L’Intelligenza artificiale porta la manutenzione predittiva verso nuovi ambiti applicativi - Industry 4 Business

Intervista

L’Intelligenza artificiale porta la manutenzione predittiva verso nuovi ambiti applicativi

A colloquio con Franco Celletti, AD di Topnetwork: “Il modello predictive maintenance può portare grandi vantaggi in diversi settori superando i confini ‘tradizionali’ del manifatturiero. Capacità di assessment, di sviluppo in ambito AI e ML e tante competenze tra i punti di forza della nostra strategia”

17 Gen 2020

Per una serie di circostanze e certamente per la concretezza che caratterizza il mondo della produzione ci siamo un po’ abituati a considerare il manifatturiero come il terreno di elezione per la manutenzione predittiva. In realtà, la predictive maintenance può essere uno straordinario veicolo per migliorare le performance di prodotti e servizi e nel raggiungimento di nuovi risultati di business in tanti altri settori. Ne è fermamente convinta Topnetwork che, grazie alle competenze sviluppate in ambito Artificial Intelligence e Machine Learning, unite alla conoscenza delle problematiche operative di numerosi settori del business e della PA, ha messo a punto un approccio alla Manutenzione predittiva efficace, veloce e flessibile in tanti e diversi ambiti. Proprio su questo tema Industry4Business ha voluto confrontarsi con l’amministratore delegato di Topnetwork Franco Celletti.

Iniziamo portando l’attenzione sulla vostra visione della manutenzione predittiva

Dobbiamo subito osservare che la manutenzione predittiva è un fenomeno consolidato, esiste da diversi anni, ma grazie ai recenti sviluppi dell’Intelligenza Artificiale e dell’Internet of Things, ha iniziato a rappresentare un sempre più forte vantaggio competitivo e ha raggiunto livelli di maturità prima impensabili. Il fattore chiave alla base di questa evoluzione sta nel fatto che le aziende industriali dispongono di maggiori quantità di dati che possono essere utilizzati per prevedere e prevenire i problemi prima che si verifichino. E questo aspetto inizia ad essere ben compreso dalle imprese, sia per gli impatti sulla qualità dei prodotti e dei processi, sia, ovviamente, per l’impatto sul business.

In Topnetwork siamo convinti che il futuro della manutenzione sarà incentrato in parte sulla digitalizzazione e l’automazione dei processi industriali, ma soprattutto sulle capacità di analisi e di elaborazione intelligente dei dati; per tale ragione la nostra azienda investe da molti anni sulle tecnologie dell’Intelligenza Artificiale e della Data Science, il cui ruolo sarà determinante per ottenere risultati di successo nella gestione della manutenzione.

Massima attenzione dunque al metodo e agli “ingredienti” della Manutenzione predittiva: questo significa anche possibilità di applicazione in nuovi ambiti oltre al manifatturiero?

Certamente, gli ambiti applicativi della manutenzione predittiva non saranno confinati unicamente nel mondo industriale tipico (come quello manifatturiero, metalmeccanico, siderurgico) dove svolge indiscutibilmente un ruolo molto importante, ma riguarderanno molteplici settori dell’economia: ad esempio il mondo della gestione delle infrastrutture (come strade, ponti, edifici, porti, aeroporti), il settore della mobilità e dei trasporti, l’ambiente o il settore del Pharma nell’ambito dei dispositivi sanitari. Non ultimo, anche se apparentemente lontani anche i mondi della finanza e dell’agricoltura.

In particolare, poi dal punto di vista dei modelli di business, riteniamo che nei prossimi anni si affermeranno sempre di più i modelli MaaS (Maintenance as a Service), in grado di erogare i servizi di manutenzione predittiva grazie all’utilizzo del Cloud (che può portare grandi vantaggi in termini di scalabilità, elasticità, affidabilità, costo per uso). Un altro aspetto chiave è da individuare poi nella capacità di far cooperare efficacemente i diversi attori coinvolti: dagli utilizzatori di equipment ai produttori, sino ai fornitori di servizi di manutenzione. Siamo talmente convinti di questo aspetto che abbiamo realizzato un progetto basato su Data Science e AI che è stato accolto positivamente dal MISE e che conferma il nostro impegno e il nostro focus su questi temi.

Vediamo quali sono le caratteristiche peculiari dei vostri progetti?

