In un tipico impianto industriale il monitoraggio dello stato e la manutenzione predittiva vengono applicati esclusivamente alle macchine rotanti più critiche. Per ragioni di costo le unità meno critiche sono spesso analizzate solo manualmente e una volta ogni 3-6 mesi.
Per vedere come monitorare, diagnosticare e prevedere i guasti sulle unità rotanti meno critiche ma largamente utilizzate, come i motori o le pompe, Abb ha eseguito uno studio di 30 mesi su un impianto pilota presso un importante cliente chimico. L’impianto è stato dotato di tecnologie basate su sensori efficienti in termini di costo, apprendimento automatico e una soluzione software basata su indicatori chiave di stato (KCI) →1. I dati di vibrazione sono stati rilevati più volte al giorno su 30 pompe. Una rete di dispositivi IoT (Internet of Things) ha raccolto i dati rilevanti dai quali le analisi estraggono informazioni.
Background e motivazione
Il monitoraggio dello stato degli asset industriali, come i motori o le pompe, può far sì che i problemi critici siano rilevati per tempo, evitando tempi di fermo non programmati o danni. L’intervento precoce, volto a ridurre la necessità di manutenzione correttiva, è più efficiente in termini di costo del semplice lasciare che un componente funzioni fino a quando si guasta. Tuttavia, i costi elevati connessi con i sistemi di monitoraggio dello stato ne limitano attualmente l’uso agli asset critici.
Un impianto di trasformazione industriale – ad es. uno stabilimento chimico o farmaceutico – contiene tipicamente una ricca flotta di motori non critici che azionano delle pompe. Qui il costo di eventuali guasti è nettamente inferiore a quello degli impianti critici; tuttavia, questi asset trarrebbero vantaggio da un sistema di rilevamento dei guasti precoce ed efficiente in termini di costo.