Manutenzione predittiva nel 2026: come funziona e quando conviene davvero
Lettura 8 min · AstraLoop Studio
Hai una macchina che si ferma quando meno te lo aspetti, un cliente che urla al telefono perché la consegna slitta, e un tecnico che arriva sul posto senza sapere cosa troverà. Se ti riconosci in questa scena, probabilmente stai già sentendo parlare di manutenzione predittiva e ti stai chiedendo se sia roba per grandi impianti o se possa servire anche a te, con le macchine che hai in produzione o in giro sui clienti.
La risposta breve è: dipende da quanto ti costa un fermo e da quanti dati hai già in casa. La risposta lunga è quello che trovi qui sotto.
Correttiva, preventiva, predittiva: non sono la stessa cosa
Tre parole che si assomigliano ma che nella pratica di officina, di stabilimento o di assistenza tecnica cambiano completamente il modo di lavorare.
- Correttiva: intervieni quando la macchina si è già fermata. Il compressore perde pressione, il motore fuma, il carrello elevatore non parte. Chiami il tecnico, aspetti, produci meno o niente.
- Preventiva: intervieni a calendario o a ore di funzionamento, a prescindere dallo stato reale del componente. Cambio olio ogni 500 ore, revisione ogni sei mesi. Funziona, ma a volte cambi pezzi ancora buoni e altre volte il guasto arriva comunque prima della scadenza.
- Predittiva: intervieni quando i dati ti dicono che il componente si sta avvicinando al limite, non prima e non dopo. Vibrazioni fuori norma su un cuscinetto, temperatura che sale in modo anomalo su un quadro elettrico, assorbimento di corrente che cresce mese dopo mese su un motore.
La differenza pratica è questa: la preventiva ti fa perdere tempo e ricambi buoni, la correttiva ti fa perdere produzione e reputazione, la predittiva prova a farti intervenire nel punto giusto. Non è magia, è statistica applicata a dati reali raccolti nel tempo.
Sensori e dati: cosa raccogli davvero
Qui casca l'asino di molti progetti. Si compra il sensore, si attacca alla macchina, e poi ci si accorge che nessuno guarda i dati o che i dati raccolti non dicono niente di utile per quel processo specifico.
Gli oggetti veri di questa funzione, quelli che un responsabile di produzione o di manutenzione conosce bene, sono:
- Vibrazioni (accelerometri su cuscinetti, motori, pompe)
- Temperatura (sonde su quadri elettrici, motori, forni, celle frigo)
- Corrente assorbita (pinze amperometriche o sensori integrati nell'inverter)
- Ore di funzionamento e cicli macchina
- Pressione (impianti idraulici, pneumatici, linee di aria compressa)
- Storico interventi e guasti già registrati sul gestionale
Il punto non è quale sensore comprare. Il punto è: cosa vuoi prevenire, e quel dato ti aiuta davvero a prevederlo? Un sensore di vibrazione su un motore che gira sempre allo stesso regime, in un ambiente stabile, con un cuscinetto facile da sostituire in dieci minuti, spesso non vale l'investimento. Lo stesso sensore su una linea di produzione critica, dove un fermo costa ore di mancata produzione e il ricambio ha settimane di lead time, cambia completamente conto.
Soglie e allarmi: chi li riceve e cosa succede dopo
Un sensore che manda dati in un dashboard che nessuno apre non è manutenzione predittiva, è un costo mensile in più. La parte che fa davvero la differenza è cosa succede quando un valore supera la soglia impostata.
In un sistema fatto bene, il superamento della soglia deve generare automaticamente un ordine di lavoro, assegnato a un tecnico, con priorità coerente con la criticità della macchina, e visibile a chi gestisce i ricambi a magazzino. Non un'email che finisce ignorata, non un avviso che arriva a chi non può fare nulla. Qui entra in gioco il legame tra manutenzione predittiva e gestione degli interventi tecnici: il dato serve solo se si trasforma in un intervento pianificato, con il ricambio giusto già disponibile invece di doverlo ordinare quando la macchina è già ferma.
E qui torna anche il tema del magazzino: se il sensore ti avvisa che un cuscinetto sta per cedere ma quel cuscinetto non è a scorta e ha tre settimane di consegna, l'allarme predittivo serve solo a farti aspettare con ansia invece che a farti risparmiare. Vale la pena guardare come si tiene sotto controllo il magazzino ricambi in parallelo a qualsiasi progetto di manutenzione predittiva.
