{"id":10826,"date":"2021-07-16T08:23:19","date_gmt":"2021-07-16T06:23:19","guid":{"rendered":"http:\/\/staging.blogs.yokogawa.de\/chemical-pharma\/non-categorizzato\/il-futuro-della-manutenzione-predittiva\/"},"modified":"2025-03-14T12:43:10","modified_gmt":"2025-03-14T11:43:10","slug":"il-futuro-della-manutenzione-predittiva","status":"publish","type":"post","link":"https:\/\/www.yokogawa.com\/eu\/blog\/chemical-pharma\/it\/il-futuro-della-manutenzione-predittiva\/","title":{"rendered":"Il futuro della Manutenzione Predittiva"},"content":{"rendered":"

Un nuovo esperimento sulla manutenzione<\/h2>\n

Dopo una prima dimostrazione che illustrava la semplicit\u00e0 della manutenzione predittiva attraverso l\u2019utilizzo di una dashboard e di un chatbot, ecco un nuovo esperimento. Ancora una volta, il sistema si basa sui Sushi Sensors di Yokogawa, wireless IIOT in grado di comunicare tramite rete LoRaWAN, che permette comunicazioni su lunghissime distanze (7 km in campo aperto) e un consumo molto ridotto della batteria, che per questi sensori \u00e8 sostituibile e arriva fino a 10 anni di vita.<\/p>\n

L\u2019elemento umano<\/h2>\n

Ormai si parla sempre pi\u00f9 spesso di Industria 4.0 e ci si focalizza su prodotti e soluzioni, ma spesso si dimentica che al centro di questa come di ogni rivoluzione industriale c\u2019\u00e8 l\u2019elemento umano. Lo scopo della trasformazione digitale che stiamo vivendo, infatti, non \u00e8 soppiantare l\u2019uomo nei processi produttivi, ma rendere pi\u00f9 agevole il suo lavoro. Questo \u00e8 lo spunto di questo semplice esperimento.<\/p>\n

Wearables<\/h2>\n

Il mercato dei dispositivi indossabili, esploso grazie a bracciali e orologi smart dedicati agli sportivi, \u00e8 florido. Lo dimostra il fatto che le grandi aziende di smartphone hanno tutti uno smartwatch a catalogo. E\u2019 un trend inarrestabile, le fabbriche si stanno adattando velocemente al nostro modo di vivere anche attraverso l\u2019integrazione di queste tecnologie nei processi produttivi. Ad esempio, Yokogawa ha gi\u00e0 rilasciato un aggiornamento del proprio software Field Assistant per permettere l\u2019uso di dispositivi che possono essere montati sugli elmetti e che facilitano ulteriormente il lavoro degli operatori alle prese con le ispezioni degli impianti industriali \u2013\u00a0 https:\/\/www.yokogawa.com\/it\/news\/press-releases\/2020\/2020-11-19\/<\/a> \u2013 . Perch\u00e9 quindi\u00a0 non provare ad utilizzare un dispositivo wearable per dialogare con il software GA10 ed essere avvisati in caso di anomalie rilevate in maniera predittiva grazie all\u2019intelligenza artificiale?<\/p>\n

L\u2019esperimento dimostrativo<\/h2>\n

La prova \u00e8 molto semplice e alla portata di tutti. Esistono dispositivi di prototipazione basati su scheda ESP32, una scheda low-cost molto versatile. In questo caso, la spesa \u00e8 stata di pochi euro inclusa la spedizione per comprare uno stick device programmabile comprensivo di buzzer accessorio (Fig.1). La programmazione \u00e8 molto semplice e pu\u00f2 avvenire direttamente dal cloud (basta l\u2019API key fornita dal dispositivo da inserire nella piattaforma). Non viene richiesto un accesso tramite utente e password.<\/p>\n

\"\"
Fig. 1: Dispositivo indossabile<\/figcaption><\/figure>\n

In questo modo \u00e8 stato semplice aggiungere un ulteriore step al sistema. Non solo i dati dei sensori possono raggiungere una dashboard, ma il manutentore potrebbe essere dotato di un braccialetto per essere avvisato in ogni momento di possibili problemi, senza nemmeno la necessita di usare uno smartphone. Un volta che l\u2019anomalia viene rilevata dal software GA10, questa notifica viene inviata su pi\u00f9 canali (Fig.2)\u00a0 e quando raggiunge il braccialetto, il dispositivo si illumina ed emette dei suoni intermittenti per avvisare del problema in corso. L\u2019operatore pu\u00f2 accedere ai dati raccolti durante l\u2019anomalia e una volta preso atto della criticit\u00e0 pu\u00f2 disabilitare l\u2019allarme (Fig.3).<\/p>\n