Prima di tutto le competenze e la capacità di assessment. Nel tempo abbiamo infatti maturato esperienze e competenze sulle principali tecnologie di mercato, offrendo ai nostri clienti servizi qualificati di trasformazione digitale, dalle più consolidate tecnologie applicative alle più innovative tecniche dell’Industria 4.0 e Smart Factory (Cloud, Internet of Things, Realtà Virtuale, Robotica, Reti Neurali, Machine Learning, Blockchain).

Un fattore assolutamente fondamentale, come già abbiamo indicato, è la conoscenza dei processi di business dei nostri clienti, acquisita negli anni. Un valore che ci consente di sviluppare progetti e realizzare soluzioni personalizzate di manutenzione, in grado di indirizzare l’utilizzo delle tecnologie digitali anche come strumento di innovazione dei modelli organizzativi dei clienti.

I progetti proposti da Topnetwork superano la “semplice” focalizzazione sulle tecnologie e allargano l’analisi anche sui processi del cliente, ad esempio in termini di riduzione dei costi, di minimizzazione dei rischi, di accelerazione nell’innovazione di prodotti e servizi e in definitiva nelle possibilità di migliorare le efficienze organizzative, con un impatto positivo sullo sviluppo del business e sulla soddisfazione per gli utenti finali.

TopNetwork - Riconoscimento immagini e oggetti

Un ruolo speciale è svolto da Intelligenza artificiale e Machine learning, corretto?

Assolutamente si, c’è un focus specifico sull’AI, sul ML e sul Deep learning. Per noi è assolutamente importante declinare queste tecnologie sui valori della conoscenza dei clienti, sui loro problemi, sulle loro realtà. Anche per questo non parliamo di prodotti, ma di soluzioni: partiamo da una piattaforma sulla quale andiamo a sviluppare le personalizzazioni specifiche per ogni cliente. Questo ci permette di essere più veloci, più flessibili e di avere un approccio più accessibile anche in termini di costi.

Con quale roadmap progettuale arrivate alla manutenzione predittiva?

La roadmap progettuale per la manutenzione predittiva che proponiamo si basa primariamente sull’analisi dettagliata delle esigenze specifiche e degli obiettivi dei clienti. Lo sviluppo di ciascun progetto è seguito in tutte le fasi, senza coinvolgere terze parti e senza rischio di “fuga” di informazioni. E anche questo è un aspetto molto importante che garantisce la massima attenzione alla privacy delle informazioni.

Una delle fasi cruciali è rappresentata poi dalla raccolta dei dati e dall’addestramento delle reti neurali: raccogliamo e analizziamo dati di diversa natura provenienti da centinaia di componenti: mettiamo sotto esame le caratteristiche tecniche, le specifiche di progettazione, le condizioni di utilizzo, effettuiamo una analisi dettagliatissima delle problematiche, ad esempio con la valutazione delle percentuali di usura e di danneggiamento dei prodotti.

Va poi aggiunto che quando si ha a che fare con grandi quantità di dati anche molto eterogenei, è difficile se non impossibile capire, per l’essere umano, se e come sono correlati tra loro. Grazie all’Intelligenza Artificiale siamo nella condizione di scoprire correlazioni che ci indicano la strada migliore per modificare procedure, parametri, modelli, e in definitiva per evitare conseguenze indesiderate e problemi ricorrenti. Grazie alla struttura, alla logica e alla tipologia di tecnologie di cui disponiamo siamo nella condizione di adattare in modo semplice le architetture a contesti di qualsiasi dimensione.

Quali sono i principali vantaggi per le imprese e come le aiutate a ottenerli?

I vantaggi della manutenzione predittiva per le imprese sono numerosi e ogni azienda può individuare delle specificità proprie della propria e del proprio contesto. Per comprendere questo valore non dobbiamo limitarci a considerare solo “gli effetti più conosciuti”, come la riduzione dei costi di manutenzione, la riduzione dei fermi macchina, la maggiore continuità della produzione o della erogazione dei servizi. Per una valutazione realistica occorre allargare lo sguardo e considerare anche altri benefici, come la riduzione di incidenti sul lavoro (i sensori e l’analisi dei relativi dati possono predire eventi pericolosi per il personale di fabbrica ed evitare incidenti tramite allarmi preventivi o fermi macchina), il minor impatto sull’ambiente (gli impianti durano più a lungo e si riduce il consumo di materie prime), un generale miglioramento nelle condizioni di lavoro per il personale che, non dovendo risolvere i problemi quando si verificano, è meno sottoposto a situazioni di stress e può essere più produttivo.

