Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 1
Sintesi
Rivoluzione industriale digitale
con la manutenzione predittiva Le imprese europee sono pronte a razionalizzare le loro
operazioni e a raggiungere l ivelli più elevati di efficienza?
Dr. Mi los Mi lojev ic
Analista industr ia le
Franck Nassah
VP Digital Business Innovations
Maggio 2018
Sponsor principale
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 2
Prefazione
La digitalizzazione sta incidendo su ogni settore, stravolgendo la
leadership attuale e creando nuove opportunità di business. Per
sopravvivere alla rivoluzione, le aziende manifattur iere devono
r ipensare ogni aspetto del proprio business e trasformarsi in imprese
digitali . Devono, pertanto, avvalersi di elementi tecnologici
all 'avanguardia in ogni fase delle operazioni per ridurre i tempi di ciclo,
aumentare i l rendimento e creare nuove opportunità di business.
Lo studio di PAC ha ri levato che i l 93% delle aziende non ri tiene i propri
processi di manutenzione particolarmente efficienti. Esiste quindi un
ampio margine di miglioramento. Le principali diff icoltà ri scontrate dalle
aziende sono legate ai tempi di inattiv i tà non pianificati e ai guasti
improvvisi, ma anche all' invecchiamento delle infrastrutture che impone
una battuta d'arresto all' innovazione. L'indagine ha altres ì r i levato che
i l 49% delle aziende ha già investi to in iniziative di manutenzione
predittiva e prevede di effettuare ulter ior i investimenti nei pross imi due
anni . I ri sultati di questa indagine ri f lettono anche la determinazione ad
affrontare questi problemi: oltre i l 90% delle aziende prevede di investi re
in soluzioni tecnologiche che consentano la manutenzione predittiva,
tra cui dati e piattaforme di manutenzione predittiva, infrastrutture di
rete, Internet of Things (IoT) ed Edge analytics.
L'IoT e l'analisi avanzata offrono le basi per creare una copia digitale
(Digital Twin) delle prestazioni . La manutenzione predittiva consente alle
aziende di individuare i precursori delle prestazioni scadenti , quali picchi
improvvisi a ll' interno di un normale intervallo di funzionamento e r isultati
di test specifici , correlandoli con le informazioni sulla manutenzione
delle apparecchiature per prevedere quali potrebbero
improvvisamente andare incontro a una manutenzione non pian ificata
oppure a un arresto dell’attiv i tà. L' individuazione all' interno delle
normali operazioni di schemi che altr imenti sarebbero passati inosservati
consente alle aziende di programmare la manutenzione preventiva e di
evitare tempi di inattivi tà imprevi sti delle apparecchiature.
L'unione della tecnologia predittiva con i f lussi di dati ottenuti sul
campo, dai clienti , dall' IoT e dall'assistenza permette alle aziende di
incidere più profondamente sull 'esperienza del cliente. L'uti l izzo dei dati
di uti li zzo per individuare schemi e sequenze di eventi consente alle
aziende di interagire con i clienti prima che s i presentino le di fficoltà e
pers ino di ri solvere i problemi potenziali. Le aziende possono identi f icare
proattivamente i problemi e proporre soluzio ni (in termini di ricambi,
software, hardware o fi rmware) per eliminare i possibi l i punti di guasto o
i l degrado delle prestazioni , aumentando così la soddisfazione degli
utenti f inali e migliorando i propri punteggi Net Promoter. Siemens
MindSphere, i l sistema operativo IoT aperto e basato su cloud, permette
alle aziende di trasformare i dati in ri sultati aziendali produttivi che
aumentano l'efficienza operativa e riducono i costi .
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 3
SOMMARIO
Introduzione ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Risultati principali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Tendenze principali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Trasformare i processi di manutenzione con l'analisi predittiva ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Conclusioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Metodologia ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Informazioni su Siemens ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Informazioni su PAC .... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Dichiarazione di non responsabi li tà, di ri tti di uti li zzo, indipendenza e protezione dei
dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
INDICE DELLE FIGURE
Fig. 1: Come descrivereste gli attuali processi di manutenzione di veicoli e
apparecchiature industria li nell'ambito delle operazioni interne? ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Fig. 2: Quali tra le seguenti sono difficoltà gravi o lievi ri scontrate dalla vostra azienda
relativamente agli attuali processi di manutenzione e assistenza per gli asset? ... . . . . . . . . . . . . . . . . . . . . 9 Fig. 3: Quale tra le seguenti opzioni descrive al meglio lo stato attuale delle vostre
iniziative di manutenzione predittiva? ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Fig. 4: I seguenti aspetti costi tuiranno un obiettivo primario o secondario, oppure non
saranno un obiettivo, della vostra iniziativa di manutenzione predittiva nei prossimi
2 anni? ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 4
Rivoluzione industriale digitale
con la manutenzione predittiva
INTRODUZIONE
La produzione e i trasporti , due dei settor i p iù "asset -heavy" in Europa,
stanno affrontando forti venti contrari a seguito dell'aumento dei c osti
di esercizio e delle pressioni competitive provenienti dal vecchio
continente e da altri paesi . Le tecnologie operative datate e i si stemi
legacy aumentano tali pressioni , poiché le aziende fanno spesso fatica
ad integrare soluzioni digitali innovativ e nei sistemi esistenti , ra llentando
l' innovazione e limitando la crescita. In tali mercati , migliorare
l'efficienza operativa e ridurre i costi laddove possibi le sono attivi tà
imperative per la maggior parte delle aziende in questi settor i .
