Gli sforzi per incorporare l’intelligenza artificiale e il deep learning nei programmi di manutenzione non sono più solo fantascienza. La manutenzione prescrittiva ne è l’esempio più concreto e, grazie alla decision intelligence, rappresenta la tipologia più avanzata di manutenzione che l’uomo – o piuttosto il computer – è in grado di attuare. Come tale, è una componente fondamentale dell’Industria 4.0, un’industria altamente digitalizzata, soprattutto in ottica di sostenibilità ambientale ed economica.
La manutenzione prescrittiva e la manutenzione predittiva
La manutenzione prescrittiva (RxM) è un concetto di manutenzione che raccoglie e analizza i dati sulle condizioni di un’apparecchiatura per elaborare raccomandazioni specializzate volte a ridurre i rischi operativi. È perciò molto simile alla manutenzione predittiva, ma costituisce un upgrade di quest’ultima nella scala delle tipologie di manutenzione. Eccole di seguito, con le relative domande a cui rispondono:
- manutenzione descrittiva: “cos’è successo?”
- manutenzione diagnostica: “perché è successo?”
- manutenzione predittiva: “cosa succederà?”
- manutenzione prescrittiva: “che azione intraprendere in merito?”
La manutenzione predittiva, in altre parole, utilizza sensori per operare un condition monitoring, cioè per raccogliere con precisione dati che descrivono le condizioni di un asset e lo stato operativo generale: temperatura, vibrazioni, rumore, pressione, radiazioni, lubrificazione dei macchinari e molto altro. Dall’analisi di queste condizioni e della rilevazione di anomalie in merito risultano previsioni sui possibili guasti in arrivo. La manutenzione prescrittiva aggiunge un ulteriore tassello: oltre a prevedere gli eventi di guasto, suggerisce anche come intervenire per prevenirli o scongiurarli, calcolando e anticipando i risultati delle azioni suggerite.
Mentre la prima può dire quanto tempo manca a un evento di guasto, quest’ultima consentirà anche di calcolare gli effetti della variazione delle condizioni operative sulle tempistiche previste. Ciò grazie all’aumento della capacità di raccogliere dati da parte dei sensori, all’implementazione dell’Internet of Things e dell’intelligenza artificiale, che aumentano anche la complessità dell’analisi che può essere eseguita per interpretare le informazioni. Un’analisi prescrittiva, appunto, che non prevede semplicemente gli eventi, ma ne esplora i risultati ipotetici, fornendo più scenari e simulazioni senza doverli per forza sperimentare nella vita reale.
Il quadro di intelligenza artificiale che rende possibile la manutenzione prescrittiva è detto di “decision intelligence”, ovvero un’intelligenza avanzata tanto da poter suggerire le migliori decisioni da prendere per mitigare i rischi individuati.
Cos’è la Decision Intelligence?
La Decision Intelligence è lo stadio più avanzato dell’intelligenza artificiale applicato alla manutenzione, ai processi di limitazione dei rischi e, in generale, all’analisi dei dati. Le sue tecniche consentono infatti di gestire al meglio sistemi complessi e, tra le altre cose, di rivoluzionare il modo in cui l’industria opera e pianifica. In altre parole, di generare valore a partire dall’impostazione dei processi decisionali stessi. La Decision Intelligence è infatti in approccio multidisciplinare sostanziato da tecniche differenti, ma tutte orientate a rendere visibili fattori decisionali che rimarrebbero altrimenti invisibili.
L’idea che sta alla sua origine è che le decisioni da prendere si devono basare sulla nostra capacità di comprendere le catene causa-effetto, le modalità in cui determinate azioni e condizioni generano determinati risultati. Con l’aiuto del deep learning, ma anche delle scienze sociali e manageriali, la decision intelligence permette di illuminare con precisione queste catene, evidenziando, sulla base dei dati raccolti e analizzati e degli obiettivi impostati a priori, quali decisioni prendere per massimizzare i risultati. Ecco perché è una componente imprescindibile della manutenzione prescrittiva, che senza essa si fermerebbe allo stadio della predittività.
Esempi di applicazione
La Decision Intelligence può essere applicata ai settori più disparati, generando vantaggi per tutti. Per esempio, potrebbe servire ai sistemi di raccomandazione per prevedere quali prodotti o servizi vorranno i clienti o quale film o serie TV vorranno guardare. Oppure ad analizzare i dati sui potenziali clienti identificando le maggiori opportunità di vendita, prevedendo le entrate future o al contrario il rischio di rottura di contratti. O ancora a regolare i prezzi, applicando più framework decisionali per testare le conseguenze, oppure a valutare l’adeguatezza dei candidati durante il processo di candidatura, colloquio e assunzione. Ma anche a gestire in modo ottimale un punto vendita, per esempio monitorando le prestazioni dei singoli negozi insieme ai dati demografici dei clienti e alle tendenze geografiche.
A livello industriale, un ambito in cui la Decision Intelligence può dare ottimi risultati è il Life Cycle Assessment (LCA), la valutazione delle performance e delle caratteristiche di un prodotto, soprattutto in termini di impatto ambientale, durante tutto il suo ciclo di vita: estrazione dei materiali, lavorazione manifatturiera, trasporto, utilizzo e gestione a fine vita. L’LCA è una componente imprescindibile della lotta che l’industria può intraprendere contro il cambiamento climatico e la Decision Intelligence può massimizzarne la precisione.
E poi c’è naturalmente la manutenzione prescrittiva, che riduce o annulla i tempi di fermo macchina, consente di intervenire rapidamente e in modo preciso in caso di anomalie, aumenta l’aspettativa di vita dei macchinari e riduce i costi di manutenzione.
