Manutenzione, performance, qualità: garantire che l’impianto faccia il suo dovere

In un’industria sempre più aggressiva e globale, riuscire ad abbassare il prezzo specifico della produzione è una delle chiavi per rimanere competitivi. La soluzione etica e legale più ovvia che viene in mente è Cambiamo tutte le macchine e mettiamone di più efficienti! . Che in alcuni casi in effetti funziona. In altri – molti altri – purtroppo però non è sufficiente.

Ci sono tanti aspetti che influenzano il costo specifico della produzione, e la performance intrinseca delle macchine è solo una parte più o meno piccola della storia.

Introduciamo per i gentili lettori l’indice di OEE, che probabilmente tutti voi conoscerete perché citato spesso e in molti modi.

Overall Equipment Effectiveness, questo sconosciuto

L’OEE è un indicatore di performance utilizzato nella lean production come riferimento percentuale di quanto l’impianto è in grado di produrre.

Si compone di tre voci principali, che rappresentano tre potenziali fonti di inefficienza produttiva, e che sono calcolate come percentuali rispetto al totale. Totale di cosa? A seconda della voce, il riferimento varia.

La prima voce è la disponibilità (availability). Fatto 100 il tempo totale di lavoro pianificato – ad esempio 2 turni su 3, con fermo impianto in agosto per ispezione- , la disponibilità è la percentuale di tempo in cui l’impianto è in funzione. Se l’impianto non è in funzione – quindi è fermo – di solito è a causa di fermate pianificate o non previste.

La seconda voce è la performance. Ogni impianto ha un massimo di velocità a cui può produrre, ma nessun impianto produce sempre al 100% della sua velocità. La vera velocità di impianto calcolata rispetto al massimo rappresenta la performance e relativa perdita- Spesso perdite di performance sono dovute a micro fermate, inefficienze di componenti o di processo oppure cicli non ottimizzati.

La terza voce è la qualità (quality , scommetto che senza traduzione non l’avreste mai indovinata!). E’ normale avere scarti in impianto, la percentuale degli scarti rappresenta l’indicatore legato alla qualità.

Massimizzando tutte e tre le voci del nostro OEE, possiamo raggiungere costi specifici molto bassi perché riusciamo ad efficientare, produrre in fretta e senza scarti, senza fermate frequenti e tempi di off prolungati.

Quello che ci divide dal 100% di OEE viene riassunto generalmente nelle 6 big losses, grandi inefficienze.

The six big losses, a film by Quentin Tarantino

Per ogni voce si identificano infatti due aspetti che causano una diminuzione nell’OEE.

• Diminuzione della disponibilità
  • Fermate pianificate: principalmente legate a set-up, cambio formato, cambi ricetta e tutto quello che può essere previsto ma che ferma la macchina. La manutenzione preventiva o pianificata non fa invece parte delle fermate pianificate, e non viene conteggiato nell’OEE.
  • Fermate non pianificate: per amore della completezza, descriverò questa voce ovvia. Le fermate non pianificate sono legate a guasti non previsti che bloccano la macchina e costringono ad un intervento a correttiva.
• Diminuzione della performance
  • Microfermate: avete presente quando uno dei pacchetti si mette di traverso e blocca la linea continua? O quando c’è qualche problema di alimentazione delle materie prime e rallenta tutto? Ecco, queste sono le microfermate.
  • Inefficienza e cicli non ottimizzati (slow cycles): problemi di settaggio non ottimizzato per inesperienza o disattenzione, degrado dei componenti, lubrificazione non corretta portano tutti ad avere una linea più lenta del noRmale e quindi a slow cycles.
• Diminuzione della qualità
  • Scarti di produzione: sono tutti gli scarti prodotti durante il funzionamento a regime della macchina, dovuti a settaggio errato, disallineamenti, problemi nei cicli o nei trattamenti precedenti o altro. Negli scarti viene considerata anche la quota di scarto rilavorabile.
  • Scarti di avviamento: sono tutti gli scarti prodotti durante l’avviamento.

Aumentare l’OEE con l’AI

Per aumentare l’overall equipment effectiveness è necessario agire su tutte e tre le voci che lo (la?) compongono, cercando di ridurre le principali cause di inefficienza. Da questo punto di vista, i sistemi di intelligenza artificiale possono essere di immenso aiuto. Vediamo nel dettaglio come.

Disponibilità

Partendo dalle fermate pianificate, una strategia che si può progettare è una migliore gestione della produzione, per minimizzare i cambi formato e orchestrare al meglio risorse e materie prime. Avendo a disposizione i dati storici, è possibile predisporre un sistema AI-driven in grado di minimizzare il tempo di fermata pianificata definendo in autonomia il piano di produzione migliore e suggerendolo agli operatori di campo.

Le fermate non pianificate sono ancora più semplici da prevedere. Utilizzando sistemi di manutenzione predittiva è possibile tenere sotto controllo tutti i dati di processo, e intercettare situazioni a rischio di guasto, in modo da preparare in anticipo il team e sfruttare i tempi di fermo già previsti per ispezioni o sostituzioni. Inoltre, è possibile sfruttare i sistemi di explainable AI per risalire al parametro o ai parametri che hanno suggerito al modello il probabile guasto, in modo da diminuire il tempo di diagnosi e quindi risoluzione, e abbassare il rischio che il problema si ripresenti.

Performance

La sfida più difficile da affrontare nel viaggio del miglioramento dell’OEE è la diminuzione delle microfermate. Anche in questo caso l’AI viene in nostro soccorso. Con un sistema di registrazione completo, i dati di processo e l’ausilio di un sistema di linguaggio naturale (un chatbot, per intenderci) è possibile sviluppare un sistema di troubleshooting basato sulle procedure esistenti che possa dare suggerimenti all’utente in modo da risolvere o anticipare le microfermate tramite regolazioni o ispezioni mirate.

Per contro, le inefficienze e gli slow cycles si possono facimente risolvere con modelli di controllo performance e anomaly detection in grado di segnalare se la macchina sta lavorando in condizioni di degrado o se si stanno sviluppando problemi.

Qualità

Gli scarti di produzione possono essere diminuiti sviluppando sistemi di ottimizzazione in grado di valutare la probabilità di scarto in base ai setpoint delle macchine, e suggerire setpoint migliori per diminuire la quantità di scarti probabilmente prodotti.

Per gli scarti in avviamento, la soluzione può evolvere integrando la regolazione del transitorio, in modo da fornire agli utenti un’indicazione su quale ciclo di accensione è il migliore in base alle condizioni, alla ricetta o batch, al tempo dall’ultima fermata e alle altre caratteristiche dell’impianto.

OEE e AI: due chiavi inglesi per la produttività

Grazie all’intelligenza artificiale, è possibile aumentare l’OEE e ottenere costi di processo inferiori del 5-15%. I sistemi data-driven basati su algoritmi AI infatti possono supportare l’utente nel settaggio della macchina, nella gestione delle microfermate e nella regolazione del processo per massimizzare la produttività, segnalando al contempo inefficienze e probabili guasti prima che questi causino una fermata o una perdita tangibile di produttività.