Manutenzione predittiva: come anticipare i guasti prima che accadano

Un impianto HVAC che si ferma in pieno agosto in un centro commerciale, una pompa di circolazione che cede in un edificio residenziale nel cuore dell’inverno. Non sono solo disservizi: sono costi, responsabilità, e, nella maggior parte dei casi, danni che si potevano prevedere.

Secondo le stime del settore, oltre il 70% dei guasti agli impianti tecnici mostra segnali precursori rilevabili settimane prima del cedimento. Il problema non è la mancanza di informazioni: è che, senza gli strumenti giusti, quei segnali rimangono nel rumore di fondo dei dati operativi.

È qui che entra in gioco la manutenzione predittiva. Non è un approccio riservato alle grandi industrie manifatturiere: è una strategia operativa già applicabile da chi gestisce patrimoni impiantistici distribuiti, dalla catena retail con 200 punti vendita al gestore di edilizia residenziale pubblica con migliaia di edifici da monitorare.

Reattiva, preventiva, predittiva: cosa cambia davvero

Prima di capire come funziona la manutenzione predittiva, conviene chiarire da dove viene e perché le strategie tradizionali non bastano più.

La manutenzione reattiva è la modalità default di chi non ha un sistema strutturato: si aspetta che qualcosa si rompa, poi si chiama il tecnico. I costi sono ben noti a chi lavora sul campo, come interventi d’urgenza, pezzi di ricambio non pianificati, fermi impianto nelle ore peggiori. Plant Engineering stima che la manutenzione reattiva costi in media da 3 a 5 volte di più rispetto a un intervento programmato sullo stesso componente.

La manutenzione preventiva è un passo avanti: si interviene a intervalli prestabiliti, indipendentemente dallo stato reale dell’impianto. Cambi filtro ogni sei mesi, revisioni annuali, sostituzioni a calendario. Riduce le emergenze, ma genera un problema opposto: si eseguono interventi su componenti che funzionano ancora perfettamente, e si sprecano risorse tecniche e budget che potrebbero andare dove servono davvero.

La manutenzione predittiva supera entrambi i limiti. Non aspetta il guasto, ma non agisce nemmeno “alla cieca” su scadenze fisse. Monitora lo stato reale degli impianti in continuo e interviene quando i dati segnalano un degrado effettivo, né prima, né dopo.

Come funziona: sensori, dati, algoritmi

Un sistema di manutenzione predittiva si articola su tre livelli distinti ma integrati.

Il campo. Sensori IoT applicati agli impianti raccolgono dati in continuo: vibrazioni su pompe e motori, temperatura su quadri elettrici e impianti HVAC (Heating, Ventilation, Air Conditioning, gli impianti di climatizzazione), assorbimento energetico, pressione nei circuiti idraulici. Questi sensori comunicano via protocolli wireless o cablati con un gateway IoT locale, che aggrega i dati e li trasmette alla piattaforma cloud.

L’analisi. Gli algoritmi non cercano guasti già avvenuti: cercano anomalie, derive di comportamento, correlazioni tra variabili che nella storia di quell’impianto hanno preceduto un cedimento. I modelli più avanzati usano machine learning che si affina nel tempo, imparando dalle specificità di ogni asset. Questo è rilevante: un motore di ventilazione in un magazzino refrigerato si comporta diversamente da uno in un ufficio, e il sistema deve riconoscere la differenza.

L’azione. Quando viene rilevata un’anomalia significativa, il sistema genera un alert con priorità, localizzazione e indicazione del componente coinvolto. Il responsabile di manutenzione riceve la segnalazione, via dashboard, email o app mobile, prima che il guasto si manifesti. Può quindi pianificare l’intervento nei tempi più convenienti, ordinare i ricambi con anticipo, e assegnare il tecnico giusto all’impianto giusto.

Come funziona il monitoraggio IoT per edifici e impianti multi-sito

I segnali che anticipano i guasti

Una domanda ricorrente di chi si avvicina alla manutenzione predittiva è concreta: quali segnali si monitorano?

