Per il mantenimento degli impianti produttivi, il BMW Group ha scelto di avvalersi di sensori, analisi dati e intelligenza artificiale (AI). In questo modo, piuttosto che seguire il precedente approccio incentrato su una manutenzione rule-based a intervalli regolari, viene effettuata una manutenzione predittiva basata sulle condizioni attuali dell’impianto. Questo non solo previene fermi macchina non pianificati, ma influisce positivamente anche sulla sostenibilità e sull’utilizzo efficiente delle risorse, garantendo la disponibilità ottimale dei sistemi. Le innovative soluzioni di manutenzione predittiva basate su cloud sono attualmente in fase di implementazione in tutto il network produttivo globale.
La manutenzione predittiva come sistema d’allerta precoce nella produzione
La crescente digitalizzazione della manutenzione ha reso l’approccio predittivo sempre più importante. Monitorando le attrezzature e i parametri attuali, la manutenzione predittiva può prevedere i guasti prima che si verifichino. I dati vengono utilizzati per ottimizzare la manutenzione degli impianti e stabilire quando sostituire i componenti in via precauzionale, in modo da evitare interruzioni non necessarie. Inoltre, la manutenzione predittiva migliora l’efficienza e la sostenibilità, assicurando che i componenti ancora integri non vengano sostituiti prima del dovuto.
Verifica dello stato di salute dei macchinari tramite una piattaforma basata su cloud
La manutenzione predittiva si avvale di una piattaforma cloud all’avanguardia per ottenere segnalazioni precoci su potenziali interruzioni della produzione. I dati provengono direttamente dagli stessi impianti di produzione, che sono collegati al cloud una sola volta tramite un portale, per il monitoraggio e la costante trasmissione dei dati – che avviene tipicamente una volta al secondo. I singoli moduli software all’interno della piattaforma possono essere attivati e disattivati in maniera flessibile, a seconda delle necessità, per adattarsi immediatamente alle specifiche in constante aggiornamento. Inoltre, grazie all’alto grado di standardizzazione tra i singoli componenti, il sistema è accessibile a livello globale, è altamente scalabile e permette di implementare facilmente nuovi scenari di applicazione e di attivare velocemente le soluzioni esistenti.
La manutenzione predittiva rende possibile eseguire le attività di manutenzione e riparazione in base alle effettive condizioni dell’impianto all’interno di fermi produzione già pianificati. Le riparazioni possono essere più accurate ed efficienti in termini di costi e risorse. Inoltre, il prolungamento dei tempi di funzionamento estende notevolmente il ciclo di vita degli strumenti e degli impianti. Il principio guida dietro queste soluzioni è: “developed once, rolled out often” [sviluppato una volta, implementato spesso] – in tutto il network produttivo del BMW Group.
Ampia gamma di applicazioni
Gli impianti flessibili e altamente automatizzati della produzione di trasmissioni meccaniche producono un motore convenzionale o un involucro per un motore elettrico al minuto. Con l’obiettivo di mantenere questi macchinari in buone condizioni, la manutenzione predittiva si avvale di semplici modelli statistici – o algoritmi AI predittivi, nei casi più complessi – per rilevare qualsiasi anomalia. Vengono quindi emessi avvertimenti di tipo visivo o segnali per informare i dipendenti quando la manutenzione è necessaria.
Nei reparti carrozzeria, le saldatrici eseguono circa 15.000 saldature al giorno. Per prevenire potenziali periodi di inattività, i dati relativi alle saldatrici a livello globale vengono raccolti da un software appositamente sviluppato. Successivamente sono trasmessi al cloud per essere confrontati e analizzati con il supporto degli algoritmi. Tutti i dati vengono visualizzati su una dashboard per agevolare i processi di manutenzione in tutto il mondo.
In merito all’assemblaggio dei veicoli, la manutenzione predittiva facilita la prevenzione dei tempi di inattività dei nastri trasportatori. Nello stabilimento BMW di Regensburg, ad esempio, le unità di controllo dei sistemi di trasporto lavorano 24 ore su 24, 7 giorni su 7 per trasmettere dati su ambiti diversi -come corrente elettrica, temperatura e posizioni – al cloud, dove verranno costantemente analizzati. I data specialist possono quindi verificare la posizione, le condizioni e le attività di ogni elemento del trasportatore in qualsiasi momento. I modelli AI predittivi utilizzano i dati per rilevare eventuali anomalie e individuare i problemi tecnici.
