Come l’Asset Manager può influire sull’Overall Equipment Effectiveness con il suo lavoro

Per comprendere come l’Asset Manager può influire sull’Overall Equipment Effectiveness con il suo lavoro, è necessario comprendere in primo luogo quali sono i suoi obiettivi.

In qualunque ambito industriale, ridurre il più possibile i tempi di fermo (downtime) delle attrezzature negli impianti produttivi è sempre stata la preoccupazione prioritaria per i responsabili della manutenzione e gli asset manager, con l’obiettivo finale di mantenere, e se possibile migliorare, il valore e la competività dell’impresa. Spesso i responsabili della gestione e manutenzione degli asset industriali devono combinare tecniche di misurazione quantitativa, come l’analisi dei parametri e indicatori dello stato di funzionamento degli impianti, con pratiche di valutazione qualitativa.

Le funzioni dell’asset manager sono fondamentali per l’entità dell’impatto che un malfunzionamento è in grado di determinare nell’attività di produzione. Oggi le strategie di manutenzione scadenti, come stima Deloitte, possono ridurre dal 5% al 20% la capacità produttiva totale di un impianto. Inoltre, recenti studi indicano che i downtime imprevisti costano ai produttori industriali attorno ai 50 miliardi di dollari ogni anno.

OEE, i fattori che influenzano la produttività

Per massimizzare l’efficienza complessiva di un impianto industriale, o OEE (overall equipment effectiveness), di norma, gli asset manager devono analizzare tre indicatori chiave. Uno è la disponibilità dell’attrezzatura, che si calcola tenendo conto dei fermi pianificati e di quelli imprevisti. Questo indicatore è la percentuale dell’effettivo tempo di attività rispetto ai tempi di produzione stabiliti.

L’altro indicatore è rappresentato dalle prestazioni, ossia il livello di rendimento dell’impianto. Questo indicatore mostra se l’impianto sta funzionando a pieno regime, alla massima velocità possibile, oppure no.

Il terzo indicatore è la qualità, cioè la percentuale di parti non difettose rispetto a quelle prodotte totali. Attraverso l’OEE, un asset manager tiene quindi in considerazione tutti i fattori che generano perdite di produttività (malfunzionamenti, blocchi, problemi di configurazione, parti difettose e rilavorazioni).

Come accennato, i downtime imprevisti costano parecchio. Tuttavia, ancora oggi, la maggior parte dei responsabili della gestione e manutenzione degli asset, al momento di stabilire con quale frequenza fermare e disconnettere i macchinari per eseguire gli interventi necessari, si trova di fronte a un bivio decisionale: ossia scegliere se sia meglio massimizzare la vita utile dell’attrezzatura, optando per una strategia ‘run-to-failure’, in cui la manutenzione è eseguita sull’asset solo quando questo va in avaria, oppure se convenga massimizzare il tempo di attività, attraverso la sostituzione anticipata di determinati componenti che però, potenzialmente, possono trovarsi ancora in buono stato. 

Asset manager, un ruolo che cambia

Costantemente impegnati a elevare al massimo la produttività di attrezzature e infrastrutture spesso datate, oggi gli asset manager, sfruttando l’attuale evoluzione tecnologica, hanno l’opportunità di evitare il precedente dilemma decisionale, pianificando e programmando il più possibile gli interventi di manutenzione destinati a ottimizzare l’indicatore OEE.

L’opportunità è, appunto, superare i limiti di approcci come la manutenzione reattiva – eseguita soltanto quando i componenti o l’attrezzatura accusano un guasto o si rompono – o la manutenzione preventiva, indirizzata a prevenire la rottura delle attrezzature attraverso la sostituzione ‘time-based’ di alcune parti, nonostante esse possano ancora fornire una certa durata.

Ciò diventa possibile implementando paradigmi tecnologici come l’Internet of Things (IoT) e l’ Industrial IoT (IIoT). L’IIoT raccoglie direttamente sul campo, tramite reti di sensori distribuiti, grandi quantità di dati relativi al funzionamento di attrezzature, asset e macchinari connessi alla rete, permettendo di implementare modelli di manutenzione predittiva. Quest’ultima, grazie all’analisi intelligente dei dati resa possibile anche dagli algoritmi di intelligenza artificiale (AI) di ultima generazione, consente di predire quando e dove i malfunzionamenti potrebbero verificarsi, e quindi, potenzialmente, di massimizzare l’efficienza di componenti e macchinari e ridurre i tempi di fermo non necessari. 

Contattaci per scoprire le nostra soluzioni per l’ottimizzazione delle performance degli asset.

Torna in alto