Manutenzione Predittiva per Ridurre i Fermi Macchina
Prevenire i guasti e ottimizzare la produzione grazie all’analisi dei dati
CASO DI APPLICAZIONE
Paperdì è un’azienda italiana fondata nel 1989 con sede a Caserta. Specializzata nella produzione di articoli monouso in carta tissue per usi igienici e alimentari, l’azienda si è affermata come una delle realtà più dinamiche e competitive nel settore, diventando leader in Italia nella produzione di prodotti tissue per uso professionale.
L’azienda offre una vasta gamma di prodotti, tra cui bobine industriali, asciugamani, lenzuolini, carta igienica e tovaglioli, disponibili sia in pura cellulosa che in carta riciclata, per soddisfare le diverse esigenze dei clienti.
La missione di Paperdì è perseguire un modello di sviluppo che concili la crescita aziendale con la soddisfazione del cliente, la creazione di valore economico e la tutela dell’ambiente, offrendo la giusta carta per ogni utilizzo.
La sfida
Ridurre i fermi macchina per migliorare l’efficienza produttiva
Nel settore manifatturiero, i fermi macchina rappresentano una delle principali cause di inefficienza e costi operativi elevati.
Paperdì, azienda specializzata nella produzione di carta tissue, affrontava il problema di interruzioni impreviste nei suoi impianti produttivi, con ripercussioni sulla continuità operativa e sulla gestione delle risorse.
L’obiettivo era trovare una soluzione in grado di prevedere e ridurre questi fermi, migliorando la pianificazione della manutenzione e ottimizzando l’utilizzo delle macchine.
L’analisi dei dati
Comprendere le cause dei guasti per anticipare i problemi
Per affrontare la sfida, è stata condotta un’analisi approfondita sui dati storici degli interventi di manutenzione. L’analisi ha incluso:
Esplorazione dello storico dei fermi macchina, identificando i guasti più frequenti e le loro cause
Analisi temporale, per individuare pattern ricorrenti e prevedere i periodi più critici.
Studio dei tempi di inattività, con particolare attenzione alla durata e alla distribuzione dei fermi
Identificazione delle macchine più soggette a guasti, per focalizzare gli interventi preventivi sulle aree più critiche
L’analisi ha evidenziato che oltre il 95% dei minuti di fermo macchina era dovuto a guasti improvvisi, mentre gli interventi programmati avevano un impatto minimo sull’operatività. Questo suggeriva la necessità di un approccio più proattivo nella gestione della manutenzione.
La soluzione
Un modello predittivo per una manutenzione più efficace
Per trasformare i dati in uno strumento decisionale, è stato sviluppato un modello di manutenzione predittiva basato su tecniche di machine learning.
Questa soluzione consente di anticipare i guasti, segnalando il rischio di fermo prima che si verifichi, e di ottimizzare la pianificazione della manutenzione, riducendo la necessità di interventi urgenti.
Inoltre, permette di abbattere i costi operativi, evitando interruzioni non programmate e migliorando l’efficienza produttiva. Grazie all’implementazione di questa tecnologia, Paperdì ha potuto migliorare la continuità operativa, riducendo i fermi macchina e aumentando l’affidabilità delle sue linee produttive.
Questa esperienza dimostra come un approccio data-driven possa fare la differenza, trasformando un problema in un’opportunità per ottimizzare i processi industriali.