Gli investimenti più importanti vengono destinati ai nuovi macchinari
industria li e ai parchi di veicoli , pertanto la manutenzione assume
un'importanza fondamentale per consentire un uti li zzo superiore e una
lunga durata di tali prodotti , aumentando i l ri torno dell' inv estimento.
Tuttavia, i processi di manutenzione esistenti sono tutt'altro che efficienti
e lasciano un ampio margine di miglioramento. Di conseguenza, le
aziende stanno passando a tecnologie digitali come l' Internet of Things
(IoT) e l'analisi predittiva per sfruttare e trasformare in valore i f lussi di
dati provenienti dalle macchine industr ia li e dai veicoli. Questo ri sultato
può essere ottenuto elaborando i dati con algori tmi predittiv i, in grado
di fornire alle aziende previsioni sulla possibi li tà di guasto degli asset.
Basandosi su queste informazioni , è possibi le ottimizzare i processi di
manutenzione per ridurre i tempi di inattivi tà delle apparecchiature, ma
anche dei prodotti fabbricati o dei servizi forniti dalle aziende. Si ottiene
così la poss ibi li tà di incrementare l'uti li zzo e la produttivi tà, migliorando
al contempo l'esperienza dei clienti.
Tuttavia, i produttori e gli operatori nel settore dei trasporti sono a
conoscenza di queste opportunità e dispongono delle capacità
necessarie per sfruttarle? Cosa manca per far s ì che tutti i processi di
manutenzione si basino su informazioni predittive? Questo studio si
propone di esaminare l'approccio delle aziende manifattur iere e degli
operatori nel settore dei trasporti in Europa alle iniziative di
manutenzione predittiva dal punto di vista degli investimenti ,
dell' implementazione delle infrastrutture e delle strategie. Avvalendosi
di colloqui con oltre 230 responsabi li senior delle decisioni aziendali e
tecnologiche, questa relazione analizza l' impatto della trasformazione
digitale sui processi di manutenzione e sui ri sparmi ottenuti . Lo studio
esamina recenti casi d'uso della manutenzione predittiva relativi ad
aziende del settore e, pertanto, rappresenta una lettura pertinente per
i responsabi li delle decisioni senior di aziende europee nel settore
manifattur iero e dei trasporti interessati a comprendere meglio i
vantaggi delle soluzioni di manutenzione predittiva e a valutare i
progressi compiuti da aziende analoghe in questo campo.
Oltre il 90% delle
aziende ritiene che i
propri processi di
manutenzione
attuali non siano
particolarmente
efficienti, ma sono
pronte a
razionalizzarl i?
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 5
RISULTATI PRINCIPALI
• I l 93% delle aziende r it iene che i propri processi di manutenzione
non siano particolarmente efficienti. Es iste quindi un ampio
margine di miglioramento.
Le principali di fficoltà ri scontrate dalle aziende sono legate ai
tempi di inattivi tà non pianificati e ai guasti improvvisi, ma
anche all' invecchiamento delle infrastrutture che impone una
battuta d'arresto all' innovazione.
• I l 55% delle aziende ha avviato quantomeno iniziative pilota di
manutenzione predittiva, mentre i l 23% sta ottenendo un impatto
tangibile sul business.
Questi dati mostrano un certo grado di maturi tà dell'adozione
in questi settor i e dimostrano che quasi un quarto delle aziende
sta già cogliendo i frutti della propria scelta, riconoscendone
l' importanza nel lungo periodo.
• I l 49% delle aziende ha già investito in iniziative di manutenzione
preditt iva e prevede di effettuare u lter iori investimenti nei
prossimi due anni.
Considerando che i l 34% delle aziende prevede di effettuare
investimenti nel campo nei prossimi due anni, si può affermare
che l'83% delle imprese effettuerà investimenti nella
manutenzione predittiva in questo lasso di tempo.
Nella maggior parte delle aziende, i reparti più coinvolt i nel
processo decis ionale legato alla manutenzione preditt iva sono
quelli legati ai settor i di attività.
Tra questi sono compresi gli uffici vendite nell'83% delle aziende,
le divisioni per le tecnologie operative nel 71% delle aziende, i
reparti di produzione nel 67% delle aziende e le divisioni di
sv i luppo dei prodotti nel 63% delle aziende.
Non sorprende che in cima all 'elenco dei fattori che reprimono
lo svi luppo della manutenzione predittiva vi s iano, per l '89%
delle aziende, le problematiche legate alla sicurezza e alla
r iservatezza dei dati. Va osservata inoltre una significativa
mancanza di capacità interne.
Le principali di fficoltà che minano direttamente l'adozione e i l
successo della manutenzione predittiva sono legati
all ' incapacità di gesti re volumi crescenti di dati disponibi li,
elaborarli , ottenere informazioni preziose e r iprogettare i
processi di manutenzione sulla base di queste informazioni.
Anche la mancata disponibi li tà di tecnologie e infrastrutture
appropriate, fondamentali per trasformare la manutenzione
predittiva in una realtà, è un importante fattore di inibiz ione.
• Nell 'affrontare queste sfide, le aziende si r ivolgono ai fornitori
per ottenere i l supporto necessario durante i l percorso da
intraprendere per migliorare l 'efficienza operativa.
Le più importanti collaborazioni tra aziende e fornitori
avvengono quindi nel campo delle infrastrutture, ad esempio
con la diffusione di nuove reti , l'uso del cloud e la fornitura di
servizi di analisi .
