Vibrazione (accelerometri)
Difetti cuscinetti, squilibrio, disallineamento, giochi. Il retrofit di maggior valore sulle macchine rotanti, e quello con l'orizzonte di preavviso più lungo.
IIoT e manutenzione predittiva
Manutenzione predittiva IoT: quali sensori valgono davvero
I sensori IoT sono la parte visibile della manutenzione predittiva, e quella più spesso sovravenduta. Questa guida spiega cosa rileva davvero ogni tipo di sensore, come il dato arriva dal reparto al modello, e come decidere quali asset meritano hardware nuovo e quali già dicono tutto.
Risposta breve
La manutenzione predittiva IoT significa installare sensori su un asset, trasmetterne le letture attraverso un gateway a un modello e agire sulla degradazione rilevata. È la risposta giusta quando il modo di guasto non lascia traccia nei dati esistenti — tipicamente cuscinetti, pompe, riduttori e compressori su macchine senza azionamento strumentato. Sulle linee automatizzate, i dati di ciclo, carico e allarme che già arrivano da PLC e SCADA coprono in genere una quota ampia dei guasti prima ancora di comprare un sensore.
Tipi di sensore e cosa intercettano
Temperatura
Attrito, perdita di lubrificazione, guasti di raffreddamento ed elettrici. Economico e semplice, ma sullo stesso guasto avvisa in genere più tardi della vibrazione.
Corrente e potenza
Anomalie di carico, impuntamenti meccanici, degrado degli avvolgimenti. Spesso già disponibile dall'azionamento, il che lo rende il segnale più economico dell'impianto.
Pressione e portata
Perdite, filtri intasati, usura tenute, cavitazione pompe. Essenziale su oleodinamica e aria compressa, dove le perdite sono silenziose e continue.
Ultrasuoni
Perdite di aria e vapore, attrito precoce dei cuscinetti, scariche elettriche. Spesso usato come strumento di ispezione portatile più che come installazione fissa.
Analisi olio e particelle
Detriti di usura e contaminazione in riduttori e oleodinamica. Il segnale più lento, e il più specifico su quale componente si sta degradando.
Dal sensore alla decisione
1. Acquisisci
I sensori campionano ad alta frequenza. La vibrazione richiede campionamenti dell'ordine dei kHz per essere diagnostica; una lettura ogni dieci minuti è monitoraggio, non previsione.
2. Aggrega all'edge
Un gateway estrae le feature in locale, così la rete trasporta indicatori invece di forme d'onda grezze e l'impianto continua a funzionare se il collegamento cade.
3. Unisci al contesto
Un picco di vibrazione durante un cambio formato non è lo stesso di uno a regime. Il dato sensore diventa predittivo solo accanto a dati di ordine, ricetta e stato macchina.
4. Decidi e pianifica
Il risultato che conta non è un grafico ma una finestra di manutenzione collocata dove costa meno produzione, approvata da una persona prima che qualcosa si muova.
Quando l'hardware nuovo conviene
Usa un test semplice per ogni asset. Primo: il modo di guasto che temi ha una firma fisica visibile da un sensore — vibrazione per i cuscinetti, pressione per le tenute, temperatura per il raffreddamento? Secondo: quella firma è assente da ogni segnale che già registri? Terzo: un preavviso cambierebbe davvero quello che fai, dati i tempi di approvvigionamento del ricambio e l'accessibilità della macchina? Solo se tutte e tre le risposte sono sì il sensore si ripaga. In tutti gli altri casi, la stessa spesa produce molta più previsione collegando i dati che già esistono.
Domande frequenti
- Cos'è la manutenzione predittiva IoT?
- È manutenzione predittiva in cui i dati in ingresso arrivano da sensori connessi installati sull'asset — vibrazione, temperatura, corrente, pressione — trasmessi di continuo a un modello che rileva la degradazione e stima il tempo al guasto.
- Quali sensori si usano per la manutenzione predittiva?
- Più comunemente accelerometri per la vibrazione, sonde di temperatura, misuratori di corrente e potenza, sensori di pressione e portata, ultrasuoni e contatori di particelle nell'olio. La scelta segue il modo di guasto, non il catalogo.
- Dobbiamo sostituire PLC o SCADA?
- No. Bastano connessioni in sola lettura ai sistemi di controllo esistenti, e il livello sensori, dove serve, si aggiunge accanto e non al posto di quelli.
- Quanto tempo prima che un progetto IIoT si ripaghi?
- Dipende da quanto fermo causano davvero gli asset scelti. Un retrofit su un collo di bottiglia che si ferma due volte al mese può rientrare entro l'anno; gli stessi sensori su una macchina ridondata quasi mai. Dimensionalo sul tuo storico di fermi prima di comprare.
- Possiamo partire senza sensori e aggiungerli dopo?
- Sì, ed è in genere l'ordine più economico. Parti dai segnali esistenti, guarda quali modi di guasto restano invisibili, poi strumenta esattamente quegli asset con l'evidenza per giustificarlo.
Cosa distingue Atherya
La maggior parte degli strumenti di manutenzione predittiva assegna punteggi ai segnali. Atherya costruisce prima una memoria operativa dell'impianto, poi ragiona sopra di essa — con l'evidenza in chiaro e la decisione lasciata a una persona.
Memoria operativa
Ogni evento, anomalia, intervento e turno diventa memoria condivisa. Quello che ieri era un log domani è esperienza, e il modello legge i nuovi segnali contro di essa.
Déjà Vu: l'ha già visto
Non solo "anomalia rilevata", ma quando era già successo, quanto era simile, come è evoluto e quale azione ha funzionato. La memoria del manutentore esperto, disponibile a tutti.
Un contesto che uccide i falsi allarmi
Difetti di macchina, punti deboli, come lavora davvero la squadra e l'ambiente attorno alla linea. Una deviazione normale per quella macchina, quel turno o quella stagione resta silenziosa.
FMEA viva
FMEA, manuali e procedure diventano parte attiva del ragionamento: cause, effetti, sensori e azioni suggerite sono collegati, invece di restare in un documento che nessuno apre.
Spiegabile, non magica
Ogni alert arriva con i segnali coinvolti, lo storico confrontabile, il modo di guasto e un livello di confidenza. Dato, interpretazione e decisione restano separati e verificabili.
Agisce, con la tua approvazione
Atherya non si ferma all'avviso: propone la finestra di intervento su ordini e turni reali e ripianifica quando qualcosa cambia. Nulla viene applicato finché una persona non approva.
Sui dati che hai già
Lavora su PLC, SCADA, MES, ERP, registrazioni manutentive e feedback così come sono, frammentati e legacy inclusi. I sensori si aggiungono solo dove nessun segnale esistente porta la degradazione.
Un cervello solo, non un silo di manutenzione
Manutenzione, produzione e pianificazione leggono lo stesso stato operativo, così un guasto previsto diventa subito una domanda di pianificazione invece di un'altra dashboard.
Guide collegate
Manutenzione predittiva: cos'è e come funzionaSoftware di manutenzione predittivaManutenzione predittiva con AI: come funzionano i modelliFalsi allarmi nella manutenzione predittivaManutenzione predittiva senza nuovi sensoriLa migliore AI per la produzione: confronto piattaformeAI per la pianificazione della produzioneScheduling agentico in produzioneAI sopra SAP e il tuo ERP
Scopri cosa sanno già i tuoi dati
Mandaci una linea e un mese di storico. Ti diciamo quali modi di guasto i tuoi segnali attuali possono prevedere e quali richiedono davvero un sensore.
Richiedi una demo