L’analisi intelligente dei dati sugli asset di produzione genera poi numerose opportunità di ottimizzazione dei parametri di gestione e dei processi produttivi. La nostra strategia è finalizzata ad aiutare i clienti con un approccio consulenziale focalizzato sulle esigenze e indirizzandoli verso un cambiamento che li coinvolge come protagonisti attivi. Con la nostra metodologia sviluppiamo processi di evoluzione non solo nell’IT o nell’organizzazione delle aziende, ma anche nella cultura e nello sviluppo delle competenze.

Chi sono tipicamente i vostri interlocutori per lo sviluppo e la implementazione dei progetti presso i clienti?

Il nostro lavoro ha un impatto diretto sull’operatività delle aziende e sul business e abbiamo come interlocutori sia le figure di business per le specificità dei problemi e delle esigenze da affrontare, sia le funzioni chiave dell’IT e delle strutture tecniche. Di fatto aiutiamo le aziende a risolvere i loro problemi e lo facciamo con un lavoro di squadra che fa leva sulla conoscenza e sullo sviluppo tecnologico per vantaggi che premiano la crescita complessiva dell’azienda.

Quali sono le tipologie di imprese che possono trarre i vantaggi più rilevanti?

Come abbiamo visto la manutenzione predittiva può essere usata in vari contesti. Pensiamo ad esempio alle aziende distributrici e manutentrici di stampanti: grazie all’IoT e all’Intelligenza Artificiale applicata all’analisi predittiva si possono prevedere i malfunzionamenti e si può intervenire da remoto per modificare le impostazioni, anche prima che il cliente se ne accorga. La macchina non deve essere spostata e il tecnico non deve effettuare un sopralluogo. I vantaggi di questo modello possono valere davvero per tanti settori.

Pensiamo poi al mondo building e in particolare alle aziende per la manutenzione di ascensori: se gli apparati vengono dotati di sistemi IoT è possibile collezionare dati su tanti aspetti che determinano la qualità del funzionamento: i movimenti della porta, la temperatura, il peso trasportato, il disallineamento al piano, il numero di viaggi, lo stesso numero di chiamate al piano. Tutte queste informazioni date in “pasto” all’Intelligenza artificiale permettono di sviluppare una capacità predittiva che consente a sua volta di avere previsioni sempre più precise su possibili malfunzionamenti e pianificare interventi di manutenzione prima che si arrivi all’interruzione del servizio.

Nell’automotive, nel caso di veicoli dotati di opportuni sensori, la manutenzione predittiva permette ai proprietari di portare l’auto in assistenza senza attendere le manutenzioni programmate. E ancora, nel settore della produzione di energia, oltre alle previsioni sullo stato di funzionamento degli impianti, si può disporre di manutenzione predittiva sui consumi, oppure si può monitorare l’impatto degli impianti sull’ambiente, o gestire in forma predittiva l’andamento dei prezzi dell’energia. In tutt’altro settore, alcuni prodotti finanziari si possono sviluppare tecniche di Machine Learning per prevedere con buona precisione il rischio di credito. Un altro settore che si potrebbe pensare “lontano” da queste tematiche è quello dell’agricoltura, nel quale le logiche predittive possono portare vantaggi enormi alle imprese e ai territori. Ci sono applicazione che  permettono di ottimizzare il business e la qualità dell’ambiente nello stesso tempo, che permettono di prevedere l’impatto di determinate patologie mettendo a disposizione informazioni importanti per intervenire ed evitare rischi; ci sono poi soluzioni che facendo leva su una migliore conoscenza del “comportamento” dell’ambiente permettono di programmare la produzione mettendo in relazione serie di dati sempre più ricche e sempre più precise, come i dati del terreno, dei mezzi di produzione, della disponibilità di risorse idriche e delle previsioni metereologiche.

Possiamo dire che lo spettro delle tipologie di imprese che possono trarre vantaggi dalle nuove tecnologie predittive sono veramente tante. In tutti i casi, come già sottolineato, la chiave di volta è rappresentata dal fattore conoscenza e dalla capacità di mettere in relazione sempre più stretta la capacità di innovazione tecnologica con la conoscenza precisa dei fenomeni che caratterizzano ciascuna azienda e ciascun settore.

Quali casi o quali tipologie di imprese state seguendo con questo tipo di progettualità? Vediamo più in dettaglio qualche esempio?