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 6
TENDENZE PRINCIPALI
Riepilogo delle pr incipali tendenze per settore
Settore automobilis tico
e manifatturiero
discreto
I l 91% delle aziende ri tiene che i l principale obiettivo delle iniziative di
manutenzione predittiva sia la riduzione dei tempi di r iparazione e dei
tempi di inattivi tà non pianificati . Queste aziende sono apripista nella
produzione di un impatto sul business co n la manutenzione predittiva:
attualmente i l 27% delle aziende se ne sta già occupando. Solo nel 43%
delle aziende i reparti I T sono coinvolti nel processo decisionale legato alla
manutenzione predittiva, in misura minore rispetto ad altre aziende.
Aziende manifattur iere
di trasformazione
Il 93% delle aziende ritiene che il principale obiettivo delle iniziative di
manutenzione predittiva sia il miglioramento delle infrastrutture industriali
obsolete. Oltre la metà delle aziende ha raggiunto solamente la fase di
pianificazione e valutazione di tali iniziative. Sembrano inoltre avere grossi
problemi con la riprogettazione dei processi di manutenzione sulla base delle
informazioni predittive: i l 74% delle aziende la considera la difficoltà principale.
Trasporti
Gli operatori dei trasporti sono apripista nella diffusione delle iniziative di
manutenzione predittiva: i l 72% ha già avviato progetti pilota e il 25% ne sta
già osservando gli effetti sul business. Sono inoltre leader negli investimenti
attuali: i l 63% ha già investito e pianificato ulteriori investimenti.
Riepilogo delle pr incipali tendenze per area geografica
Francia
Nel 93% delle aziende, il processo decisionale legato alla manutenzione
predittiva coinvolge i reparti di assistenza post-vendita. Il 52% ha superato la fase
di pianificazione e valutazione per l'adozione della manutenzione predittiva.
Germania
L'80% investirà nella manutenzione predittiva nei prossimi due anni ; i l 54%
ha già effettuato investimenti . Solo i l 30% necessi ta di assistenza con la
gestione della soluzione. Questo dato indica solide capacità interne.
Paesi nordici
L'85% delle aziende sta pianificando investimenti nelle iniziative di
manutenzione predittiva; i l 44% ha già effettuato tali investimenti . I l 52%
delle aziende ri tiene che i l costo di acquisto s ia una difficoltà nell'adozione
della manutenzione predittiva.
Regno Unito e Irlanda
L'85% ri tiene che la principale difficoltà nell'adozione della manutenzione
predittiva sia la riprogettazione dei processi di manutenzione sulla base
delle informazioni predittive; i l 28% ha ottenuto un effetto positivo sul
business grazie alla manutenzione predittiva.
Benelux I l 92% delle aziende ri tiene che le proprie capacità di analisi interne siano
i l più grande ostacolo all'adozione della manutenzione predittiva.
Ital ia
I l 52% delle aziende dispone di processi di manutenzione basati sul
monitoraggio in tempo reale che uti li zza regole prestabi li te o livelli cri tici .
Questo dato è superiore rispetto ad altr i paesi.
Spagna I l 60% ha già investi to e pianificato ulter iori investimenti nella manutenzione
predittiva, sono quindi in testa ri spetto alle aziende di altr i paesi .
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 7
TRASFORMARE I PROCESSI DI
MANUTENZIONE CON L'ANALISI
PREDITTIVA
Le aziende dei settor i "asset-heavy", come le aziende manifattur iere e
gli operatori dei trasporti, si affidano a numerosi asset industr ia li , quali
macchine e apparecchiature, e/o a veicoli quali treni , aerei o
automezzi. Oltre ai grandi investimenti necessari per l'acquisto, occorre
sostenere ingenti costi di manutenzione, che si ri f lettono anche s ui tass i
di uti l izzo e sulla durata nel tempo. Le aziende devono quindi assicurars i
che tutti i processi vengano eseguiti senza intoppi per garanti re la
massima disponibi li tà di parchi di veicoli, l inee di produzione e prodotti .
I processi di manutenzione attuali sono soli tamente basati su una
pianificazione periodica che comprende l'esecuzione di controll i e la
sosti tuzione di alcuni componenti. Tale approccio implica che queste
attivi tà possono essere svolte anche quando non è necessario: ad
esempio, potrebbero essere sosti tui ti componenti ancora in ottime
condizioni . D'altra parte, è altrettanto possibi le che i componenti si
guastino tra una manutenzione periodica e la successiva, provocando
problemi improvvis i. Di conseguenza, le aziende possono ri scontr are
tempi di inattiv i tà imprevisti , con i l r ischio di ri tardi nella produzione o
nella consegna, ma anche interruzioni nella produzione che incidono
negativamente sull 'esperienza del cliente e possono addir i ttura portare
all'applicazione di sanzioni da par te delle autori tà pubbliche, in
particolare nel campo dei trasporti .
Entrambi questi settori sono, inoltre, particolarmente competitivi in
Europa. Le aziende manifattur iere lottano con i rivali stranieri , mentre gli
operatori dei trasporti , posti di fronte a passeggeri che dimostrano ben
poca fedeltà, puntano sui biglietti a basso costo. Per gli operatori dei
trasporti queste scelte portano a margini ridottissimi, motivo per i l quale
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 8
l'esperienza del cliente è oggi un argomento affrontato nelle r iunioni de i
Consigli di amministrazione.
Per definire lo scenario della parte r imanente di questa relazione, è stato
necessario domandarsi cosa pensano le aziende europee dei propri
processi e prassi di manutenzione attuali .
