Predictive maintenance

La manutenzione predittiva è un tipo di manutenzione preventiva che viene effettuata a seguito dell’individuazione di uno o più parametri che vengono misurati ed estrapolati utilizzando appropriati modelli matematici allo scopo di individuare il tempo residuo prima del guasto.

Il perimetro Predictive Maintenance vuole racchiudere tutte quelle startup innovative specializzate nella raccolta e trasmissione di dati e nella analisi degli stessi (spesso grazie a Artificial Intelligence e/o Machine Learning) con l’obiettivo di generare valore.

Business Needs

cerca soluzioni per:
migliorare gli interventi predittivi su asset produttivi o di rete, riducendo outages e costi di manutenzione.

possiede circa il 50% delle gallerie d’Europa e una retedi oltre 26.000km di strade e autostrade in Italia.  Ha in programma importanti investimenti per l’efficientamento energetico degli impianti in galleria (illuminazione, ventilazione, etc.).

Cerca soluzioni per:

ridurre i costi di esercizio e/o migliorare il processo gestionale e/o aumentare i livelli di servizio.

acquisire migliori informazioni (attraverso strumenti informatici di diagnostica, strumenti di rilievo dati, etc.) sullo stato prestazionale delle infrastrutture (piattaforme stradali, ponti, muri di sostegno, gallerie, barriere di protezione laterale, reti di deflusso delle acque superficiali, etc.) per adottare provvedimenti che garantiscano sempre elevati livelli di sicurezza e qualità per gli utenti delle strade e il contenimento dei costi;
migliorare la gestione dei “big data” derivanti dai sensori fissi e mobili (es. telecamere, laserscanner, etc.) già utilizzati da ANAS, al fine di renderne più efficiente l’utilizzo.

Possiede dei mezzi di trasporto che percorrono in media 45.000 km/anno. 

Cerca soluzioni per:

Gestire con sensori la manutenzione della loro flotta (es. alert sulle componenti, giusti tempi di intervento…) al fine di far vivere il mezzo per almeno 15 anni.

Possiede 3.020 km di strade in Italia.

Cerca soluzioni per:

Analisi e monitoraggio delle infrastrutture (es. manto stradale, ponti, bordo strade…);
Gestione dei big data derivanti dai sensori fissi e mobili (es. telecamere) già presenti sulle strade ai fini di facilitare le info da estrapolare e il loro utilizzo;
Efficientamento energetico degli impianti di illuminazione e ventilazione delle gallerie.

E’ il più grande produttore al mondo di pneumatici, ha più di 140000 dipendenti ed è presente in più di 150 paesi. Un veicolo su 5 al mondo monta pneumatici Bridgestone.  La sicurezza è uno dei valori fondamentali per Bridgestone per questo l’importanza delle condizioni del pneumatico è al centro della missione della corporation.

Cerchiamo soluzioni per:

Stabilire o predire il livello residuo di battistrada in un modo conveniente, veloce ed economico sfruttando le nuove tecnologie digitali come smartphone, app, cloud, connected vehicle.

Possiede circa 40 impianti di smistamento di medie dimensioni per i quali la spesa di manutenzione complessiva ammonta a circa 400.000 €/anno e ha inoltre 2 grandi hub di smistamento dotati anche di tecnologie più avanzate (ad es. fotocellule, pesatori, deviatori, logiche di controllo) dove viene già effettuata la manutenzione predittiva (affidata a terzi con personale residente) con costi di manutenzione totali che superano la quota di € 1.5 milioni annui. 

Cerca soluzioni per:

Ottimizzare i costi di manutenzione degli apparati (ad es. i componenti infeeder, nastri e rulli trasportatori, motori in genere) valutando alcuni parametri come temperatura, ore utilizzo motore, allineamento del nastro, peso di trasporto;
Ridurre i tempi di intervento che impattano il network ed il servizio finale al cliente;
Migliorare la consapevolezza e la soddisfazione dell’utilizzatore finale.

Identificare i componenti meccanici più sensibili (magazzino spare parts);
Ottimizzare i costi manutentivi mediante un approccio predittivo.

Possiede 3 milioni di apparati di rete periferici (es. modem, dslam, edge routers,…) dei quali colleziona numerosi dati di stato e funzionamento per valutare il degrado delle prestazioni di connettività tra gli stessi.


Cerca soluzioni per:

Prevedere o migliorare la diagnostica a livello di apparato per la previsione del degrado dello stesso, così riducendo tempi e costi del supporto, oltre che di downtime.

Possiede una flotta che percorre ogni anno circa 446 Milioni di km di cui 193 su treni regionali, 93 su lunga percorrenza (AV, intercity), 43 su treni merci, 117 su gomma con un investimento di circa 500M €/anno in manutenzione straordinaria e 800M€/anno in ordinaria su materiale rotabile, più 1Miliardo sull’infrastruttura. 

Cerca soluzioni per:

Automatizzare l’analisi dei dati provenienti dai sensori disposti lungo le tratte (es. telecamere, treni diagnostici, sensori a bordo treno) ai fini di renderne più efficiente la manutenzione.

