Softeam Point of View

Macchine e Impianti: la gestione del dato abilita la predictive maintenance

Coniugando la piattaforma di IIoT Data Management Orquestra con Lyra, la soluzione per la gestione centralizzata di dati e informazioni aziendali, Softeam apre nuove prospettive per un settore ad alta competitività.

Pubblicato il 12 Giu 2020

industrial-IoT

Nel settore manifatturiero e in particolare nell’ambito della produzione di macchine e impianti, un tema che sta assumendo un ruolo sempre più importante è quello della manutenzione preventiva e predittiva.
In effetti, essere in grado di capire quando potrebbero verificarsi un guasto o un malfunzionamento, prevenendone l’insorgenza attraverso interventi di manutenzione è importante per ridurre i costi e l’impatto sulla produzione, garantire maggiore efficienza, ottimizzare le risorse dedicate al post-vendita, ridurre le ore di fermo macchina o di fermo impianto.

Pensare alla manutenzione preventiva, o addirittura guardare avanti in un’ottica di predittività, significa adottare una logica molto diversa rispetto alla tradizionale manutenzione reattiva, nella quale gli interventi si effettuano solo a fronte di un effettivo guasto, ma anche alla manutenzione pianificata, nella quale gli interventi di manutenzione si effettuano a intervalli di tempo, a prescindere dalla effettiva necessità.
La manutenzione predittiva utilizza i dati raccolti dalle diverse parti che compongono un macchinario complesso per comprendere quando un determinato componente potrebbe guastarsi.

La manutenzione predittiva, il next step della digital transformation nel manifatturiero

È questo lo scenario nel quale si sta muovendo Softeam e in particolare Michele Lafranconi, Responsabile Commerciale Area Prodotti spiega “È  una prospettiva interessante per tutte quelle imprese che hanno intrapreso un percorso di digital innovation e di digital transformation e che, una volta colti i primi benefici di ciò che hanno realizzato, mettono in moto un volano virtuoso e continuano a guardare avanti”.
“Le aziende del mondo macchine e impianti con le quali lavoriamo – prosegue Michele Lafranconi – sono arrivate a un punto di maturità tale che, anche quando si parla di post-vendita, non vogliono limitarsi alle attività di manutenzione classica, ma guardano già oltre, alla manutenzione predittiva e trovano in Softeam il partner giusto con cui realizzarla”.
La visione di Michele Lafranconi nasce dall’esperienza maturata sul campo in una realtà, come Softeam, che ha fatto della focalizzazione sul prodotto il proprio punto di forza.
“La nostra soluzione è decisamente orientata al settore macchine e impianti e proprio in virtù di questa focalizzazione siamo oggi in grado di offrire nuove opportunità ai nostri clienti”.

Softeam, l’integrazione tra l’IIoT di Orquestra e Lyra

Concretamente, per supportare i propri clienti nel percorso verso la manutenzione predittiva, Softeam ha lavorato all’integrazione delle sue due soluzioni core: Orquestra , una piattaforma di Industrial IoT (IIoT) per la raccolta dei dati dal campo, in grado di interfacciarsi con tutti gli applicativi aziendali e con dispositivi differenti, uniformando le informazioni generate, e Lyra, l’applicativo che consente di integrare e monitorare tutte le informazioni che regolano il rapporto di un’azienda con i propri clienti in un unico strumento operativo.

L’obiettivo è sviluppare nuove funzionalità utilizzando i dati che vengono dalle macchine e dal campo in un’ottica di manutenzione predittiva.
“Da un lato utilizziamo Orquestra per la raccolta dati, mentre Lyra è la soluzione che ci consente di dare significato ai dati”.
Concretamente, grazie alla soluzione di IIOT Data Management Orquestra, è possibile monitorare e tracciare tutte le attività che si svolgono sul singolo macchinario o sull’impianto.
“Orquestra funge da IIoT Data Manager e comunica con dispositivi basati su tecnologie diverse per raccogliere i dati sul funzionamento delle macchine e sullo svolgimento dei processi produttivi”, spiega Lafranconi. “Ai dati così raccolti vengano poi applicati algoritmi e tecniche di machine learning, per andare poi a creare su Lyra una knowledge base sui guasti, molto importante in fase di ticketing”.
Incrociando la comunicazione del problema da parte del cliente con i dati della macchina, chi si occupa di service e assistenza è in grado di dare risposte più puntuali, anche grazie alla possibilità di analizzare dati storici o casistiche pregresse.
“Abbiamo riscontrato un beneficio immediato, in termini di riduzione del numero di ticket o di trasferte verso il campo, ma ci sono anche altri effetti positivi sul lungo termine”.
I dati, spiega ancora Michele Lafranconi, consentono di capire quando una macchina sta per avere un guasto: se ben gestita, questa tipologia di alert consente di attivare interventi di assistenza per tempo, riducendo, nel caso, i guasti in garanzia.
“Ci sono poi visioni di più ampio respiro: grazie a un attento utilizzo dei dati di produzione, è possibile mettere in luce eventuali inefficienze o addirittura comprendere come migliorare il proprio prodotto o la propria produttività”.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 4