Manutenzione potenziata con l’AI

Trasformare la strategia di manutenzione nel settore siderurgico

Sfida 

Ridurre costi e guasti nella produzione manifatturiera è cruciale per migliorare l'efficienza e la redditività. Tuttavia, diverse sfide devono essere affrontate per raggiungere questi obiettivi, tra cui l'ottimizzazione dei processi, la gestione di complesse catene di approvvigionamento, il mantenimento della qualità del prodotto e la riduzione dei difetti, l'implementazione di strategie efficaci di manutenzione degli impianti, affrontare la disparità di competenze nella forza lavoro, l'integrazione dell'automazione e delle nuove tecnologie e il bilanciamento della domanda di mercato con i piani di produzione. 

Superare queste sfide richiede un approccio completo che coinvolga l'utilizzo di dati e analisi, l'adozione di nuove tecnologie, gli investimenti nello sviluppo della forza lavoro e la promozione di una mentalità proattiva. Affrontando queste sfide, i produttori possono ottenere riduzioni dei costi, minimizzare i guasti e migliorare l'efficienza complessiva della produzione. 

La nostra soluzione 

Sfruttando la nostra ampia conoscenza dei processi di produzione dell'acciaio e l'expertise nell'analisi dei dati e nella modellazione, sono stati implementati strumenti di analisi in tempo reale e modelli di manutenzione predittiva per il controllo della catena di produzione e delle macchine, consentendo il rilevamento tempestivo di deviazioni e guasti nella catena di produzione, evitando così perdite di produzione. 

Tali modelli basati sull'AI sono stati poi integrati in un framework di applicazioni Big Data specifico per il settore manifatturiero al fine di supportare attività decisionali. 

L'integrazione architetturale messa in atto ha consentito un'elaborazione efficiente di grandi volumi di dati, sia strutturati che non strutturati (come immagini, video e dati dei sensori), in un breve lasso di tempo. Questo ha reso possibile una riuscita combinazione tra l'analisi di dati ad alta dimensionalità e l'elaborazione di eventi complessi, permettendo inoltre di adattarsi alle caratteristiche uniche dei processi manifatturieri che coinvolgono una vasta gamma di macchinari in diverse configurazioni di impianto. 

L'adozione di queste tecnologie avanzate, unite al monitoraggio in tempo reale degli indicatori chiave delle prestazioni dei processi, ha consentito la tempestiva identificazione di anomalie nei componenti, evitando il verificarsi di guasti e garantendo la qualità del prodotto. In definitiva, ciò ha permesso di ridurre i costi derivanti dai difetti o rotture, che possono incidere tra il 5% e il 30% sui ricavi totali. 

Benefici per gli stakeholder 

RINA ha potenziato una strategia di trasformazione digitale partendo dalla manutenzione programmata e passando alla manutenzione predittiva, dove gli sforzi possono portare a riduzioni dei costi dal 10% al 30%, portando benefici non solo al cliente, ma anche ai suoi clienti. Questa è stata resa possibile grazie all'implementazione di un solido sistema di raccolta dati, con un forte focus sulla consapevolezza dei dati attraverso interfacce personalizzate per il monitoraggio in tempo reale dello stato delle macchine. 

Questa capacità consente ai responsabili della produzione di stimare la vita utile residua delle parti delle macchine, riducendo efficacemente i tempi di fermo causati da guasti imprevisti, il che è cruciale poiché i guasti delle attrezzature comportano non solo costi di riparazione, ma anche perdite di produzione (circa 50 miliardi di dollari all'anno negli Stati Uniti). 

Dimostrando il potenziale dell'AI per la trasformazione dell’approccio alla manutenzione nella produzione dell'acciaio, le nostre soluzioni offrono una serie di vantaggi chiave, come: 

  • Riduzione dei tempi di fermo non pianificati: attraverso l'implementazione di sistemi di avviso anticipato, la soluzione ha ridotto con successo i tempi di fermo non pianificati. Sfruttando le tecniche di manutenzione predittiva, le potenziali guasti sono stati rilevati in anticipo, consentendo interventi tempestivi e prevenendo interruzioni impreviste al processo produttivo. 
  • Riduzione del consumo di rulli: attraverso l'implementazione di pratiche di manutenzione ottimizzate, la soluzione ha ridotto con successo il consumo di rulli. Valutando accuratamente le condizioni dei rulli e attuando misure di manutenzione preventive, è stato possibile prolungare la durata dei rulli, ottenendo significativi risparmi di costi per l'industria siderurgica.  
  • Miglioramento della durata di vita di cuscinetti e sistemi di trasmissione: l'attenzione della soluzione all'ottimizzazione della manutenzione ha portato a un miglioramento della durata di vita raccomandata per cuscinetti e sistemi di trasmissione. Sfruttando avanzate analisi e modelli di manutenzione predittiva è stato possibile garantire maggiore durata nel tempo e una vita operativa prolungata.  
  • Utilizzo ottimale delle attrezzature: la soluzione ha posto l'accento sull'utilizzo ottimale delle attrezzature esistenti, eliminando la necessità di investimenti aggiuntivi. Attraverso l'implementazione di pratiche di manutenzione efficienti e l'uso di analisi basate sull'intelligenza artificiale (AI), sono ste ottimizzate le prestazioni e la longevità delle macchine e dei rulli, garantendone un utilizzo ottimale lungo tutto il ciclo di vita.