Quando conviene davvero (e quando no)
Non tutte le macchine meritano un sensore. Questa è una cosa che pochi fornitori dicono apertamente, perché il loro modello di business è vendere sensori.
La predittiva ha senso quando si incrociano almeno due condizioni:
- Il fermo macchina costa parecchio, in produzione persa, in penali contrattuali, in clienti che aspettano un servizio già venduto.
- Il guasto non è prevedibile in modo affidabile con la semplice preventiva a calendario, cioè il componente si degrada in modo variabile e non lineare.
Se hai una macchina secondaria, facile da sostituire, con un fermo che costa poco, la preventiva classica basta e avanza. Se hai una linea critica, un impianto che serve clienti in continuità (pensa a un impianto di refrigerazione per un cliente alimentare, o a un ascensore in un condominio con obbligo di continuità di servizio), il calcolo cambia radicalmente.
Aziende diverse, esigenze diverse
Qui vale la pena fermarsi, perché la manutenzione predittiva non è una funzione uguale per tutti, anche se il nome sembra suggerirlo.
Una piccola officina meccanica con tre o quattro macchine utensili probabilmente non ha bisogno di un sistema di sensori diffuso: le controlla un operatore esperto che sente il rumore anomalo prima di qualsiasi accelerometro. Qui il gestionale serve più a tenere lo storico interventi e a programmare le scadenze, cosa che rientra nella normale gestione delle manutenzioni.
Un impianto produttivo con linee critiche, turni continui e più stabilimenti ha un problema diverso: decine o centinaia di asset da monitorare, dati che arrivano da PLC e inverter diversi, e la necessità di far dialogare i sensori con l'ERP di produzione per capire l'impatto reale di un fermo sulla schedulazione. Qui il tema si lega direttamente al gestionale di produzione, perché il dato del sensore da solo non basta: deve incrociarsi con gli ordini in corso.
Un'azienda di servizi, penso a chi gestisce impianti termici, ascensori, celle frigorifere o attrezzature installate presso i clienti, ha un'esigenza ancora diversa: il dato non arriva da una macchina in casa propria ma da un asset remoto, e la predittiva si intreccia con la gestione della flotta tecnici, con i contratti di assistenza e con gli SLA da rispettare. Qui il valore vero non è solo evitare il guasto, è anche poter dire al cliente "il tuo impianto sta per avere un problema, mandiamo un tecnico prima che si fermi", il che cambia completamente il rapporto commerciale.
Tre aziende, tre volumi di dati, tre modi di usare lo stesso concetto. Nessuna sbaglia, hanno solo bisogni diversi.
Stai valutando sensori e soglie per le tue macchine ma non sai da dove partire? Parliamo del tuo caso specifico prima di comprare qualsiasi kit IoT: scopri come AstraLoop progetta gestionali su misura per la manutenzione predittiva su /gestionale-su-misura/.
I dati storici che ti servono prima ancora di iniziare
Un sistema predittivo senza storia non predice niente, imita solo un allarme generico. Prima di installare un sensore serve capire cosa hai già: quanti guasti hai registrato negli ultimi anni, su quali macchine, con quale causa, con quale costo di fermo. Se questi dati oggi vivono su un file Excel compilato a mano, o peggio nella testa di chi lavora in officina da vent'anni, il primo lavoro non è comprare sensori: è mettere ordine nello storico interventi dentro un gestionale, così che tra qualche mese tu abbia una base sufficiente per far funzionare le soglie in modo sensato. Molte aziende saltano questo passaggio, comprano il pacchetto di sensori pensando che il software "impari da solo", e si ritrovano con soglie tarate su valori standard di catalogo che non hanno nulla a che vedere con la loro macchina specifica.
Investimento e ritorno: di cosa parliamo davvero
Qui niente percentuali inventate, solo ordini di grandezza ragionevoli. Un progetto di manutenzione predittiva ha tipicamente due componenti di costo: un investimento iniziale una tantum per sensori, integrazione e messa a punto delle soglie, e un canone ricorrente per la piattaforma software che raccoglie e interpreta i dati, spesso legato al numero di asset monitorati. Il ritorno va misurato su una cosa sola: quante ore di fermo non pianificato eviti, su macchine dove quel fermo ha un costo reale e misurabile. Se non riesci a stimare quel costo, non riesci nemmeno a giustificare l'investimento, e probabilmente è un segnale che quella macchina non è la priorità giusta per partire.
