e in base a tali dati, procede alla rialimentazione del sistema minimizzando ulteriormente i tempi di interruzione, ottimizzando la velocità di produzione con un maggiore livello di qualità” conclude Ricci. Secondo Gualtieri di Parker Hannifin, Il condition monitoring può essere at- tuato in diversi ambiti, a seconda del portafoglio prodotti a disposizione e, sicuramente, la manutenzione predit- tiva e proattiva rappresenta l’area di maggiore applicazione. Spiega, infatti, il manager: “Non dobbiamo dimenticare che un asset monitorato e mantenuto in Gefran propone un sistema di acquisizione e regolazione multivariabile, il controllore 3850T. Per le macchine utensili le soluzioni Marposs possono fornire alcuni elementi di monitoraggio e manutenzi- one senza dover aggiungere sensoristica.