In questo articolo:
Raccogliere dati dagli impianti è diventato più semplice. Trasformare quei dati in una decisione manutentiva resta la parte difficile.
Un grafico di temperatura, assorbimento o vibrazione descrive un comportamento. Non dice automaticamente quale guasto si sta formando, quando avverrà o quale intervento conviene programmare. Per passare dal monitoraggio remoto impianti alla manutenzione su condizione e, dove possibile, alla predittiva, bisogna partire dai modi di guasto e collegare ogni misura a una decisione.
Cerchiamo di capire quindi la differenza tra monitorare e prevedere, quali famiglie di segnali possono essere utili, come scegliere cosa misurare e come costruire un processo in cui allarmi e trend generino azioni invece di accumularsi in una dashboard.
Monitorare, diagnosticare e prevedere non sono la stessa cosa
Monitorare significa osservare e registrare lo stato o l’andamento di una grandezza. Il condition monitoring cerca variazioni significative della condizione di un asset. La diagnostica prova a identificare natura e causa di un’anomalia. La prognostica utilizza informazioni disponibili per stimare come potrebbe evolvere la condizione futura.
La manutenzione predittiva utilizza previsioni e analisi del degrado per supportare la pianificazione dell’intervento. Non coincide con un allarme a soglia e non richiede necessariamente l’utilizzo di intelligenza artificiale. Il valore pratico del modello è ricordare che acquisire dati è solo il primo passaggio.
Prima dei sensori: criticità e modi di guasto
La domanda “quali sensori installiamo?” arriva troppo presto se non è stato chiarito cosa può guastarsi, quale effetto produce il guasto e quanto è importante riconoscerne il degrado in anticipo.
Una mappa di criticità e un’analisi strutturata dei modi di guasto aiutano a scegliere le misure. Ci sono diverse tecniche di analisi dei modi di guasto e dei loro effetti; in funzione del contesto può essere affiancata da criteri di criticità e priorità. Non esiste un unico indice universale che trasformi automaticamente una tecnica di analisi in un piano sensori.
Per ogni asset critico conviene rispondere almeno a cinque domande:
• qual è la funzione che deve essere mantenuta?
• quali modi di guasto sono rilevanti?
• esiste una grandezza fisica o operativa che cambia prima della perdita di funzione?
• con quanto anticipo il segnale diventa utile rispetto al tempo necessario per intervenire?
• chi deve prendere la decisione quando il segnale cambia?
Se non esiste un segnale osservabile prima del guasto o se il tempo di preavviso non è operativo, aggiungere sensoristica può non produrre valore manutentivo.
Sette famiglie di segnali da valutare sugli impianti critici
Non sono sette KPI obbligatori per ogni impianto. Sono famiglie di dati che possono diventare utili quando sono coerenti con il modo di guasto e con la funzione dell’asset.
|
Famiglia di segnali |
Esempi |
Decisione che può supportare |
|
Elettrici ed energetici |
kW, kWh, corrente, potenza, profilo di carico |
Riconoscere derive e confrontare stati operativi omogenei |
|
Utilizzo e cicli |
Ore marcia, avviamenti, cicli, carico |
Pianificare attività legate all’uso reale |
|
Vibrazioni |
Velocità, accelerazione, forma d’onda, spettro |
Indagare cambiamenti su macchine rotanti |
|
Temperature |
Cuscinetti, motori, quadri, fluidi, ambiente, ΔT |
Rilevare hot spot o scambi termici anomali |
|
Processo e HVAC |
Pressione, portata, ΔP, ΔT, CO₂ dove pertinente |
Verificare perdita di prestazione o condizioni fuori atteso |
|
Allarmi e stati |
Frequenza, sequenza, durata, transizioni |
Individuare ricorrenze e pattern operativi |
|
Affidabilità e ripristino |
Guasti, downtime, MTBF, tempi di risposta e ripristino |
Misurare risultati del processo manutentivo |
1. Segnali elettrici ed energetici
Un aumento di assorbimento può indicare un cambiamento, ma non identifica da solo un guasto. Per interpretarlo bisogna confrontare condizioni operative omogenee: carico, produzione, temperatura esterna, set-point e stato delle altre macchine. La baseline deve descrivere il funzionamento, non essere una semplice media degli ultimi giorni.
2. Ore di funzionamento, avviamenti e cicli
Il run-time è utile per attività manutentive legate all’uso. Anche numero di avviamenti e cicli possono essere significativi. Il dato deve però essere coerente con le prescrizioni del costruttore e con il comportamento reale dell’asset.
3. Vibrazioni
Sulle macchine rotanti la vibrazione può fornire informazioni importanti, ma la misura deve essere progettata correttamente. La velocità di vibrazione è comunemente espressa in mm/s; l’accelerazione in m/s² o g. Spettro e forma d’onda sono modalità di analisi, non unità di misura.
