Manutenzione predittiva: cos'è e come taglia consumi energetici e fermi macchina

Un impianto raramente si rompe all'improvviso. Quasi sempre manda segnali per settimane: vibra un po' di più, assorbe qualche ampere in più, scalda dove prima non scaldava, lavora più ore per ottenere lo stesso risultato.

La manutenzione predittiva è l'insieme di tecniche che intercettano quei segnali e li trasformano in un intervento programmato, invece di aspettare il guasto o sostituire componenti ancora buoni a calendario.
C'è però un aspetto che viene raccontato di rado, ed è quello che interessa di più a chi gestisce edifici: molto prima di fermarsi, una macchina che si degrada comincia a consumare di più. Quel consumo in eccesso si paga ogni giorno, e nessuno lo vede perché non provoca nessun disservizio.

In breve:

• La manutenzione predittiva interviene sulla base dello stato reale della macchina, non su un calendario né dopo il guasto.
• Serve una misura continua di poche grandezze significative, uno storico e un sistema che trasformi l'anomalia in un ordine di lavoro.
• L'intelligenza artificiale è utile quando c'è abbastanza storico. In molti casi una soglia ben impostata ottiene gran parte del risultato.
• Il beneficio meno considerato è energetico: un impianto degradato consuma di più per mesi prima di rompersi.

Che cos'è, e dove si colloca

La terminologia della manutenzione è normata: la UNI EN 13306:2018 definisce i termini generici del settore. Nella pratica corrente si distinguono tre famiglie.
La manutenzione correttiva interviene dopo il guasto. La preventiva interviene prima, a intervalli stabiliti, indipendentemente dallo stato effettivo del componente. La predittiva interviene anch'essa prima, ma sulla base di parametri misurati che indicano un degrado in corso.
La differenza pratica tra le prime due, con esempi e vantaggi di ciascuna, è trattata nella pagina sulla differenza tra manutenzione preventiva e correttiva. Qui il focus resta sulla predittiva.
Va aggiunta una precisazione che nel linguaggio commerciale si perde spesso. Predittivo non significa che un software indovina la data del guasto. Significa che si osserva una grandezza fisica correlata allo stato di salute del componente e si interviene quando quella grandezza esce dal comportamento normale.

Come funziona, dal sensore all'ordine di lavoro

Il ciclo ha quattro passaggi, e il quarto è quello che viene saltato più spesso.
Si misura. Vibrazione, temperatura, assorbimento elettrico, pressione differenziale, ore di funzionamento, portata. La scelta delle grandezze dipende dalla macchina: per un ventilatore contano vibrazione e assorbimento, per uno scambiatore contano le temperature e la perdita di carico.
Si stabilisce cos'è normale. Senza una linea di base costruita su alcune settimane di funzionamento, qualsiasi soglia è arbitraria. È la fase che richiede più pazienza e che più spesso viene compressa.
Si rileva lo scostamento. Un valore fuori soglia, una deriva lenta, un comportamento che non corrisponde alle condizioni esterne o al carico.
Si genera l'intervento. L'anomalia diventa un ordine di lavoro assegnato a qualcuno, con una scadenza e uno storico. Un alert che arriva via mail e resta lì non è manutenzione predittiva, è un allarme in più da ignorare.

Cosa fa davvero l'intelligenza artificiale

Su questo tema circola molta confusione, quindi conviene essere precisi.
Gli algoritmi di machine learning servono a riconoscere schemi che una soglia fissa non coglie: la combinazione di più parametri, il comportamento che cambia in funzione del carico o della stagione, la deriva che si manifesta solo a certe condizioni di esercizio.
Per funzionare hanno bisogno di storico, e in particolare di storico dei guasti. Un modello addestrato su un impianto che non si è mai rotto ha poco da imparare. Questo è il limite pratico più frequente negli edifici, dove i dati raccolti sono pochi e spesso discontinui.
La conseguenza è operativa. Nella maggior parte dei casi conviene partire da regole e soglie ben costruite su poche grandezze, accumulare dati per uno o due anni e introdurre i modelli quando c'è materiale su cui addestrarli. Il contrario, cioè comprare l'algoritmo prima di avere i dati, è l'errore più comune e il più costoso.
Il passo successivo è la manutenzione prescrittiva, dove il sistema non segnala soltanto l'anomalia ma propone l'azione correttiva e ne stima l'effetto. È una direzione reale, ma presuppone tutto quello che viene prima.

Il legame con i consumi energetici

Qui sta la parte che riguarda direttamente chi gestisce un edificio, e che le trattazioni industriali della manutenzione predittiva trascurano.
Un filtro dell'aria che si sporca aumenta la perdita di carico, e il ventilatore assorbe più potenza per muovere la stessa aria. Una batteria di scambio incrostata trasferisce meno calore, e l'impianto compensa allungando le ore di funzionamento.
Un circuito frigorifero con la carica di refrigerante calata rende meno a parità di lavoro. Una sonda scalibrata fa regolare l'impianto su un valore sbagliato per mesi.
Nessuno di questi casi produce un fermo. Producono una bolletta più alta, in modo graduale, e restano invisibili finché qualcuno non confronta i consumi con quelli del periodo equivalente dell'anno prima.
Da qui deriva il punto operativo più utile di tutta la questione: l'assorbimento elettrico è allo stesso tempo un indicatore di consumo e un indicatore di stato. La stessa misura che serve al monitoraggio dei consumi segnala il degrado del componente, senza bisogno di installare una sensoristica dedicata alla diagnostica.
È il motivo per cui energy management e manutenzione hanno senso sulla stessa piattaforma, e non in due sistemi che si parlano una volta al mese.

