Come abbiamo già visto, un sistema di Enterprise Asset Management in sintonia con le evoluzioni tecnologiche dell’IoT, dei Big Data e degli Analytics parte da una misurazione dello stato di salute e della criticità dei vari asset. Queste valutazioni vanno combinate con le priorità dei manager per giungere ad una programmazione della manutenzione degli asset stessi che sia correlata alla strategia aziendale. A eseguire questa sintesi è la componente finale del sistema: il modello decisionale integrato di gestione degli asset, o Integrated Enterprise Asset Management System.
La gestione asset in maniera tradizionale ha degli svantaggi evidenti. In primis per lo stesso asset prodotto da uno stesso OEM vi sono programmi di manutenzione che tendono a variare tra le diverse aziende anche a parità di un determinato range di condizioni operative. La mancanza di standard per la gestione e la varietà di piani rendono più difficile il compito delle autorità di regolamentazione che reagiscono vincolando e dettagliando fin troppo le specifiche di comunicazioni periodiche.
Anche tra i dipartimenti all’interno della stessa azienda non vi è in genere un quadro standard rispetto alla manutenzione e tale affermazione è vera in tutte le industry. È facile infatti ritrovare una grande stratificazioni di procedure e applicativi IT in impianti in diversi paesi quando si guarda all’interno di multinazionali, questo comporta inoltre un grande dispendio di risorse (IT e Business) per l’integrazione di tali dati verso un sistema centrale di gestione adottato dalla casa madre. Quando vari reparti seguono diversi approcci per manutenere i loro asset, la gestione ha molta più difficoltà a confrontarne l’efficacia e indirizzare l’allocazione corretta delle risorse.
Siamo di fronte ad tipico trade-off che ingegneri addetti alla manutenzione, piuttosto che dirigenti nell’ambito delle operations nel mondo energetico si trovano ad affrontare: maggiore priorità che dovrebbe in parte ignorare la corretta allocazione risorse massimizzando la disponibilità dei beni o riduzione del costo aziendale di manutenzione a fronte di possibili rischi di guasto e conseguente perdita di produttività? Spesso la risposta è stata quella di utilizzare procedure se non addirittura asset ridondanti, giustificati da un “bene superiore” non ben specificato e non adeguatamente misurato con specifici KPI che tengono conto della strategia corporate
La risoluzione a tali tipi di problematiche può essere indirizzata facendo leva esclusivamente sull’integrazione e la capacità di visione di insieme delle operations. A questa si devono unire grandi capacità di elaborazione e scalabilità che solo una piattaforma gestionale con SAP HANA Platform può offrire.
I parametri citati nel precedente articolo di Aprile, Asset Health Monitoring e Asset Criticality Index servono a categorizzare gli asset in base al loro rischio di guasto e all’impatto sulle attività “core” dell’azienda, stabilendo come usare le risorse a disposizione (denaro, tempo, persone) nella manutenzione degli asset stessi. Funzioni di analytics applicate ai Big Data aiutano questo processo grazie a modelli decisionali che confrontano le opzioni possibili in funzione dei requisiti diretti e indiretti di tutti gli stakeholder. I modelli tengono infatti conto delle loro indicazioni, pur adattandosi alle mutevoli condizioni operative dell’azienda.
I modelli di un Integrated Enterprise Asset Management System definiscono le azioni di gestione in base alle priorità e ai livelli di spesa predefiniti, privilegiando a seconda delle condizioni la gestione patrimoniale o quella operativa. Prevedono l’analisi di scenari what-if per valutare gli impatti di scelte alternative alla gestione consigliata e il calcolo di un indice di salute generale degli asset secondo le varie scelte di gestione possibili. Inoltre, i modelli “assorbono” le conoscenze dei professionisti della manutenzione, mantenendole a disposizione dell’azienda.
Oggi l’implementazione un sistema del genere è possibile con soluzioni di end to end del portafolio SAP Leonardo, che sfruttando le prestazioni computazionali di HANA Platform garantisce da un lato la massima copertura funzionale dei requisiti del business anche energetico dall’altro la perfetta integrazione con il core finanziario delle funzioni corporate.
Carlo Nigri
Industry Solution Advisor
