Trenitalia investe nella manutenzione che anticipa i guasti

Meno guasti nei treni, un servizio migliore per i passeggeri, più sicurezza. E costi di gestione ridotti, grazie soprattutto all’impatto positivo sul Supply Chain Management. È con questi obiettivi che Trenitalia ha avviato un progetto triennale che cambierà il paradigma della manutenzione dei rotabili, un capitolo di spesa importantissimo per il gruppo, con un impatto diretto sul servizio ai clienti.

Una rivoluzione copernicana: a regime, si passerà dalla manutenzione preventiva, programmata a priori, a quella predittiva, dinamica e basata sullo stato dei componenti. Alla base, c’è la tecnologia digitale. Si tratta di fatto di un esempio innovativo di Internet of Things e dell’applicazione dei software di Predictive Analysis sui Big Data, realizzato in stretta collaborazione con SAP. Il programma, chiamato Dynamic Maintenance Management, «porterà fortissime ottimizzazioni e miglioramenti in termini sia di performance dei rotabili, che di qualità del servizio», dice Danilo Gismondi CIO di Trenitalia.

Dottor Gismondi, da cosa nasce l’iniziativa?

Abbiamo identificato nella manutenzione dinamica e predittiva la nuova frontiera di Trenitalia, che già da anni è impegnata in un profondo processo di digital transformation. Il progetto è nato da due evidenze: la prima è che il sistema transazionale attuale è oramai maturo, essendo da quasi 10 anni in esercizio, la seconda è che abbiamo a disposizione una mole di dati enorme, centinaia di terabyte su base annuale. L’obiettivo, a regime, è arrivare ad anticipare tutte le possibili problematiche d’esercizio.Il programma è molto ambizioso e prevede in tre anni di andare a coprire la flotta più importante di Trenitalia: non soltanto l’alta velocità, ma anche e soprattutto i treni regionali. E questo è un altro cambio di passo notevole.

L’iniziativa è anche una risposta alle istanze dei viaggiatori, inclusi i pendolari italiani?

Vogliamo cercare di migliorare il servizio a 360 gradi: la telediagnostica e la manutenzione predittiva daranno i loro benefici più importanti proprio su quella flotta nuova di treni

regionali che pian piano stiamo rilasciando nelle Regioni che hanno deciso di investire insieme a noi. In termini di volumi, stiamo parlando di numeri molto più consistenti rispetto all’alta velocità. L’iniziativa avrà impatti anche sul comfort, che insieme alla pulizia è alla puntualità un indicatore chiave nel rapporto con la clientela. Non solo: il progetto abbraccia anche i treni merci.

Si tratta di fatto di un progetto di Internet of Things e analisi dei Big Data…

Sì, si basa su centinaia di microsensori posizionati all’interno dei treni, che forniscono informazioni sui componenti di bordo e trasmettono gli eventi a terra, un grande volume di dati che viene poi rielaborato con modelli di ricerca operativa applicati alla manutenzione per ottenere informazioni rilevanti su due driver: gli indicatori di salute e gli indicatori vita di tutti i componenti. Dopo circa un anno di analisi e selezioni abbiamo scelto la piattaforma SAP Hana: il progetto prevede un co-investimento da parte delle due aziende.

Cosa intende con “indicatori di vita” e “indicatori di salute” dei materiali?

Semplificando con un esempio, potremmo dire che la manutenzione dei componenti dei rotabili è basata su un concetto molto simile al tagliando delle auto: dopo un certo numero di chilometri o di mesi di esercizio devono essere sottoposti ad un intervento programmato. Questi sono gli indicatori vita, che fanno quindi riferimento ad una base temporale o alle percorrenze chilometriche. L’indicatore di salute è un concetto nuovo che indica invece lo stato di un oggetto in un determinato momento e viene determinato analizzando serie storiche, i nessi causali o di correlazione con altri eventi legati a quel singolo oggetto, elaborando dati in “near real time”. Per fare un esempio concreto, potremo sapere che la porta di accesso ad una carrozza si romperà entro due settimane con una probabilità del 95% e quindi intervenire senza aspettare la manutenzione programmata. L’obiettivo finale è quello di anticipare il problema ed effettuare interventi sui singoli componenti indipendentemente dalla vita del componente stesso. È un cambio di paradigma enorme per un’azienda di trasporto ferroviario, che riteniamo oramai necessario.

A che punto siete?

Il percorso è appena partito, ma i primi risultati sono incoraggianti e pensiamo che si possano raggiungere margini di miglioramento molto consistenti. Da qui a tre anni, la maggior parte della flotta sarà coinvolta nel progetto. Chiaramente la sensoristica è molto più presente sui nuovi treni, ma si lavora su entrambi i fronti: stiamo pianificando interventi anche nella flotta che non andrà in dismissione nel breve periodo. L’obiettivo aziendale è coprire la totalità dei treni, ma per il trasporto regionale, come dicevo, è funzionale anche agli investimenti e ai contratti con le Regioni.

