La gestione degli asset e l'affidabilità sono di fondamentale importanza nell'industria mineraria, soprattutto per quanto riguarda la sicurezza dei dipendenti e l'evitare i costi elevati dei fermi macchina. Tuttavia, la barriera alla manutenzione di livello mondiale è che la maggior parte dei guasti alle apparecchiature è casuale e difficile da rilevare prima che si verifichi. Infatti, si stima che la maggior parte dei guasti rientri nella categoria casuale.
La raccolta dei dati delle apparecchiature nel settore minerario ha storicamente presentato delle sfide a causa della natura frammentata e distribuita del processo produttivo. Le fonti di dati sono situate in tutta la struttura e nelle miniere senza una rete unificata che le colleghi a un hub principale. Ciò si traduce in una visibilità frammentata e in flussi di lavoro manuali. IT e OT esistono indipendentemente e i dati disponibili spesso mancano di contesto, rendendo difficile la loro comprensione e utilizzo. Questa mancanza di connettività limita la capacità di estrarre metriche di prestazione da apparecchiature industriali specifiche.
La mancanza di connettività e di accesso ai dati rende difficile anche l'implementazione di soluzioni di manutenzione predittiva a livello aziendale. Un proof of concept su un solo macchinario o su un gruppo molto piccolo e connesso in rete non è una soluzione affidabile di manutenzione predittiva e lascia ancora molto al caso.
La necessità di un miglioramento significativo
È chiaro che la manutenzione dovrebbe passare da un approccio reattivo a uno proattivo per migliorare l'efficienza, ma per arrivarci sarà necessario investire in un'infrastruttura di manutenzione più completa. Semplicemente programmare la manutenzione a intervalli regolari non tiene conto delle condizioni effettive delle apparecchiature.
Per gestire efficacemente gli asset, un'azienda mineraria deve capire perché, come e quando si verificano i guasti. La manutenzione, sia come professione che come pratica aziendale, si è evoluta notevolmente negli ultimi 50 anni e la tecnologia si è evoluta di pari passo. Tuttavia, le barriere all'adozione della tecnologia che può offrire la manutenzione predittiva nel settore minerario sono legate ai costi e alla natura diffusa delle operazioni; non esiste un'opzione valida per tutti.
Ciò che serve è una soluzione in grado di fornire la contestualizzazione dei dati su larga scala e di risolvere le sfide legate all'architettura e all'integrazione dei dati che attualmente ostacolano le implementazioni su larga scala delle soluzioni di manutenzione predittiva. È qui che entrano in gioco i sistemi di DataOps industriale.
DataOps industriale
Il DataOps industriale supporta lo sviluppo di una soluzione di manutenzione predittiva per il settore minerario. Le tecnologie utilizzate nel DataOps si concentrano sulla data science per sviluppare un modello predittivo. Può automatizzare la raccolta e la collazione dei dati, un processo che in passato era manuale e richiedeva molto tempo. Riunendo OT e IT attraverso un sistema come Asset Intelligence for Mining, basato sulla piattaforma Rockwell Automation FactoryTalk® DataMosaix™, la manutenzione predittiva diventa fattibile.
I data scientist avranno ora più tempo a disposizione per leggere i dati e riconoscere i trend relativi allo stato e alle prestazioni delle apparecchiature. Queste informazioni consentiranno loro di determinare la giusta frequenza di manutenzione per ogni apparecchiatura e di renderle disponibili al personale interessato attraverso dashboard di facile lettura su tablet, laptop o desktop. Informazioni preziose, quasi in tempo reale, possono raggiungere la persona giusta prima che un'apparecchiatura si guasti, causando un costoso spegnimento.
Il DataOps industriale aggiunge e gestisce relazioni significative tra dati precedentemente disparati, accelerando lo sviluppo e l'implementazione di applicazioni di machine learning come la manutenzione predittiva. In altre parole, semplifica il modo in cui un'azienda mineraria può estrarre valore da dati industriali complessi.
Mettere tutto insieme
La combinazione di dati dei sensori in tempo reale con modelli di asset basati sui principi fondamentali dell'ingegneria (l'idea che si possano costruire cose complesse a partire da cose più semplici) fornisce modelli predefiniti alla base del funzionamento di Asset Intelligence for Mining. Il DataOps industriale rende operativi questi modelli.
La manutenzione predittiva può ridurre le ore di lavoro del personale dedicate alla manutenzione, ridurre i tempi di fermo non programmati e aumentare la produttività.
Scopri di più su Industrial DataOps e sulla soluzione di Rockwell Automation per il settore – Asset Intelligence for Mining.