\"wearables\"
Fig. 2: Le notifiche raggiungono diversi dispositivi<\/figcaption><\/figure>\n

L\u2019interazione dell\u2019operatore con la macchina tramite IOT sar\u00e0 sempre pi\u00f9 fondamentale: si pensi per esempio al notevole miglioramento in termini di sicurezza per l\u2019operatore che, tramite smart band, \u00e8 in grado di conoscere lo stato di salute dell\u2019impianto che andr\u00e0 ad utilizzare, evitando cos\u00ec il rischio di infortunio e, in casi pi\u00f9 gravi, di morte.<\/p>\n

\"\"
Fig. 3: Una volta rilevata l\u2019anomalia, il bracciale avvisa l\u2019utente con i dati relativi all\u2019anomalia<\/figcaption><\/figure>\n

Perch\u00e9 tutto questo sia realmente efficace, per\u00f2, occorre un sistema che sfrutti l\u2019intelligenza artificiale: in tema di manutenzione predittiva, Yokogawa offre sistemi ad alta efficienza che sfruttano l\u2019intelligenza artificiale sia localmente che sul cloud.<\/p>\n

La soluzione locale: software GA10<\/h2>\n

Se si sceglie di mantenere i dati a livello locale, Yokogawa ha la soluzione ideale. Il software GA10, ottimo applicativo per il data logging, offre ora una funzione speciale per la gestione dei Sushi Sensors. Il GA10 permette di essere operativi in pochissimo tempo, configurando il sistema e i parametri in maniera semplice e veloce direttamente dal software, ma la vera rivoluzione \u00e8 rappresentata dal fatto di essere una delle pochissime soluzioni che, pur lavorando localmente, offre algoritmi di intelligenza artificiale.<\/p>\n

La funzione di IA, estendibile a tutti i segnali, anche non provenienti dai sensori Sushi, \u00e8 in grado, dopo una\u00a0 fase di apprendimento la cui durata dipende dai segnali da acquisire e dal tempo di scansionamento, di indicare con un punteggio lo stato di salute dell\u2019impianto. Il punteggio negativo segnala un\u2019anomalia e la necessit\u00e0 di ispezionare l\u2019impianto (Fig.4). Yokogawa ha preparato un video molto interessante, disponibile anche in italiano, che illustra le potenzialit\u00e0 di questo software. Le filiali Yokogawa di riferimento sono a disposizione per consentirne la visione.<\/p>\n

\"\"
Fig. 4: Rilevamento anomalie tramite intelligenza artificiale del software GA10<\/figcaption><\/figure>\n

La soluzione cloud: la piattaforma di Yokogawa<\/h2>\n

Anche nel caso si decidesse di usare il cloud, o gli impianti da tenere sotto controllo avessero un andamento complesso con segnali piuttosto imprevedibili e\/o una variazione repentina nel tempo, Yokogawa ha la soluzione giusta. L\u2019offerta di Yokogawa non \u00e8 un semplice applicativo composto da dashboard e allarmi, ma una vera e propria piattaforma. Gli algoritmi di IA e le interfacce grafiche vengono create in maniera precisa e dettagliata sulla base delle esigenze dei clienti e della tipologia degli asset da monitorare. Questo, combinato con la possibilit\u00e0 di integrare sensori di terze parti, rende la soluzione Yokogawa estremamente flessibile.<\/p>\n

Inoltre, se la manutenzione viene affidata a societ\u00e0 esterne, \u00e8 possibile creare delle viste alternative che accedono solo ad un sottoinsieme di tutti i dati disponibili, in modo da garantire la privacy e la riservatezza dei dati sensibili. Sono soluzioni che ci garantiscono alta efficienza ed affidabilit\u00e0 e sono inoltre disponibili degli starter kit\u00a0 (fig. 5).<\/p>\n

\"\"
Fig. 5: Starter Kit<\/figcaption><\/figure>\n

Conclusione<\/h2>\n

Questo esperimento dimostra ancora una volta la profonda conoscenza che Yokogawa ha delle tecnologie e delle soluzioni del futuro, in questo caso legate alla manutenzione predittiva. Yokogawa \u00e8 il partner su cui puntare per intraprendere il percorso IA2IA (Industrial Automation to Industrial Autonomy) e di trasformazione digitale: pi\u00f9 di cento anni di storia sempre all\u2019avanguardia e ora anche una tra le aziende pi\u00f9 sostenibili al mondo. Se sei interessato e vorresti saperne di pi\u00f9, scarica il nostro \u201cAI Product Solution Book\u201d, altrimenti rivolgiti al tuo partner Yokogawa locale o scrivici tramite il modulo di contatto.<\/p>\n

\n

La Digital Transformation nell\u2019industria di processo comincia da qui.<\/a><\/p><\/blockquote>\n