Prevediamo un massiccio inserimento in tre anni, con vari rilasci. Già al termine di quest’anno avremo integrato la telediagnostica con i sistemi di analisi predittiva su due flotte pilota e quindi saremo in grado di testare le funzionalità con la Direzione Tecnica, che è anche responsabile della manutenzione ciclica, e gestisce in tandem con l’IT il progetto. Ci sarà un grande coinvolgimento dei diversi attori dell’azienda e i risultati andranno a indirizzare le decisioni di business. Termineremo tutte le fasi di progettazione quest’anno e dal 2016 avvieremo il roll out su diversi treni, per arrivare al termine del 2017-inizio 2018 a completare il progetto sull’80% della flotta.

Avrete bisogno di nuove competenze per l’analisi dei dati?

Il progetto, secondo me, avrà tanto più successo quanti meno data scientist saranno richiesti. Avremo invece bisogno di persone capaci di analizzare il dato e veicolare queste informazione a chi si occupa della manutenzione dei treni, in grado cioè di dare gli strumenti più semplici a chi fa gli interventi, che dovranno ricevere ,su un palmare o su un tablet, l’indicazione a salire sul treno e, ad esempio, riparare la porta.Più che di data scientist, abbiamo bisogno di buoni ingegneri di prodotto e di processo e soprattutto di una buona integrazione col campo, per rendere efficace il lavoro di chi deve effettuare gli interventi di manutenzione.Sul tema delle competenze, va ricordato che da tempo il Gruppo Ferrovie dello Stato gestisce un Master sull’ingegneria ferroviaria, che è un bacino consistente per i neoassunti.

Avete previsto delle nuove dotazioni per i manutentori?

Sì, gli strumenti in mobilità, anche nel mondo della manutenzione, diventeranno sempre più rilevanti. Già oggi le movimentazioni dei magazzini sono effettuate attraverso palmari. Dobbiamo incentivare ancor di più l’utilizzo di questi strumenti, perché la tempestività assume un’importanza incredibile: meccanici e manutentori devono fare il loro mestiere, che è risolvere un problema tecnico, e non perdere tempo a inserire dati. La consuntivazione in real time, o near real time è diventata importante soprattutto sui treni che hanno forte frequentazione e poco tempo per andare a soggiornare nell’impianto o in stazione la notte. Va ricordato che già oggi tutti i conducenti e il personale di bordo, sono dotati strumenti di mobilità, circa 17.000 device con cui si gestisce tutto il rapporto tra dipendente ed azienda, sia per quanto riguarda gli aspetti amministrativi, sia soprattutto per i processi operativi e produttivi. La manutenzione seguirà lo stesso percorso.

A che punto sono le altre grandi società di trasporto europeo nell’adozione della predictive maintenance? A chi vi siete ispirati?

Dai confronti che ho con i colleghi, posso dire che siamo pionieri nel trasporto ferroviario. Si parla di telediagnostica e di telemetria anche nelle altre realtà, in Germania, Francia, Austria, ma nell’utilizzo dei Big Data a supporto della manutenzione predittiva abbiamo 6/7 mesi di vantaggio. Finora l’industria si è molto soffermata sulla telediagnostica come componente di bordo, ma rilasciata dal fornitore del rotabile e quindi con strumenti di analisi in mano a pochi eletti ingegneri dell’ingegneria di prodotto, che è un approccio che avevamo anche noi fino ad un paio di anni fa. Questo chiaramente crea una forte dipendenza col fornitore, ma noi abbiamo bisogno di una vista trasversale, indipendente dalla tipologia di prodotto, che utilizzi una singola piattaforma di elaborazione ed analisi. Si stanno poi muovendo con modalità confrontabili le linee aeree e il settore automotive, adottando sulle auto di serie gli strumenti usati nella Formula 1.

Che obiettivi vi siete dati, in termini di ritorno degli investimenti e performance?

Abbiamo stanziato per il primo anno, anno e mezzo un primo investimento di circa 10 milioni di euro, che probabilmente in fase di roll out richiederà ulteriori ritocchi. In termini di risultati, i driver di riferimento sono l’ottimizzazione degli interventi di manutenzione, gli impatti su tutta la Supply Chain e in particolare sui processi di acquisto della ricambistica, e la customer satisfaction, ovvero il comfort e la qualità percepita dai clienti.Quanto al ROI, un punto percentuale di miglioramento sui costi di manutenzione ripaga largamente gli investimenti in ambito ICT e pochi punti percentuali per noi significano un grande efficientemento, perché i volumi sono elevatissimi. Pensiamo già nei tre anni di arrivare a break even.