Le famiglie ISO 20816 e ISO 13373 sono riferimenti tecnici rispettivamente per la misura e valutazione della vibrazione di macchine e per il vibration condition monitoring. I criteri cambiano in funzione della macchina, della misura e dell’applicazione: non esiste una soglia unica per pompe, ventilatori e motori.
4. Temperature e differenziali
Temperatura di cuscinetti, avvolgimenti, quadri, fluidi o ambienti tecnici può essere rilevante. Occorre distinguere temperatura superficiale, temperatura del fluido e temperatura dell’aria e utilizzare il sensore adatto. Anche un delta-T può essere utile solo se il punto di misura e lo stato operativo sono coerenti.
5. Pressioni, portate, ΔP, ΔT e qualità ambientale
Sugli impianti HVAC e di processo, pressione, portata e differenziali possono descrivere la prestazione di filtri, scambiatori, pompe o circuiti. CO₂ e altri parametri di qualità dell’aria hanno senso quando l’asset monitorato è legato a ventilazione e IAQ: non sono KPI universali di manutenzione predittiva.
6. Allarmi, stati e sequenze
Il numero di allarmi, da solo, può essere fuorviante. Un sistema configurato male genera nuisance alarm; un problema reale può invece apparire come una sequenza specifica di stati. Servono priorità, razionalizzazione e analisi della correlazione temporale.
7. MTBF, downtime e tempi di ripristino
Questi non sono segnali sensoristici. Sono indicatori di affidabilità e del processo manutentivo. Vanno calcolati su perimetri definiti e collegati alla cronistoria degli interventi. Per il ripristino è utile separare presa in carico, eventuale arrivo on-site, tempo tecnico di riparazione e ritorno alla funzione richiesta.
Dal dato all’azione: il loop che una dashboard deve chiudere
Un sistema di monitoraggio produce valore quando ogni anomalia rilevante attraversa un processo chiaro.
1. Acquisizione. Il dato viene raccolto con frequenza e qualità coerenti con il fenomeno da osservare.
2. Contestualizzazione. Stato macchina, carico, orario, set-point e condizioni esterne permettono di confrontare situazioni omogenee.
3. Rilevazione. Una regola, una soglia o un modello segnala un comportamento fuori atteso.
4. Valutazione tecnica. L’anomalia viene collegata a possibili modi di guasto e alla criticità dell’asset.
5. Azione. L’alert genera una verifica, una work order o una procedura con priorità e owner definiti.
6. Feedback. L’esito dell’intervento aggiorna la cronistoria e permette di migliorare regole e soglie.
Senza il feedback dell’intervento, il sistema non impara nemmeno in senso organizzativo: si accumulano alert ma non si distingue ciò che ha anticipato un guasto da ciò che era rumore.
Soglie fisse, soglie dinamiche e modelli predittivi
Soglie fisse
Sono utili quando esistono limiti tecnici o operativi chiari. Devono essere associate allo stato macchina corretto e non copiare indiscriminatamente lo stesso valore su asset diversi.
Baseline e soglie dinamiche
Confrontano il dato con il comportamento atteso in condizioni simili. La finestra storica necessaria dipende da stagionalità, cicli produttivi, frequenza dei guasti e variabilità del carico. Non esiste una regola universale di 30, 90 o 365 giorni.
Modelli statistici e machine learning
Possono essere utili quando i dati sono sufficienti, sincronizzati e rappresentativi. La quantità di storico richiesta dipende dal problema: per alcuni fenomeni bastano molti cicli in poche settimane; per altri servono stagioni o eventi di guasto rari. Il requisito non è “avere dodici mesi di dati”, ma disporre di dati adeguati al modello e alla decisione che si vuole supportare.
La prognostica deve inoltre esprimere l’incertezza. Una previsione del tipo “guasto tra sei settimane” non è credibile senza un modello validato e un intervallo di confidenza coerente con il fenomeno osservato.
Edge analytics e cloud: non esiste un’architettura obbligatoria
Elaborare dati in prossimità dell’impianto può ridurre latenza e traffico e consentire alcune funzioni locali. Non significa, però, che al server centrale debbano arrivare soltanto anomalie e medie aggregate.
Per la diagnosi vibrazionale, ad esempio, possono essere utili finestre di forma d’onda o dati ad alta risoluzione. In altri casi bastano trend a frequenza più bassa. La strategia di raccolta e retention deve essere progettata in funzione del segnale, della rete, della cybersecurity e delle esigenze diagnostiche.
Lo stesso vale per l’integrazione con PLC, BMS e protocolli standard: leggere un registro o un punto dati non autorizza automaticamente a comandare l’asset. Accessi, segmentazione della rete, ruoli e gestione delle modifiche devono entrare nell’architettura.
Gli errori che trasformano il monitoraggio in rumore
Misurare tutto senza una domanda tecnica
Più punti dati non significano più capacità diagnostica. Ogni misura dovrebbe avere un legame con una funzione, un modo di guasto o una decisione.
