Implementazione di logiche di manutenzione predittiva in macchine per il packaging di carta e cartone

In molti ambiti industriali le aziende subiscono un numero di guasti eccessivo, abbassando inevitabilmente la produttività e aumentando i costi di manutenzione necessari. La manutenzione predittiva è una pratica che si propone di massimizzare l’efficienza degli impianti produttivi. La sua missione è quella di individuare i malfunzionamenti o i cali di prestazione nelle macchine industriali, attraverso il monitoraggio di alcuni parametri indicativi, prima di incorrere al fallimento. La maggior parte delle modalità di guasto, infatti, non sono legate all'età, inoltre, non avvengono in maniera improvvisa, si possono invece osservare alcune anomalie prima del loro verificarsi. Attraverso le tecnologie di Condition-Based Maintenance (CBM), e con il recente interesse per l'Intelligenza Artificiale (AI) e l'Industrial Internet of Things (IIoT) combinate alla Manutenzione Predittiva (PdM) si possono riconoscere per tempo questi segnali, e intraprendere delle azioni preventive per ridurre al minimo i fallimenti. In questo campo DS Smith, azienda multinazionale leader nel settore degli imballaggi di carta, si è dimostrata attenta e proattiva ad applicare metodologie di manutenzione predittiva nei suoi impianti. Parte della “DS Smith Way”, cioè della filosofia Lean che da tempo l’azienda sta applicando, è appunto implementare una Condition-Based Maintenance sui macchinari del converting. Lo scopo di questo progetto è utilizzare degli accelerometri e dei toroidi che misurano rispettivamente l’accelerazione dei cuscinetti e l’assorbimento di corrente dei motori, per monitorare lo stato di salute dei macchinari, programmando così la manutenzione e intervenendo solo quando necessario. All’interno dello stabilimento DS Smith di Rosà, nello specifico, attraverso la piattaforma IIoT IFM Moneo che ha permesso di raccogliere i dati, analizzarli e rielaborarli si sono delineati due approcci di condition monitoring. Nel più semplice si fissano delle soglie di allarme fisse, nel secondo invece, più complesso, si va a prevedere il profilo futuro delle variabili sulla base di algoritmi matematici, e si fissano di conseguenza delle soglie di allarme che variano nel tempo. I risultati ottenuti hanno permesso di ridurre gli interventi dei manutentori, precedentemente schedulati sulla base del tempo, come si fa nella classica manutenzione preventiva. Si è inoltre migliorata la “comunicazione uomo-macchina” in quanto il software IFM Moneo invia i segnali di allarme direttamente via mail agli addetti, che possono verificare e agire sul campo in maniera più agile e solo quando necessario.