Fig. 1: Come descrivereste gli attuali processi di manutenzione di veicoli e
apparecchiature industriali nell'ambito delle operazioni interne?
Le r isposte a questa domanda segnalano che le aziende non si fidano
granché dei processi di manutenzione esistenti : o ltre il 90% afferma di
non considerarli particolarmente efficienti . Questo dato segnala che
esiste un ampio margine di miglioramento, soprattutto in virtù del fatto
che ci rca un terzo delle aziende considera questi processi in una certa
misura inefficienti . La tendenza è diffus a in tutta Europa, dal momento
che non vi sono grandi di fferenze di percezione tra le aziende di diversi
paesi , i settori in cui operano o le dimensioni di ciascuna impresa. PAC
prevede che le aziende investi ranno nelle tecnologie digitali per snelli re
i processi e, nel gi ro di qualche anno, descriverli come particolarmente
efficienti . Alcune delle aziende stanno, tuttav ia, già aprendo la strada
in questa di rezione e rappresentano un valido esempio delle modali tà
con cui attuare la manutenzione predittiva e dei risultati che è lecito
attendersi .
Gli ultimi svi luppi nel campo tecnologico permettono alle aziende di
raggiungere livelli più elevati di efficienza operativa, a vantaggio sia
della riduzione dei costi sia dell'esperienza del cliente. Gli elementi
tecnologici che rivoluzionano queste sfide sono s icuramente l' Internet of
Things (IoT) e una serie di tecniche e strumenti di analisi predittiva. Se
uti l i zzati insieme possono aumentare l'efficienza, consentendo alle
aziende di prevedere i guasti di asset, veicoli e prodotti . Le soluzioni IoT
sono uti l izzate per integrare i dati provenienti da asset e prodotti nelle
piattaforme IoT. Una volta disponibi li i dati , l'elaborazione degli stessi
con algori tmi predittivi offre informazioni dettagliate sul futuro e
permette alle aziende di prevedere i guasti degli asset e di disporre del
tempo di preparazione necessario per ridurre al minimo l' impatto. Le
aziende possono, inoltre, ridefinire completamente i propri processi e
prassi di manutenzione attuali , rivoluzionando completamente
l'efficienza operativa. Di conseguenza, la manutenzione degli asset con
modali tà predefini te/prescri ttive diverrà un ricordo del passato, mentre
n= 232 © PAC – a CXP Group company, 2018
33%Somewhat inefficient
2%
Very inefficient
60%
Somewhat
efficient4%
Very efficient
Manutenzione
predittiva in azione:
Vestas
Il produttore di
turbine eoliche
danese desidera
assicurare la
disponibil ità globale
delle informazioni
predittive nei dati
operativi delle
turbine per
consentire ai cl ienti
di ottimizzare i propri
servizi di
manutenzione.
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 9
la manutenzione con modali tà predittive sarà i l futuro. Infine, i l
miglioramento dei processi di manutenzione consente alle aziende
orientate ai prodotti di migliorare l'assistenza e svi luppare nuovi modelli
d i business. Invece di vendere i prodotti , le aziende possono offr ire ai
clienti un serviz io di uti li zzo del prodotto, usufruendo delle info rmazioni
in tempo reale sull ' impiego effettivo per consentire ai clienti di pagare
solo per quello che usano.
Questo studio scava più in profondità nei mercati europei e valuta le
attuali prassi di manutenzione nelle aziende, ne esamina i principali
punti deboli e scopre le motivazioni della scelta di rinnovamento legato
alle tecnologie digitali .
I risultati di questo studio si basano su un'indagine svolta su oltre 230
responsabi li senior delle decis ioni aziendali e tecnologiche di grandi
aziende nei settor i della produzione e dei trasporti . Una descriz ione più
dettagliata del campione è disponibi le alla fine di questo documento.
Gli attuali svi luppi nei mercati europei rivelano che molte delle aziende
stanno investendo nelle soluzioni IoT per abi li tare la manutenzione
predittiva e migliorare l'efficienza operativa. I l 94% prevede di investire
nella manutenzione predittiva nei prossimi due anni ; i l 52% ha già
effettuato investimenti . Ad esempio, i l più importante operatore
ferrov iar io i taliano, Trenitalia, sta analizzando i dati operativi forniti dalle
soluzioni IoT e mira a ridurre i costi di manutenzione della flotta dell'8 -
10%. Un'altra azienda che ha puntato sulla manutenzione predittiva è i l
produttore di turbine eoliche danese Vestas, collaborando con partner
tecnologici per avvalersi delle informa zioni predittive nei dati operativi
delle turbine e consenti re ai clienti in tutto i l mondo di ottimizzare i propri
servizi di manutenzione sulla base di tali informazioni .
Transport for London (TfL) è una delle aziende che sta sperimentando in
misura sempre maggiore l'analisi dei dati per provare a prevedere le
esigenze di manutenzione dei treni e, in defini tiva, offrire ai londinesi un
servizio affidabi le. In un progetto recente, l 'operatore dei trasporti ha
analizzato i dati operativi dei propri treni p er prevedere i guasti dei
motori , puntando a ri sparmiare ci rca 3 mi lioni di ster line all'anno.
Quali sono i pr incipali punti dolenti negli attuali processi di
manutenzione delle imprese europee?
Fig. 2: Quali tra le seguenti sono difficoltà gravi o lievi riscontrate dalla vostra
azienda relativamente agli attuali processi di manutenzione e assistenza per
gli asset?
