La valutazione dell’affidabilità di un sistema e l’implementazione di politiche di manutenzione su condizione sono sfide di estremo interesse per l’ingegneria moderna. La loro importanza è dovuta al fatto che entrambe influenzano in maniera considerevole aspetti, molto delicati, legati al binomio prodotto/servizio; come: l’immagine aziendale, la soddisfazione del cliente e non ultimo i costi di gestione del bene.
L’evento di guasto, quindi, rappresenta una criticità che spesso non può essere accettata a causa delle conseguenze che genera e per tale ragione è oggetto di indagini ed analisi molto avanzate ed in continua evoluzione.
Le analisi di affidabilità ed i sistemi di manutenzione su condizione richiedono spesso un’elevata esperienza oltre che la necessaria familiarità con la tipologia di sistema oggetto di studio. Tradizionalmente l’ingegneria di manutenzione stima l’affidabilità di un sistema tramite l’analisi delle logiche di interazione e funzionamento dei componenti del sistema stesso. Le metodologie tipiche con cui attualmente si valuta l’affidabilità di un sistema sono: gli alberi di guasto, i diagrammi a blocchi affidabilistici, FMEA/FMECA, ecc., che spesso propongono delle rappresentazioni grafiche esplicative del sistema e delle interazioni tra i componenti stessi.
Queste tecniche di analisi garantiscono una rappresentazione quantitativa dell’affidabilità dei componenti di un sistema, ottenuta spesso tramite analisi dei dati storici, e tramite l’implementazione di modelli matematici permettono la stima dell’affidabilità complessiva del sistema. In questo caso quindi il sistema ed il suo comportamento di guasto devono essere ben noti in quanto la conoscenza dei fenomeni è un’ipotesi irrinunciabile. Purtroppo questo presupposto spesso non si verifica all’interno delle applicazioni reali in quanto può capitare che ci si trovi ad affrontare problemi inediti, mai riscontrati in precedenza, dove siano presenti numerosi elementi di incertezza o dove per esempio sia necessario analizzare sistemi molto complessi il cui comportamento è difficilmente prevedibile a causa della numerosità dei fattori da considerare.
In questo contesto le tecniche classiche di analisi affidabilistica e gli stessi esperti di ingegneria di manutenzione possono non essere sufficienti per ottenere delle stime affidabilistiche corrispondenti al vero.
Le reti bayesiane si propongono proprio come una risposta a queste nuove sfide, emerse in ambito tecnico, rappresentando un approccio alternativo basato sul calcolo delle probabilità ed in particolare sulla regola di Bayes. Come emerso nel capitolo 3 l’utilizzo delle reti bayesiane per la stima dell’affidabilità è una pratica molto recente ma che ha già visto numerose applicazioni, alcune delle quali di grande successo. Proprio con questo obiettivo nel capitolo 4 abbiamo presentato un applicazione di calcolo dell’affidabilità di un sistema complesso tramite l’utilizzo delle DOOBN. Nel corso della presentazione dei quattro casi di studio è emerso come le reti bayesiane siano uno strumento con notevoli potenzialità in termini di rappresentazione di domini affetti da incertezza, a ciò si aggiunge il fatto di essere caratterizzate da relativa semplicità di sviluppo ed implementazione unita ad una visualizzazione grafica molto efficace in termini di variabili del sistema e relazioni di influenza.
È emerso inoltre come la fase di costruzione della rete riservi comunque delle insidie e proprio in quest’ottica sono da considerarsi una fonte preziosa di consigli ed ispirazione i numerosi articoli presenti in letteratura che illustrano algoritmi e procedure di sviluppo della rete in modalità completamente automatizzata o con l’ausilio di esperti.
Allo stesso modo lo strumento bayesiano si è mostrato un sistema di supporto molto utile e con notevoli potenzialità per quanto riguarda la manutenzione su condizione. L’analisi dello stato dell’arte ci ha riservato numerosi lavori relativi all’utilizzo di questi strumento come sistema esperto di supporto con capacità diagnostiche ed in alcuni casi anche prognostiche.
Proprio in questa direzione vanno i casi applicativi relativi alla gestione delle non conformità e alla gestione dell’impianto di depurazione, illustrati nel capitolo 4. In entrambe le occasioni, le reti bayesiane, tramite un accurata valorizzazione dei dati storici e della conoscenza degli esperti, sono state applicate come strumento per lo sviluppo di sistemi di supporto alle decisioni degli operatori.
Lo stesso approccio di supporto ma in relazione allo sviluppo di piani ispettivi è invece stato l’oggetto di studio delle applicazione delle BN alle metodologie RBI. In questo caso la rete si è dimostrata un utile strumento per considerare elementi di valutazione precedentemente trascurati la cui influenza però sarebbe stata difficilmente quantificabili con le metodologie classiche a disposizione.
In conclusione non si può che sottolineare come le reti bayesiane, introdotte in ambito tecnico da Pearl nel 1988, rappresentino oramai uno strumento di analisi e supporto complementare alle tecniche classiche presenti già da diversi decenni nel panorama tecnico dell’ingegneria di manutenzione. Come evidente esse non devono essere un paradigma la cui applicazione sia da intendersi valida ed utile in qualsiasi ambito applicativo ma bensì devono essere considerate uno strumento molto avanzato il cui impiego ha ragione di essere solo in determinate occasioni in cui si verifichino le condizioni incertezza, complessità e di una relativa ignoranza sulle dinamiche dei fenomeni di interesse.
Acronimi
Nella presente sezione sono elencati, in ordine alfabetico, gli acronimi utilizzati nel presente elaborato:
ABAO – As Bad As Old AGAN – As Good As New
ASME – American Society of Mechanical Engineering BN – Bayesian Network
CBM – Condition Based Maintenance
CMMS – Computerized Maintenance Management System DBN – Dynamic Bayesian Network
DFT – Dynamic Fault Tree
DOOBN – Dynamic Object Oriented Bayesian Network ET – Event Tree
FT – Fault Tree
GPTA – Gruppo Produzione e Trattamento Aria HAZOP – HAZard OPerability
HVAC – Heat Ventilation and Air Cooling NC – Non conformità
NFPA – National Fire Protection Association OOBN – Object Oriented Bayesian Network RBD – Reliability Block Diagram
RBI – Risk Based Inspection
RBLM – Risk Based Life Maintenance RBM – Risk Based Maintenance
RCM – Reliability Centered Maintenance
RIMAP – Risk Based Inspection and Maintenance Procedures SADT – Structured Analysis and Design Technique