Il rischio più comune: comprare sensori senza sapere cosa misurare
Lo scenario più comune: un'azienda compra un kit di sensori IoT pronti all'uso, magari spinta da un fornitore che promette "predittiva chiavi in mano", li installa sulle macchine che sembrano più a rischio, e dopo qualche mese si ritrova con un dashboard pieno di grafici che nessuno sa interpretare e che non parla con il gestionale usato ogni giorno per aprire gli interventi.
Il problema raramente è la tecnologia del sensore. È aver saltato la domanda di partenza: quale decisione voglio prendere in modo diverso grazie a questo dato? Senza una risposta precisa, come un ordine di lavoro automatico, una riprogrammazione della produzione o una pre-allerta al cliente, il sensore diventa un costo che genera dati e non azioni.
Modulo standard o soluzione su misura: quando basta il pacchetto pronto
Va detto con onestà, perché altrimenti il resto del discorso perde credibilità: se le tue macchine sono modelli comuni, con parametri di manutenzione già ben documentati dal costruttore, e il tuo processo produttivo è abbastanza standard, un gestionale verticale già pronto con un modulo di manutenzione predittiva integrato può bastare tranquillamente. Non serve inventare nulla se il prodotto pronto copre già il tuo caso.
Il su misura comincia ad avere senso quando la tua situazione ha specificità che il prodotto pronto ti costringe a piegare: macchine non standard o modificate internamente, dati che arrivano da sensori e PLC di marche diverse che il modulo pronto non sa integrare, necessità di far dialogare la predittiva con un ERP di produzione o con un CRM di assistenza già costruito su misura, oppure processi di intervento con regole particolari che nessun modulo generico prevede. In questi casi il tentativo di forzare tutto dentro un prodotto standard produce solo eccezioni gestite a mano, fogli Excel paralleli e dati che restano isolati gli uni dagli altri.
Se stai valutando questa strada, vale la pena partire dalla domanda più ampia: hai bisogno di un modulo in più, o di un gestionale su misura pensato attorno al tuo processo di manutenzione, ai tuoi asset e ai tuoi dati storici? È una domanda che conviene farsi prima di firmare qualsiasi contratto con un fornitore di sensori.
In AstraLoop progettiamo gestionali su misura anche per chi deve gestire manutenzione predittiva, interventi tecnici e ricambi in un unico flusso coerente, senza dover far parlare tra loro tre sistemi diversi con un foglio Excel come collante. Se vuoi capire cosa ha senso per la tua situazione specifica, prima di comprare un sensore, parlane con noi.
Domande frequenti
Cosa cambia tra manutenzione preventiva e manutenzione predittiva?
La preventiva interviene a scadenze fisse (ore di funzionamento o calendario), a prescindere dallo stato reale del componente. La predittiva interviene quando i dati raccolti dai sensori mostrano che un componente si sta effettivamente avvicinando al limite, riducendo sia i fermi improvvisi sia le sostituzioni di pezzi ancora buoni.
Serve installare sensori su tutte le macchine?
No. Ha senso monitorare le macchine dove un fermo costa davvero (produzione persa, penali, clienti in attesa) e dove il guasto non è prevedibile in modo affidabile con la sola manutenzione a calendario. Su macchine secondarie o facili da sostituire spesso la preventiva classica resta la scelta più sensata.
Quanti dati storici servono prima di iniziare un progetto di manutenzione predittiva?
Serve uno storico reale di guasti e interventi, con causa e costo del fermo, per tarare soglie sensate sulla tua macchina specifica. Senza questa base il sistema lavora su soglie generiche di catalogo, poco affidabili per il tuo contesto.
Come si struttura solitamente l'investimento in manutenzione predittiva?
In genere un investimento iniziale una tantum per sensori, integrazione e taratura delle soglie, più un canone ricorrente per la piattaforma software legato al numero di asset monitorati. Il ritorno va valutato sulle ore di fermo non pianificato che riesci realmente a evitare su macchine critiche.
Quando conviene un gestionale su misura invece di un modulo standard?
Quando le tue macchine, i tuoi dati (sensori e PLC eterogenei) o il tuo processo di intervento hanno specificità che un modulo pronto ti costringe a forzare, generando eccezioni gestite a mano e dati isolati tra sistemi diversi. Se il tuo caso è standard, invece, un modulo integrato in un gestionale verticale può bastare.
Prima di firmare un contratto con un fornitore di sensori, capisci se ti serve davvero un modulo in più o un gestionale costruito attorno al tuo processo. Scrivi ad AstraLoop e parliamo della tua situazione su /gestionale-su-misura/.