Unplanned downtime and
emergency maintenance
caused by sudden failures
Aging IT infrastructure
and technology
Connecting modern
assets and analyzing asset data
Obtaining asset data
Connecting older legacy
assets (retrofitted)
and obtaining data
Maintenance cycles, and
lengthy periods of planned downtime
Connecting assets from
remote locations
Monitoring of assets in real time
Collaboration with services vendors
90%
9%
88%
11%
76%
17%
40%
50%
29%
66%
24%
75%
24%
70%
22%
69%
20%
74%
Major
challenge
Minor
challenge
n= 232 © PAC – a CXP Group company, 2018
I tempi di inattività
imprevisti e la
manutenzione di
emergenza con
tecnologie e
infrastrutture IT
obsolete
rappresentano la
problematica più
importante per
quasi il 90% delle
aziende.
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 10
In termini di prass i di manutenzione esistenti , le aziende europee
r iscontrano molte problematiche operative. Alcune però spiccano tra le
altre e offrono un ampio margine di miglioramento. L'ostacolo principale
per la maggior parte delle aziende è costi tui to dai tempi di inattivi tà
imprevisti e dalla manutenzione di emergenza necessaria quando
un'apparecchiatura si guasta improvvisamente. Nelle aziende
manifattur iere, questi problemi potrebbero bloccare intere linee di
produzione, provocando ri tardi di fabbricazione e capacità, nonché la
mancata disponibi li tà di prodotti per i clienti . Inoltre, le problematiche
improvvise dei prodotti mettono alla prova la fedeltà dei clienti . D'altra
parte, i guasti improvvisi nel settore dei trasporti causano ri tardi e
interruzioni del servizio, che possono avere un costo elevato per gli
operatori anche a causa delle sanzioni imposte dalle autori tà pubbliche
o di richieste di rimborso da parte dei clienti .
Molte aziende in questi settori si affidano a s istemi IT datati , quindi non
sorprende che un'altra problematica importante s ia legata alle
infrastrutture IT obsolete che non sono in grado di supportare lo svi luppo,
la distribuzione e la scalabi li tà dei nuovi servizi e l' integrazione di nuove
apparecchiature.
Visto l 'ampio margine di miglioramento dei processi di manutenzione,
qual è la distr ibuzione allo stato attuale delle metodologie di
manutenzione predittiva tra le imprese europee?
Fig. 3: Quale tra le seguenti opzioni descrive al meglio lo stato attuale delle vostre
iniziative di manutenzione predittiva?
Uno sguardo d'insieme ai risultati permette di ri levare un mercato molto
attivo, v isto che i l 55% delle aziende sta eseguendo progetti pi lota con
la manutenzione predittiva. I l settore dei trasporti è l'apripista nel
campo, considerando che i l 62% delle aziende ha avviato queste
iniziative.
Vale inoltre la pena osservare che i produttori del settore automobi listico
e manifattur iero discreto, con i l 29%, sono ai primi posti tra le aziende
che producono un impatto sul business. Questo risultato è dovuto ai
continui investimenti nell'automazione dei suddetti settori e alla
capacità di forni re processi basati sulla manutenzione predittiva
6%
17%
32%
45%
Total
Planning and evaluation phase
Running some predictive maintenance pilot projects
Launched our first live PM initiatives + generating business impact
Have an organization-wide predictive maintenance strategy
5%
22%
23%
49%
Automotive and discrete
manufacturing industries
6%
10%
33%
51%
Process manufacturing
industries
6%
19%
48%
28%
Transport industry (air,
maritime, road, rail)
Il 55% delle aziende
ha superato la fase
di pianificazione e
valutazione delle
iniziative di
manutenzione
predittiva.
Manutenzione
predittiva in azione:
Nestlé
Nestlé ha potenziato
con l 'IoT la propria
offerta di macchine
per caffè aziendali,
rivolta a oltre 2.500
clienti, per
consentirne la
configurazione
remota e la
manutenzione
predittiva e più
efficiente. Le
macchine più
vecchie sono state
equipaggiate con le
funzionalità IoT.
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 11
laddove gran parte della produzione è già svol ta da robot, molti dei
quali dispongono di proprie piattaforme di analisi .
Quali sono i principali obiettivi delle iniziative di manutenzione
preditt iva?
Fig. 4: I seguenti aspetti costituiranno un obiettivo primario o secondario, oppure
non saranno un obiettivo, della vostra iniziativa di manutenzione predittiva
nei prossimi 2 anni?
La riduzione dei tempi di riparazione e dei tempi di inattivi tà non
pianificati sono in cima all'elenco degli obiettivi primari. Questo dato è
in linea con la percezione che hanno le aziende dei processi di
manutenzione esistenti : o ltre i l 90% non li considera particolarmente
efficienti . I l dato non sorprende, poiché le conseguenze dei tempi di
inattivi tà imprevisti possono essere molteplici: esperienza negativa del
cliente, ri tardi, poss ibi li sanzioni o p ersino gravi incidenti con le
responsabi li tà connesse. Un altro fattore importante è i l miglioramento
della durata delle apparecchiature datate. Anche questo dato non è
sorprendente se s i considera la pressione a livello di costi per queste
aziende e ancor più i complessi ambienti economici di alcune regioni
europee. Pertanto, le aziende vogliono migliorare l'uti li zzo degli asset e
ottimizzare i l ri torno dell' investimento. I l successivo aspetto più
importante è i l miglioramento dell'esperienza dei clienti , un fattore
cruciale nella scelta di un prodotto o di un operatore dei trasporti da
parte dei clienti , a causa della feroce competizione nei mercati della
produzione e dei trasporti. È altres ì interessante osservare che quasi la
metà delle aziende desidera uti li zzare la manutenzione predittiva nello
sv i luppo di nuovi prodotti e modelli di business.
