La manutenzione predittiva è spesso raccontata come un problema di algoritmi: si immagina un modello che, osservando i dati, prevede il guasto con settimane di anticipo. È un’immagine affascinante ma fuorviante, almeno per la stragrande maggioranza delle PMI. Nella realtà, il salto di valore arriva molto prima del machine learning: arriva quando i dati di macchina vengono raccolti con continuità e trasformati in alert tempestivi e azionabili.
I tre livelli della manutenzione
- Reattiva: si interviene dopo il guasto. È la più costosa e imprevedibile, perché il fermo arriva quando meno te lo aspetti, spesso nel momento peggiore.
- Preventiva: si interviene a calendario, a intervalli fissi. È un passo avanti, ma porta a sostituire componenti ancora buoni e, allo stesso tempo, non protegge dai guasti che capitano tra un intervento e l’altro.
- Predittiva: si interviene quando i dati lo suggeriscono. Vibrazioni, temperature, assorbimenti elettrici, tempi ciclo, cicli di lavoro che escono dai valori attesi diventano il segnale che qualcosa sta cambiando.
Le soglie vengono prima dei modelli
Un sistema di regole costruito su soglie ben scelte intercetta già una quota sorprendente di anomalie: il micro-fermo che inizia a ripetersi, la temperatura che sale lentamente di giorno in giorno, il tempo ciclo che si allunga di qualche punto percentuale. Sono segnali deboli che un operatore, preso dalla produzione, non nota — ma che un sistema che osserva senza stancarsi coglie subito.
Solo su questa base di dati storicizzata ha senso, in un secondo tempo, innestare modelli di forecasting che imparano i pattern «normali» e segnalano le derive. L’ordine è importante: prima si raccoglie e si reagisce per soglie, poi — quando lo storico è ampio — si affina con i modelli. Partire dall’algoritmo senza dati è la ricetta per un progetto che non decolla.
Il punto critico è il recapito
C’è un aspetto sottovalutato: un alert ha valore solo se raggiunge la persona giusta, sul canale giusto, nel momento giusto. Una soglia superata che finisce in un log che nessuno legge non serve a nulla. L’alert deve arrivare al manutentore o al capoturno con la causale, lo storico e il contesto a corredo, in modo che chi lo riceve sappia subito cosa guardare e con quale priorità.
È qui che la predittiva smette di essere uno slogan da convegno e diventa, molto concretamente, meno fermo macchina: meno interventi d’emergenza, ricambi ordinati per tempo, manutenzioni pianificate nelle finestre giuste invece che subite.
Un percorso realistico
Per una PMI il percorso sensato è incrementale: si parte dalla macchina più critica, si raccolgono le grandezze rilevanti (quelle che il manutentore già guarda), si definiscono poche soglie con chi conosce l’impianto, si instradano gli alert alle persone giuste. Dopo qualche mese di storico, si valuta dove i modelli aggiungono valore. VMES45 nasce per rendere questo percorso praticabile senza un reparto IT dedicato. Scrivici per parlarne.