Topnetwork ha realizzato una soluzione integrata per l’automotive che, oltre al monitoraggio in tempo reale dei veicoli volto a fornire assistenza in caso di furto del mezzo, di incidente, di diverse forme di emergenza, è in grado di predire la manutenzione dei veicoli e di contattare i clienti per attuare i controlli e gli interventi necessari. I dati sono raccolti dalla scatola nera installata sul veicolo, per poi essere elaborati dalle reti neurali e convogliati nella piattaforma CRM di gestione dei servizi. Stiamo fornendo tali servizi a gestori di flotte di veicoli, automobilisti, concessionari di automobili, compagnie di assicurazione e i feedback positivi che stiamo ricevendo confermano l’elevato livello di interesse degli utenti e delle potenzialità del mercato in questo settore.

Per un gestore di servizio idrico nel Lazio abbiamo sviluppato un sistema che, tramite l’utilizzo di diverse tipologie di robot (come droni, robot subacquei, robot terrestri), mette a disposizione dati a una soluzione di Intelligenza artificiale in grado di effettuare analisi di impianti idrici e dell’ambiente (aria, acqua, suolo, scarichi industriali) prevedendo i relativi impatti sull’ecosistema circostante. La dotazione di AI dei robot mette questi apparati nella condizione di svolgere missioni autonome e di operare in maniera coordinata, mentre l’Intelligenza Artificiale predittiva è in grado di prevedere le conseguenze sull’ambiente dei fenomeni rilevati.

Per una primaria azienda petrolifera presente in Sicilia abbiamo avviato un progetto per la manutenzione predittiva degli impianti dislocati nei diversi stabilimenti produttivi sul territorio regionale. Le attrezzature e le infrastrutture attualmente in uso nell’azienda sono state costruite diversi decenni fa, con materiali e tecnologie disponibili a quel tempo, e quindi con elevata necessità di manutenzione. Svolgendo una analisi accurata delle esigenze del cliente e delle peculiarità del mercato di riferimento, abbiamo impostato un progetto di monitoraggio e manutenzione predittiva degli impianti e delle condutture basata sui dati dei sensori installati sulle apparecchiature e sulle rilevazioni provenienti dai droni di nostra realizzazione.

Tornando su un settore che ha visto una ampia diffusione di metodiche 4.0 come l’automotive vorrei anche citare lo studio preliminare che stiamo svolgendo con i vertici di una primaria casa automobilistica italiana per dare un maggiore impulso alle attività manutenzione predittiva con tecniche avanzate di intelligenza artificiale (deep learning). Sfruttando l’ingente disponibilità e qualità di dati che tale cliente è in grado di fornire, stiamo progettando reti neurali di elevata complessità per aumentare la capacità predittiva in molti ambiti applicativi.

Che opportunità si aprono per le imprese con la manutenzione predittiva? Pensate possa rappresentare un passaggio verso forme di servizitizzazione?

Nel passato, con la manutenzione correttiva o preventiva, si interveniva seguendo modalità stabilite a priori o a causa di un guasto, con il rischio di fermare una catena produttiva con conseguente impatto sulla continuità operativa e sul business. Si seguivano una serie di regole impostate in modo rigido: al raggiungimento di determinati valori su singoli parametri, veniva segnalata un’anomalia e programmata un’azione. Il limite di questo metodo era dato dai troppi falsi positivi o dall’impossibilità di prevedere in anticipo quelle anomalie che causavano fermi nei processi produttivi.

Sviluppare un modello incentrato sulla manutenzione predittiva è invece una scelta sia tattica che strategica per le imprese, e permette di rivoluzionare il rapporto con i propri clienti. I vantaggi sono molto evidenti e vanno dal miglioramento delle attività di post-vendita e di assistenza tecnica, alla capacità di facilitare gli upgrade del prodotto, si possono anticipare le aspettative e le necessità dei clienti nel momento in cui si manifestano, e, sulla base di questa base di conoscenza, si possono creare nuove opportunità di business. Appare evidente che con questo modello aumenta la dotazione di servizi che accompagna il prodotto, aumenta la fidelizzazione e anche per queste ragioni riteniamo che la manutenzione predittiva possa rappresentare una prospettiva di sviluppo in termini di ‘servizitizzazione’.

Immagini fornite da Shutterstock

TopNetwork - Riconoscimento immagini e oggetti

@RIPRODUZIONE RISERVATA

Articolo 1 di 4