Se in azienda hai impianti, mezzi o attrezzature che devono funzionare, negli ultimi due anni te l’avranno proposta almeno tre volte. Vale per una linea di produzione, ma anche per le celle frigorifere di un’azienda alimentare, per i furgoni di una rete di distribuzione, per gli apparecchi diagnostici di una struttura sanitaria o per gli impianti di un albergo. Sensori, dati in cloud, un modello che impara a riconoscere il guasto prima che avvenga: la demo è convincente perché mostra un grafico che sale e poi una linea rossa che avvisa in anticipo.
Prima di valutare un’offerta conviene sapere una cosa che nelle presentazioni non compare mai: la manutenzione predittiva impara dai guasti. Per riconoscere un cedimento deve averne visti abbastanza, su macchine abbastanza simili, con dati abbastanza puliti. Se le tue macchine si rompono raramente — che è una buona notizia — il modello ha poco da cui imparare, e questo cambia completamente la convenienza dell’investimento.
Non è un argomento contro. È il criterio che ti permette di distinguere i casi in cui rende dai casi in cui stai comprando un cruscotto molto costoso.
Preventiva o predittiva: la differenza in una riga
È la domanda più frequente e vale la pena toglierla di mezzo subito, perché la confusione fra le due porta a comprare la seconda quando basterebbe la prima.
| Quando si interviene | Su cosa si basa | Cosa serve per farla | |
|---|---|---|---|
| Reattiva | Dopo il guasto | Niente | Niente |
| Preventiva | A intervalli fissi | Ore di funzionamento, calendario, manuale del costruttore | Un piano e la disciplina di rispettarlo |
| Predittiva | Quando i dati segnalano un cedimento in arrivo | Segnali misurati sulla macchina, confrontati con lo storico dei guasti | Sensori, storico, un modello, e qualcuno che agisca sull’allarme |
In una riga: la preventiva interviene secondo il calendario, la predittiva secondo la condizione reale della macchina.
La preventiva sostituisce un componente ogni mille ore anche se ne aveva ancora cinquecento davanti — quindi è sicura ma spreca. La predittiva lo sostituisce quando sta per cedere — quindi non spreca, ma solo se la previsione è affidabile.
Nella maggior parte delle aziende che visito, il salto da fare non è dalla preventiva alla predittiva: è dalla reattiva alla preventiva, e non richiede tecnologia. Richiede un piano scritto e qualcuno che lo faccia rispettare.
Quando conviene davvero
Cinque condizioni. Non servono tutte, ma se ne mancano tre o quattro l’investimento non torna.
Il fermo costa molto. Se un guasto blocca una linea, fa slittare consegne o attiva penali, il valore di anticiparlo è alto e misurabile. In un’azienda alimentare una cella frigorifera che cede può significare merce persa in una notte; in una struttura sanitaria un apparecchio fermo sono prestazioni disdette; in una rete di negozi un impianto di climatizzazione guasto d’agosto è una giornata di vendite. Se invece un fermo si assorbe riprogrammando il lavoro, il beneficio si riduce a un risparmio di ricambi — che raramente ripaga l’investimento.
Il guasto dà segnali in anticipo. Un cuscinetto che si consuma produce vibrazioni e calore crescenti, un compressore che perde efficienza assorbe più corrente, un mezzo che sta per fermarsi consuma di più. Un componente elettronico che cede, invece, spesso non anticipa nulla. La predittiva funziona sui modi di guasto graduali, non su quelli improvvisi.
Hai abbastanza unità simili, o abbastanza storico. Il modello impara confrontando: molte unità dello stesso tipo — impianti, celle, mezzi, apparecchi — oppure una sola osservata per anni. Trenta furgoni uguali producono materiale utile molto più in fretta di tre impianti diversi fra loro. Con sei mesi di dati e attrezzature disomogenee non c’è nulla su cui imparare.
Sai cosa succede dopo l’allarme. Questa è quella che salta sempre. Il sistema segnala un cedimento probabile fra dieci giorni: chi decide se fermare? Chi ordina il ricambio? Se la risposta non è stabilita prima, gli allarmi vengono ignorati nel giro di due mesi — e quando vengono ignorati il sistema è peggio che inutile, perché ti ha dato un falso senso di controllo.
I dati esistono e sono affidabili. Non i dati dei sensori nuovi: quelli arrivano. Lo storico degli interventi passati — cosa si è rotto, quando, perché, cosa è stato fatto. Senza quello il modello non ha etichette su cui allenarsi.
Il punto che i fornitori non sollevano
L’ultima condizione merita di essere spiegata, perché è quella che determina se il progetto produrrà qualcosa e viene sempre trattata come un dettaglio operativo.
Un sistema predittivo impara associando segnali a esiti. I segnali li raccoglierà il sensore che stai per installare. Gli esiti — cioè i guasti realmente avvenuti, con data, causa e componente — devono venire dal tuo storico. E lo storico dell’assistenza, nelle aziende familiari, quasi sempre esiste in una forma che non serve: rapportini cartacei, note nel gestionale scritte in modo diverso da ogni tecnico, oppure niente.
Da qui una conseguenza pratica che vale più di qualunque valutazione di piattaforma: se la manutenzione predittiva è un obiettivo dei prossimi due o tre anni, la cosa più utile da fare oggi è registrare gli interventi in modo strutturato. Data, macchina, componente, sintomo osservato, causa, azione. Costa poco, non richiede tecnologia nuova, e non è recuperabile a posteriori: i guasti dell’anno scorso, se non li hai annotati, sono persi.