Quando s i arriva ai punti dolenti del passaggio alle iniziative di
manutenzione predittiva, occorre considerare vari aspetti .
Naturalmente, poiché l'Europa è un mercato fortemente regolamentato
in termini di riservatezza e s icurezza dei dati, molte aziende sono caute
e indicano questo fattore come principale difficoltà. Non è certo
sorprendente, visto i l numero crescente di attacchi informatici tali
pers ino da causare incidenti negli impianti di produzione. Inoltre, grazie
alla crescente adozione dell' IoT, vi sono sempre più macchinari e
dispositivi connessi che possono costi tui re endpoint per le violazioni
negli attacchi informatici . Serve quindi un'attenzione particolare
quando si connettono le macchine alla rete. Inoltre, i prodotti possono
Reduce repair time and
unplanned downtime
Improve the lifetime of
aging industrial
equipment
Improve customer
satisfaction
Optimize scheduling
Development of new
products and business models
Drive cost savings and operational efficiency
Improve safety and security of your machinery
and business environment
Reduce delays in
production or transport
Reduce planned
downtime
91%
9%
86%
13%
70%
28%
44%
40%
44%
42%
37%
61%
34%
66%
34%
64%
11%
77%
Major goal
Minor goal
"Not a goal" not shown © PAC – a CXP Group company, 2018
La riduzione dei
tempi di riparazione
e dei tempi di
inattività imprevisti,
nonché il
miglioramento della
durata delle
apparecchiature
industrial i datate,
sono tra gli obiettivi
primari per la
maggior parte delle
aziende.
L'83% delle aziende
investirà nella
manutenzione
predittiva; il 49% ha
già effettuato tali
investimenti.
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 12
raccogliere dati dei clienti , imponendo alle aziende di adottare
precauzioni particolari quando incorporano la connettivi tà al proprio
interno.
Un'altra problematica importante, che potrebbe indurre le aziende a
pensarci due volte prima di investire in soluzioni di manutenzione
predittiva, è la mancanza di fiducia nelle capacità di analisi interne. È
un aspetto molto importante, in quanto la distribuzione dell' IoT e della
manutenzione predittiva impone alle aziende di sfruttare nuovi f lussi di
dati che possono divenire diffici l i da gesti re, rendendo così complesso i l
recupero delle informazioni . Di conseguenza, le aziende devono
assicurarsi di disporre di personale addestrato alla gestione di quanti tà
di dati in crescita e dotato delle giuste competenze per ottenere
informazioni preziose. Inoltre, anche quando le aziende riescono ad
agire in tal senso, resta l'es igenza di r iprogettare i processi e le prassi d i
manutenzione sulla base di queste informazioni predittive e di
ottimizzare l' intero flusso: questa è una difficoltà primaria per quasi i l 70%
delle aziende. Infine, vale la pena osservare che, oltre a queste
difficoltà, i l costo di acquisto delle soluzio ni tecnologiche è una
problematica primaria per due terzi delle aziende, ancora una volta in
linea con la pressione economica in questi settori .
PAC suggerisce un approccio strutturato per portare avanti le iniziative
legate alla manutenzione predittiva. Prima di effettuare importanti
investimenti tecnologici , le aziende dovrebbero sfruttare i dati esistenti
relativamente alle macchine, alle operazioni sui prodotti , a lle
pianificazioni e agli esi ti dei serv izi , nonché i dati ambientali , storici e
sulle condizioni della manutenzione. L'individuazione di schemi e i l
tentativo di prevedere gli esi ti è i l primo passo. Segue la distribuzione di
soluzioni IoT più avanzate per connettere più asset, introdurre nuovi f lussi
di dati ed elaborarli nelle piattaforme al fine di ottenere previsioni
migliori . L'ultima fase potrebbe essere i l monitoraggio in tempo reale con
l'Edge analytics e le previsioni per ottenere informazioni predittive nel
più breve tempo possibi le. Naturalmente, è fondamentale i l passaggio
dalla manutenzione basata su pianificazioni frequenti a una
pianificazione basata su informazioni in tempo reale: occorre pertanto
r iprogettare i processi sulla base di queste informazioni . Per rivoluzionare
i processi di manutenzione, è chiaro che le aziende dovr anno r ichiedere
assistenza esterna: come già affermato, le capacità di analisi interne
sono un ostacolo sulla via per ottenere informazioni dai dati e abi li tare
la manutenzione predittiva. Inoltre, poiché la r iprogettazione dei
processi di manutenzione per avvalersi delle informazioni predittive è al
terzo posto tra le problematiche più importanti, è chiaro che le aziende
necessi tano dell' importante aiuto di fornitori specializzati in questo
settore.
Sono davvero numerosi i fornitor i che operano nel mercato legato all' IoT:
fornitor i di hardware e aziende industr ia li , imprese di software e servizi
I T, fornitori di reti e infrastrutture. La capacità di scegliere i l giusto
gruppo di partner in questo percorso sarà i l fattore decisivo per i l
successo delle iniziative di manutenzione predittiva.
Le aziende
richiedono
assistenza
soprattutto
nell 'analisi dei dati
degli asset, nella
configurazione
dell 'infrastruttura
adeguata e
nell 'attuazione della
soluzione.