Usare una sola baseline per stati operativi diversi
Confrontare una pompa al 30% e al 100% di carico o una UTA in estate e in inverno con la stessa soglia genera falsi positivi e perdita di fiducia nel sistema.
Chiamare “predittivo” qualsiasi alert
Un allarme di temperatura alta è condition monitoring o protezione, non necessariamente prognostica. La precisione del linguaggio evita di promettere capacità che il sistema non ha.
Ignorare qualità e sincronizzazione dei dati
Sensori starati, timestamp incoerenti, punti duplicati o gap di comunicazione possono produrre modelli apparentemente sofisticati ma tecnicamente fragili.
Lasciare la dashboard fuori dal processo manutentivo
L’integrazione con un CMMS può essere utile, ma non è l’unica strada. Il requisito è che l’alert entri in un processo tracciato: ticket, work order o procedura operativa con owner, priorità ed esito.
Non governare allarmi e accessi
Alert fatigue e accessi remoti non controllati sono due rischi diversi ma ugualmente concreti. Un progetto di monitoraggio deve prevedere priorità degli allarmi e regole di accesso alla rete di automazione.
Come Mastech imposta un percorso di monitoraggio sugli impianti
Mastech non parte da un numero standard di sensori. Il punto di partenza è il patrimonio esistente: impianti, criticità, dati già disponibili, sistemi BMS o controllori presenti e qualità della cronistoria manutentiva.
1. Selezione degli asset critici. Si mappano funzione, conseguenze della perdita di servizio, ridondanze e modi di guasto rilevanti.
2. Mappa dei dati disponibili. Si verificano sensori, contatori, BMS, controllori, point list e protocolli realmente accessibili.
3. Matrice segnale-decisione. Per ogni variabile proposta si definisce cosa può indicare, quale regola di valutazione utilizzare e chi deve agire.
4. Pilot su un perimetro leggibile. Si validano qualità dei dati, allarmi e processo operativo prima di estendere la soluzione a un’intera rete o a tutti gli asset.
5. Collegamento con la manutenzione. Gli esiti delle verifiche e degli interventi rientrano nella cronistoria per migliorare soglie, priorità e piano manutentivo.
Su patrimoni che comprendono asset diversi — ad esempio UTA, gruppi di pompaggio, misure elettriche e impianti fotovoltaici — non ha senso applicare lo stesso set di KPI a tutte le macchine. Ogni famiglia di asset richiede una matrice coerente tra funzione, modo di guasto, segnale disponibile e azione manutentiva.
L’obiettivo è costruire un sistema misurabile: ogni alert deve poter essere ricondotto a una verifica tecnica, a un esito e, nel tempo, a un miglioramento delle regole di monitoraggio.
FAQ
Qual è la differenza tra monitoraggio remoto e manutenzione predittiva?
Il monitoraggio remoto rende disponibili stati e trend senza essere fisicamente davanti all’impianto. La manutenzione predittiva utilizza l’evoluzione della condizione per supportare una previsione del degrado e pianificare l’intervento. Tra i due esistono condition monitoring e diagnostica.
Quanti mesi di dati servono per un modello predittivo?
Non esiste una durata universale. Servono dati sufficienti a rappresentare gli stati operativi e il fenomeno da prevedere. Stagionalità, numero di cicli, variabilità del carico e rarità dei guasti possono richiedere periodi molto diversi.
Quali sensori servono per iniziare?
Dipende dai modi di guasto. Vibrazione può essere utile su alcune macchine rotanti; temperatura su cuscinetti, quadri o fluidi; corrente e potenza su determinate derive elettriche o meccaniche; pressione e portata su circuiti fluidici. La sensoristica va scelta dopo la mappa di criticità e non per catalogo.
L’edge analytics è sempre necessaria?
No. È una scelta architetturale utile quando servono elaborazione locale, bassa latenza o riduzione del traffico dati. In altri casi una raccolta centralizzata è sufficiente. La scelta dipende dal segnale, dalla rete e dai requisiti di sicurezza e continuità.
Un BMS sostituisce il CMMS?
No. Il BMS supervisiona e controlla funzioni impiantistiche; il CMMS gestisce processi e informazioni manutentive. Possono essere integrati, ma hanno ruoli diversi.
Posso usare i dati dei controllori già installati?
Spesso sì, se i punti utili sono esposti, documentati e accessibili in modo sicuro. Prima di aggiungere sensori conviene verificare cosa è già disponibile su BMS, PLC, contatori e controllori locali.
La domanda da portare davanti alla dashboard
Non chiederti soltanto se hai dati in tempo reale. Chiediti quali decisioni vengono prese grazie a quei dati e quante anomalie hanno generato un’azione tracciata.
Se trend e allarmi restano separati dalla manutenzione, il primo passo è mappare asset critici, segnali disponibili e workflow di risposta. Valuta con Mastech cosa misurare sugli impianti critici e come trasformare i dati in azioni manutentive: richiedi un primo confronto tecnico.
