AI · Manutenzione Predittiva · CMMS
Predictive O&M
Da manutenzione reattiva a predittiva. Modelli di anomaly detection su serie temporali reali degli inverter Solaria. MTTD ridotto, pianificazione interventi ottimizzata, integrazione CMMS.
- Home
- Tecnologie
- Predictive O&M
Tre Paradigmi, Un Solo Obiettivo: Zero Downtime
Reattivo
Guasto → intervento. MTTD = 0 (già rotto). Costo alto, produzione persa durante il downtime. Il modello ancora dominante nel mercato italiano.
Predittivo
Anomalia rilevata → intervento pianificato nelle settimane successive. MTTD misurato in settimane. Riduzione del costo di manutenzione del 30–50% rispetto al reattivo.
Prescrittivo
AI suggerisce azione specifica con confidence score: "Pulire stringa 3 entro 48h — probabilità evento: 87%." Human-in-the-loop per decisioni ad alto impatto.
Quattro Architetture, Un Pipeline Unificato
Ogni modello è specializzato su un orizzonte temporale diverso. Il pipeline combina i segnali in un'unica raccomandazione operativa.
Isolation Forest
Anomaly detection non supervisionato. Rileva pattern anomali senza necessità di label storiche. Efficace su dataset con poche anomalie — tipico degli impianti ben mantenuti.
Prophet (Meta)
Forecasting di serie temporali con stagionalità multipla (giornaliera, settimanale, annuale). Gestisce nativamente festività, manutenzioni programmate e outlier.
PatchTST
Transformer per time series. State-of-the-art 2024 su forecasting energetico (ICLR). Fine-tuned su dataset Solaria per impianti FV italiani con diverse tipologie di moduli.
LSTM + Attention
Rilevamento degrado a lungo termine (anni). Previsione vita utile residua dei moduli. Cattura dipendenze temporali su finestre di 12–36 mesi non accessibili a modelli più corti.
Dall'Anomalia al Ticket in Modo Automatico
Output AI → ticket automatico nel CMMS (Computerized Maintenance Management System) via REST API. Ogni ticket include: priorità (P1/P2/P3), tipo di anomalia, componente identificato, azione consigliata, finestra temporale ottimale per l'intervento.
Workflow completo: anomalia rilevata → ticket creato → scheduler ottimizza → tecnico esegue → chiusura → feedback al modello. Il loop chiuso migliora la precisione del modello nel tempo.
Benchmark su Impianti Reali Gestiti da Solaria
Interventi emergenziali
Produzione netta annua
ROI su 3 anni
I benchmark sono calcolati su impianti reali gestiti da Solaria. Dataset proprietario, non pubblico. I risultati dipendono dalla configurazione impiantistica, dall'età dei moduli e dalla qualità dei dati storici disponibili. Audit disponibile su richiesta per clienti qualificati.
AI Decide. Umano Approva. Impianto Funziona.
Per interventi ad alto impatto — shutdown parziale, sostituzione inverter, modifica configurazione stringa — l'AI prepara la raccomandazione con confidence score e supporting evidence storica. Il tecnico approva o esegue l'override con motivazione.
Questo è il pattern corretto per sistemi safety-critical. Nessun sistema AI totalmente autonomo su infrastrutture energetiche connesse alla rete — è una scelta progettuale, non un limite tecnologico. Ogni override del tecnico diventa training data per il miglioramento del modello.
Vuoi Portare il Predictive O&M sul Tuo Impianto?
Partiamo dai dati che hai già: telemetrie inverter, storico ticket, log SCADA. In 4 settimane abbiamo un baseline model funzionante sul tuo impianto specifico.
Scrivici
Orari di Lavoro
Lun - Ven 09:00 - 18:00
Sede
Noventa Padovana (PD), Italia