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 13
CONCLUSIONI
Le principali di ff icoltà legate ai processi di manutenzione
esistenti per le aziende manifattur iere e gli operatori dei
trasporti europei sono i tempi di inattivi tà non pianificati e
l'obsolescenza delle infrastrutture IT. I primi incidono sulle
operazioni quotidiane e influenzano negativamente l'esperienza
dei clienti, mentre la seconda riduce la capacità di crescere e
adottare le tecnologie digitali .
La maggior parte delle aziende ri tiene che i propri processi di
manutenzione di attrezzature industria li , veicoli e prodotti non
s iano particolarmente efficienti . Esiste quindi un ampio margine
di miglioramento. I l concetto di manutenzione predittiva può
essere la chiave per ottenere livelli più elevati di efficienza
operativa e l'ottimizzazione della struttura dei costi dei processi
di manutenzione.
Oltre a sempli ficare le operazioni e ridurre i costi interni , la
manutenzione predittiva può rivelarsi uno strumento potente per
fornire un'esperienza cliente migliore e svi luppare nuovi modelli
d i business. Questo può essere i l fattore di successo per la
fidelizzazione dei clienti e la crescita futura.
Oltre la metà delle aziende intervistate ha avviato quantomeno
iniziative pi lota di manutenzione predittiva, mentre ci rca un
quarto sta già ottenendo un impatto tangibi le sul business. Tra i
paesi europei non vi sono differenze s ignificative tra i l ivell i di
maturi tà nell'adozione della manutenzione predittiva. In totale,
oltre l'80% delle aziende prevede di inv esti re nei pross imi due
anni .
Lo studio rivela che gli investimenti nelle iniziative di
manutenzione predittiva sono per lo più guidati dai settor i di
attivi tà, quali reparti di produzione, assistenza post -vendita e
sv i luppo dei prodotti . Perché questi investimenti diano frutti , le
aziende devono disporre di una strategia ben defini ta che
includa sia la collaborazione sia la tecnologia sottostante.
I l pr incipale fattore che guida l'adozione della manutenzione
predittiva tra le aziende europee è la riduzion e dei tempi di
r iparazione e dei tempi di inattivi tà imprevisti , per migliorare
direttamente i l tasso di uti l izzo degli asset. Un altro fattore
importante è l’aumento della durata delle apparecchiature
industria li datate, poiché l’acquisto di nuove apparec chiature
r ichiede importanti investimenti di capitale.
Una delle principali di fficoltà che rallenta l'adozione, oltre alle
preoccupazioni dal punto di vista informatico, è la mancanza di
f iducia nelle capacità anali tiche interne e nell' infrastruttura
sottostante che dovrebbe consentire l'uso della manutenzione
predittiva. Per questo, le aziende s i r ivolgono all’assistenza dei
fornitor i e i ri sultati mostrano che si tratta per la maggior parte
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 14
SPONSOR
PRINCIPALE
di fornitori di infrastrutture e imprese industria li che offron o
tecnologie specifiche per i l settore.
METODOLOGIA
Questo studio s i basa su interviste con responsabili delle decisioni
aziendali e IT senior, che si occupano della manutenzione predittiva
presso 232 aziende manifattur iere e operatori dei trasporti europei con
oltre 1.000 dipendenti in Regno Unito e I r land a, Francia, Germania, I talia,
Spagna, paesi nordici (Svezia, Danimarca, Norvegia e Finlandia) e
Benelux (Belgio e Paesi Bassi). Lo studio è stato completato nella prima
metà del 2018. Ecco una ripartiz ione più dettagliata delle aree
geografiche dei partecipanti per settore e dimensioni dell'azienda
(numero di dipendenti):
34%
35%
30%
Between2,001 and 5,000
More than 5,000
n= 232
Between1,000 and 2,000
UK & Ireland
17%Benelux**
11%
Germany22%
France17%
Nordic*12%
Spain11%
Italy11%
* Nordic region (Sweden, Denmark, Norway, Finland)
** Benelux region (Belgium, Netherlands)
n= 232 © PAC – a CXP Group company, 2018
43%Automotive & discrete manufacturing
industries
Mechanical and plant engineering14%
9% Automotive
13%Aerospace and defense, electrical
engineering and high technology
7%Construction and heavy equipment
manufacturer
35%Process manufacturing industries
FMCG (fast moving consumer goods), e.g.
food, beverages, tobacco, textiles11%
9% Oil, gas & mining, energy & resources
9% Chemicals & pharmaceuticals
5% Metal
22%Transport industry
(air, maritime, road, rail)
n= 232 © PAC – a CXP Group company, 2018
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 15
INFORMAZIONI SU SIEMENS
Per ulter iori informazioni su MindSphere, visi tare:
www.siemens.com/mindsphere.
Siemens PLM Software, business unit di Siemens Digital Factory Division,
è un fornitore leader a livello globale di soluzioni software che
favoriscono la trasformazione digitale dell' industr ia, creando nuove
opportunità di innovazione per le aziende manifa ttur iere. Siemens PLM
Software, la cui sede centrale si trova a Plano, Texas, vanta oltre 140.000
clienti in tutto i l mondo e lavora con imprese di tutte le dimensioni per
trasformare i l modo in cui le idee prendono vita, le procedure con cui si
realizzano i prodotti e le modali tà di uti l izzo e comprensione di prodotti
e r isorse. Per maggiori informazioni sui prodotti e i serv iz i di Siemens PLM
Software, vis i tare www.siemens.com/plm
Seguici su Twitter: www.twitter.com/siemens_press
Siemens AG (Berlino e Monaco di Baviera) è un leader di tecnologia
globale che da 170 anni è sinonimo di ingegneria d'eccellenza,
innovazione, quali tà, affidabi li tà e internazionali tà. L'azienda è attiva in
tutto i l mondo e si concentra sui campi dell'elettr i ficazione,
dell'automazione e della digitalizzazione. Tra i più grandi produttori a l
mondo di tecnologie per i l ri sparmio delle r isorse e l'efficienza
energetica, Siemens è un fornitore leader di soluzioni efficienti per la
produzione e la trasmiss ione dell'energia, pioniere nelle soluzioni
infrastrutturali, di automazione, comando e software per l ' industr ia.