Ne ho scritto anche a proposito della servitizzazione, perché è lo stesso identico dato a rendere possibili entrambe le cose.
Come si valuta l’offerta di un fornitore
| Cosa chiedere | Perché conta | Risposta che dovrebbe preoccuparti |
|---|---|---|
| Su quali modi di guasto è addestrato il modello | La predittiva non funziona su tutto | «Impara da solo dai vostri dati» |
| Quanto storico serve prima di dare risultati utili | Definisce quando comincia il ritorno | «Da subito» |
| Cosa succede se l’allarme è falso | I falsi allarmi uccidono l’adozione | Non previsto |
| Chi possiede i dati raccolti dalle macchine | È il tuo fossato, non il suo | «Restano sulla nostra piattaforma» |
| Che succede alla fine del contratto | Se perdi lo storico, ricominci da zero | Non regolato |
| Come si integra con il gestionale e con il magazzino ricambi | Un allarme che non genera un ordine non serve | «Si può fare in seguito» |
La quarta riga è quella che raccomando di non lasciar correre. I dati che le tue macchine generano presso i tuoi clienti sono il materiale più difficile da replicare che hai; se restano sulla piattaforma del fornitore in un formato che non puoi portarti via, hai finanziato la costruzione del fossato di qualcun altro. È la stessa dinamica di cui scrivo in Fornitori digitali e lock-in, applicata a una materia più preziosa del solito.
E attenzione al Data Act europeo: sui prodotti connessi la questione di chi può accedere ai dati generati dall’uso non è più solo contrattuale. È materia su cui tornerò, e che conviene guardare prima di firmare, non dopo.
E l’intelligenza artificiale?
È il caso in cui l’AI fa una differenza reale, non di moda: riconoscere un andamento anomalo in un flusso di vibrazioni, temperature e assorbimenti è esattamente il tipo di problema in cui una macchina batte una persona, e oggi costa una frazione di quello che costava dieci anni fa.
Ma vale anche qui la regola che ripeto ovunque: l’AI amplifica ciò che trova. Su uno storico di interventi scritto bene produce previsioni utili; su rapportini incompleti produce previsioni sbagliate con la stessa sicurezza. E la differenza fra i due casi non la fa il fornitore che scegli: la fai tu, nei due anni precedenti, con un’attività noiosa che nessuno ti proporrà mai perché non è vendibile.
Chi deve decidere
Sembra una decisione da ufficio tecnico, e infatti lì finisce quasi sempre. Ma guarda cosa tocca: il costo del fermo — che è produzione e commerciale; la gestione dei ricambi — che è magazzino e cassa; il contratto e la proprietà dei dati — che è strategia; e il processo che deve reagire agli allarmi — che è organizzazione.
È una decisione di business con una componente tecnica, non il contrario. E come quasi tutte le decisioni di questo tipo in un’impresa familiare, arriva sul tavolo senza che nessuno ne sia il titolare: ne ho scritto in La sedia vuota.
Chiudo con il consiglio che do più spesso su questo tema, e che vale anche se decidi di non fare nulla: comincia a registrare bene gli interventi. È l’unico investimento che non puoi recuperare più tardi, non costa quasi niente, e serve comunque — anche se la manutenzione predittiva non la farai mai.
Domande frequenti
Qual è la differenza fra manutenzione preventiva e predittiva? La preventiva interviene a intervalli fissi stabiliti dal calendario o dalle ore di funzionamento; la predittiva interviene quando i dati misurati sulla macchina segnalano un cedimento in arrivo. La prima è sicura ma spreca vita utile dei componenti; la seconda non spreca, ma funziona solo se la previsione è affidabile — e lo è solo con storico e segnali adeguati.
Quanti dati servono per la manutenzione predittiva? Non esiste un numero valido in generale, ma il vincolo vero non è la quantità di misure: è il numero di guasti realmente avvenuti e documentati, perché è da quelli che il modello impara. Un parco macchine numeroso accelera il processo; una singola macchina richiede anni di osservazione.
La manutenzione predittiva conviene a un’azienda familiare? Conviene quando il fermo macchina costa molto, quando i guasti danno segnali graduali, e quando esiste uno storico degli interventi utilizzabile. Se manca lo storico o se il fermo si assorbe riprogrammando il lavoro, il ritorno è quasi sempre inferiore all’investimento: meglio partire dalla manutenzione preventiva fatta bene.
Si può fare manutenzione predittiva senza intelligenza artificiale? Sì, e in molti casi è la cosa giusta: soglie ben tarate su poche grandezze misurate risolvono buona parte dei casi senza alcun modello. L’AI serve quando i segnali sono molti, il rapporto fra loro non è ovvio, e c’è abbastanza storico da cui imparare.
Di chi sono i dati raccolti dalle macchine connesse? Dipende da cosa avete scritto nel contratto, ed è una delle voci su cui conviene negoziare prima di firmare: quei dati sono il materiale più difficile da replicare che possiedi. Sul tema dei prodotti connessi è intervenuto anche il Data Act europeo, che va guardato prima della firma e non dopo.
Se stai valutando un’offerta di manutenzione predittiva e vuoi capire se il ritorno c’è davvero prima di firmare, è il lavoro che faccio: Metodo Belli.