Dipende dal tipo di impianto e dal contesto operativo. Ma alcune categorie di indicatori sono trasversali e altamente predittive:

• Deriva dell’assorbimento energetico: un motore che consuma il 15–20% in più rispetto alla propria baseline storica è quasi sempre in stato di degrado meccanico o elettrico, spesso settimane prima del guasto
• Anomalie vibrazionali: segnale classico di usura su cuscinetti, disallineamenti meccanici o squilibri in componenti rotanti, rilevabili con sensori accelerometrici a basso costo
• Deriva termica: temperature fuori range su quadri elettrici o scambiatori indicano ostruzioni, guarnizioni deteriorate o surriscaldamento localizzato

Un elemento spesso sottovalutato: la correlazione tra più variabili. Un impianto di climatizzazione può assorbire leggermente più energia e mostrare una lieve deriva termica, senza che nessuno dei due parametri superi singolarmente una soglia critica. L’algoritmo riconosce la combinazione come precursore di un guasto già osservato in condizioni simili.

Nei contesti edilizi centri commerciali, patrimoni residenziali multi-edificio, strutture sanitarie, questi segnali sono particolarmente rilevanti su impianti HVAC, centrali termiche, gruppi di pompaggio e sistemi di distribuzione dell’energia.

Cosa cambia nella gestione operativa

La manutenzione predittiva non è solo una questione di evitare guasti. È una questione di ottimizzare le risorse disponibili in un contesto in cui il personale tecnico è sempre meno e le sedi da gestire sono sempre di più.

Un facility manager che supervisiona 80 negozi distribuiti sul territorio nazionale non ha il budget per un tecnico dedicato per ogni sede. Ha bisogno di un sistema che gli dica dove intervenire, quando, e con quale priorità. La manutenzione predittiva trasforma un problema di sorveglianza distribuita (intrinsecamente non scalabile) in un problema di gestione dei dati, che è scalabile per definizione.

I numeri dei progetti più maturi confermano il valore economico dell’approccio:

• Riduzione dei costi di manutenzione tra il 10 e il 25% (McKinsey Global Institute, 2023)
• Aumento della disponibilità operativa degli impianti fino al 20%
• Riduzione degli interventi non pianificati tra il 30 e il 50%
• Estensione della vita utile degli asset stimata tra il 20 e il 40%

Non sono stime teoriche. Sono i risultati che si raggiungono quando si passa da una gestione basata sull’esperienza individuale del tecnico a una gestione basata su dati strutturati e algoritmi che imparano dall’impianto nel tempo.

KPI energetici e di manutenzione: cosa misurare e perché

Da dove iniziare

Implementare la manutenzione predittiva non richiede di rivoluzionare l’infrastruttura esistente. Il punto di partenza è spesso più semplice di quanto si pensi.

Il primo passo è identificare quali impianti hanno l’impatto operativo o economico maggiore in caso di guasto. Su questi si concentra il monitoraggio iniziale: si installano i sensori, si costruiscono le baseline, si configurano le soglie di alert. Il sistema impara dall’impianto nelle prime settimane; i risultati più significativi arrivano dopo 3–6 mesi di operatività, quando il modello ha abbastanza storico per fare previsioni affidabili.

Quello che serve davvero non è la tecnologia più sofisticata sul mercato. È una piattaforma che aggreghi i dati provenienti da impianti eterogenei, li renda leggibili per chi prende decisioni operative, e si integri con i processi già esistenti: i ticket, le squadre, i fornitori esterni.

È con questo approccio che in EKORE abbiamo progettato Smart Monitoring: una piattaforma che permette di connettere sensori IoT su impianti distribuiti, monitorare comportamenti anomali in tempo reale e gestire le priorità di intervento da un’unica interfaccia, indipendentemente dal numero di sedi o dalla tipologia degli asset.

Se vuoi capire come applicare la manutenzione predittiva al tuo patrimonio impiantistico contattaci per una demo!

Compila il form