L'azienda è inoltre fornitore leader di apparecchiature per l ' imaging
medicale, quali si stemi per tomografia computerizzata e r isonanza
magnetica, e capofi la nella diagnostica di laboratorio e nell' I T clinico.
Nell'esercizio 2017, terminato i l 30 settembre 2017, Siemens ha prodotto
un fatturato di 83 mi liardi di euro e un uti le netto di 6,2 mi liardi. Alla fine
di settembre 2017 l'azienda contava circa 372.000 dipendenti in tutto i l
mondo. Ulter iori informazioni sono disponibi li su Internet all ' indi rizzo
www.siemens.com
Contatti :
Frank Kovacs
M arket Programs and Operations
Cloud Applications Services
MindSphere
Telefono: +1 513 607-4550
E-mai l : [email protected]
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 16
INFORMAZIONI SU PAC
Fondata nel 1976, Pierre Audoin Consultants (PAC) è parte di CXP Group,
azienda leader in Europa nel campo della consulenza e della ricerca
indipendente per software, servizi I T e industr ia della trasformazione
digitale.
CXP Group offre ai suoi clienti serv izi di supporto completi per la
valutazione, la scelta e l'ottimizzazione delle soluzioni software in uso e
per la valutazione e la scelta dei fornitor i di serviz i I T, acc ompagnando
la clientela nell'ottimizzazione delle strategie di sourcing e investimento.
CXP Group sostiene i responsabi li delle decisioni ICT nel percorso verso
la trasformazione digitale.
Inoltre, CXP Group ass iste i fornitori di software e servizi I T
nell'ottimizzazione delle strategie e degli approcci alla
commercializzazione con analisi quanti tative e quali tative e servizi di
consulenza. I sti tuzioni e organizzazioni pubbliche basano lo svi luppo
delle poli tiche IT sulle nostre relazioni .
Sfruttando i suoi 40 anni di esperienza in 8 paesi (con 17 uffici in tutto i l
mondo) e con 155 dipendenti , CXP Group mette ogni anno la propria
esperienza a disposizione di oltre 1.500 responsabi li delle decisioni ICT e
delle divisioni operative di grandi e medie imprese e dei loro fornitori .
CXP Group è costi tui ta da tre rami d'attivi tà: Le CXP, BARC (Business
Application Research Center) e Pierre Audoin Consultants (PAC).
Per ulter iori informazioni visi tare: www.pac-online.com
Ultime notiz ie di PAC: www.pac-online.com/blog
Seguici su Twitter: @CXPgroup
PAC - CXP Group
15 Bowling Green Lane
EC1R 0BD Londra
Regno Unito
Te lefono: +44 207 251 2810
Fax: +44 207 490 7335
www.pac-online.com
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 17
DICHIARAZIONE DI NON RESPONSABILITÀ,
DIRITTI DI UTILIZZO, INDIPENDENZA E
PROTEZIONE DEI DATI
La creazione e la distribuzione di questo studio sono state sostenute, tra
gli a ltr i , dallo sponsor principale Siemens.
Per ulter iori informazioni visi tare www.pac-online.com.
Dichiarazione di non responsabil ità
I contenuti di questo studio sono stati compi lati con la massima cura
possibi le. Tuttav ia, non è possibi le assumere alcuna responsabi li tà
relativamente all'accuratezza. Analisi e valutazioni rif lettono lo stato
delle nostre conoscenze a novembre 2017 e possono cambiare in
qualsiasi momento. Questo vale in particolare, ma non esclusivamente,
per le dichiarazioni relative a svi luppi futuri . Nomi e designazioni che
appaiono in questo studio possono essere marchi registrati .
Dir it ti di ut il izzo
Questo studio è protetto da copyright. La riproduzione o la divulgazione
a terzi , anche in forma parziale, r ichiedono previa autorizzazione
esplici ta degli sponsor. Anche la pubblicazione o la divulgazione di
tabelle, grafici e così via in altre pubblicazioni richiede previa
autorizzazione.
Indipendenza e protezione dei dati
Questo studio è stato prodotto da Pierre Audoin Consultants (PAC). Gli
sponsor non hanno avuto alcuna influenza sull 'analisi dei dati e sulla
produzione dello studio.
Ai partecipanti allo studio è stato garanti to i l trattamento confidenziale
delle informazioni fornite. Nessuna dichiarazione consente di trarre
conclusioni relativamente a singole imprese; inoltre, nessun dato non
aggregato dello studio è stato trasmesso agli sponsor o ad altr i terzi. Tutti
i partecipanti allo studio sono stati scelti in modo casuale. Non v i sono
connessioni tra la produzione dello studio e qualsiasi rapporto
commerciale tra gli intervistati e gli sponsor di questo studio.
Rivol uzione indus tr iale digi tale con la manutenzi one predi ttiva – Copyr ight CXP Group, 2018 Unrestr icted 18