Cosa dicono davvero i numeri

È il motivo per cui energy management e manutenzione hanno senso sulla stessa piattaforma, e non in due sistemi che si parlano una volta al mese.
Il position paper di Deloitte del 2017 indica una riduzione dei costi complessivi di manutenzione tra il 5 e il 10%, un aumento di disponibilità delle apparecchiature tra il 10 e il 20% e una riduzione del tempo dedicato alla pianificazione tra il 20 e il 50%.
Lo stesso documento riporta anche medie molto più alte, come il 70% di guasti in meno, senza però esplicitarne la base.
Lo studio PwC-Mainnovation del 2018, condotto su 268 aziende tra Paesi Bassi, Germania e Belgio, è più prudente: il 60% delle imprese che hanno adottato approcci predittivi ha ottenuto un aumento medio di uptime del 9%.
Due indicazioni pratiche. La prima è che i numeri più alti provengono quasi sempre da contesti industriali con macchine critiche in produzione continua, condizioni che un edificio del terziario non ha.
La seconda è che l'unico dato che conta per una decisione di investimento è quello ricavato dal proprio storico di fermi e di interventi, non un benchmark di settore.

Cosa serve per partire, e quando non conviene

Servono quattro cose: sensori sulle grandezze significative, una raccolta dati continua, un sistema di gestione della manutenzione che riceva le anomalie e le trasformi in attività, e qualcuno che guardi i dati con regolarità.
Non serve invece partire da tutto l'impianto. La scelta sensata è concentrarsi sui componenti dove il guasto costa di più, per fermo del servizio o per costo dell'intervento in emergenza: gruppi frigo, centrali termiche, ascensori, pompe, quadri elettrici principali.
Sui componenti a basso valore e facile sostituzione la manutenzione predittiva non si ripaga. Una lampada o una valvola economica si gestiscono meglio a calendario o alla rottura, e dichiararlo apertamente è parte di un progetto onesto.

Esempi tipici negli edifici

Nelle unità di trattamento aria si sorvegliano pressione differenziale sui filtri, assorbimento dei ventilatori e temperature di mandata e ripresa: sono i tre parametri che segnalano insieme sporcamento, cinghie allentate e batterie incrostate.
Sui gruppi frigo contano pressioni, temperature di condensazione ed evaporazione e assorbimento rapportato al carico, perché il rendimento cala molto prima che il gruppo si blocchi.
Sulle pompe la firma è la coppia vibrazione e assorbimento, che anticipa cuscinetti in degrado e giranti in cavitazione.
Sui quadri elettrici la termografia periodica intercetta i serraggi allentati, che sono una causa frequente di guasto e un rischio di incendio.
Negli ascensori il numero di corse, i tempi di manovra e gli interventi di ripristino dicono molto sullo stato dell'impianto, e sono dati che il quadro di manovra già produce.

Gli strumenti

Il software di manutenzione di UTwin nasce dentro un digital twin dell'edificio: ogni componente è collocato sulla planimetria, con la sua scheda, il suo storico e i suoi documenti. Gli interventi si assegnano, si tracciano e restano consultabili anche quando cambia il manutentore.
La parte che distingue questo approccio è l'integrazione con il software di energy management. I dati di smart meter e sensori IoT alimentano contemporaneamente la lettura dei consumi e la sorveglianza dello stato degli impianti, quindi una deriva dell'assorbimento diventa un ordine di lavoro senza passaggi manuali tra due sistemi diversi.
Dove esiste già un sistema di automazione, la piattaforma si affianca e ne legge i dati: il rapporto tra building automation e digital twin è trattato nella pagina dedicata.

Domande frequenti

• Qual è la differenza tra manutenzione predittiva e preventiva?

  La preventiva interviene a intervalli prestabiliti, indipendentemente dallo stato del componente, e quindi può sostituire parti ancora efficienti o arrivare tardi. La predittiva interviene sulla base di parametri misurati che indicano un degrado in corso, quindi adatta la frequenza allo stato reale della macchina.

• La manutenzione predittiva richiede per forza l'intelligenza artificiale?

  No. Gli algoritmi aiutano quando esiste uno storico sufficiente e quando i segnali di degrado dipendono dalla combinazione di più variabili. In molti impianti di edifici una soglia ben impostata su due o tre grandezze significative produce già la maggior parte del beneficio, e permette di accumulare i dati che serviranno dopo.

• Quanto si risparmia davvero con la manutenzione predittiva?

  Le stime pubblicate variano moltissimo. Deloitte indicava nel 2017 una riduzione dei costi di manutenzione tra il 5 e il 10%, mentre lo studio PwC-Mainnovation del 2018 ha rilevato un aumento medio di uptime del 9% nel 60% delle aziende coinvolte.
  I valori molto più alti che circolano riguardano in genere impianti industriali critici, quindi la stima attendibile si ricava dal proprio storico di fermi e interventi.

• Su quali impianti conviene iniziare?

  Su quelli dove il guasto costa di più, per interruzione del servizio o per costo dell'intervento urgente: gruppi frigo, centrali termiche, pompe, ascensori, quadri elettrici principali. Sui componenti economici e di rapida sostituzione il ritorno non c'è.

• Che rapporto c'è tra manutenzione predittiva e risparmio energetico?

  È più stretto di quanto sembri. Filtri sporchi, batterie incrostate, carica di refrigerante insufficiente e sonde scalibrate fanno aumentare i consumi molto prima di provocare un fermo. Poiché l'assorbimento elettrico è insieme un dato di consumo e un indicatore di stato, monitorarlo serve a entrambi gli scopi con la stessa installazione.