Gestisce un market place con centinaia di aziende clienti interessate a innovazioni tecnologiche nel proprio business. 

In particolare sono in cerca di:

Layer applicativo open in grado di raccogliere dati di telemetria e abilitare il controllo remoto in ambito industriale su protocolli standard con algoritmo predittivo per invio alert/insight per automatizzazione di azioni dispositive;
Soluzioni predittive per il riordino gestione dello stock in funzione dei dati di vendita e/o dello stato degli impianti.

Gestisce una rete particolarmente capillare e interconnessa (72.600 km di linee di alta tensione), potenzialmente idonea a costituire la infrastruttura portante di un “sistema” di servizi integrati di monitoraggio e protezione dell’ambiente: infatti la distribuzione dell’infrastruttura, la disponibilità di torri molto alte e l’esistenza di una rete in fibra ottica “embedded”, costituiscono fattori distintivi abilitanti al monitoraggio del territorio, nonché, tramite l’installazione di opportuna sensoristica, dell’infrastruttura stessa evidenziando  eventuali cedimenti o condizioni anomale dei tralicci e delle linee.

Cerca soluzioni per:

Acquisire informazioni sullo stato delle infrastrutture e dell’ambiente con tecnologie integrate alle piattaforme ed infrastrutture esistenti;
Analizzare ed interpretare i dati derivanti dai sensori, al fine di estrapolare informazioni utili alla manutenzione dell’infrastruttura.

SENTETIC

Referente:

Paola Bonomo
Italian Angel for Growth

Anno costituzione:

dicembre 2016

Fundraising:

185k€

Team: 4

Sandro Bovelli (CEO)
Giuseppe Frullo (CMO)
Lorenzo Maiorfi (CTO)
Marco Poponi (Architettura software e System integration)

Prodotto:

Soluzione end-to-end di manutenzione predittiva basata su algoritmi di deep learning che analizzando i dati di funzionamento di un qualsiasi dispositivo industriale, riesce ad identificare le anomalie di funzionamento e prevenire i guasti, riducendo i costi di manutenzione e migliorando performance energetiche.

SED

Referente:

Luciano De Propris
ELIS

Anno costituzione:

2012

Fundraising:

70k round 1

Team: 6

Alessandro Corsini (founder)
Andrea Marchegiani (co-founder)

Graziano Ullucci (Product Engineer)
Federico Squillante (Software Engineer)
Lucio Cardillo (CAE-CFD Senior Engineer)
Cecilia Tortora (EFD Senior Engineer)

Prodotto:

AUDIRE: tecnologia di monitoraggio in tempo reale delle condizioni di sistemi industriali che riconosce anticipatamente i guasti e controlla le condizioni operative (conditionmonitoring) grazie ad una tecnologia contact-less RFID che misura la voce del sistema per ricostruire un pattern del segnale di pressione acustica registrato, confrontandoli con una libreria di template rappresentativi di una pluralità di condizioni di funzionamento, e ricavandone un segnale di controllo o un’informazione di qualità diagnostica sulla base dell’algoritmo SDP2® di comparazione dei pattern.

AIRGLOSS

Referente:

Michela Marcoccia
Bic Lazio

Anno costituzione:

2013

Fundraising:

400K in 4 fasi

Team: 14

Ciro Formisano (CEO)
Maryna Lotsman (CFO)
Lorenzo Pizzari (CTO)
Andrea Valentini (applicazioni cross-platform)
Ciro Santillo (full stack developer)
Taras Soroka (Chief Mechanical Engineer)
Alessandro Bascone (product designer)

Prodotto:

Airgloss ha sviluppato e brevettato una tecnologia avanzata basata sull’intelligenza Artificiale in grado di identificare molteplici sostanze inquinanti e migliorare la qualità dell’aria ed il benessere negli ambienti indoor.

ARCHON

Referente:

Davide Ghezzi

Anno costituzione:

2014

Fundraising:

320k in 6 fasi, INCENSE

Team: 5+5

Davide Venturelli (CEO)
Davide Ghezzi (Executive President)
Roberto Navoni (CTO)
Francesco Castellano (CFO)
Giovanni Landi (CXO)
Daniele Stanzani (Chief Software Engineer)

Prodotto:

Archon robotizza i lavori ripetitivi, pericolosi e inefficienti che attualmente sono svolti da essere umani in infrastrutture critiche (energia, trasporto), attraverso l’utilizzo di robot volanti capaci di auto-ricaricarsi in stazioni apposite e di monitorare ed acquisire dati in maniera coordinata ed autonoma, 24/7 ad un costo ed un rischio radicalmente inferiore ai metodi precedenti. Il ruolo degli operatori umani e’ opzionalmente quello di supervisionare.

ALLEANTIA

Referente:

Antonio Gherardelli
Intesa Sanpaolo

Anno costituzione:

2011

Fundraising:

400k

Team: 9

Stefano Linari (CEO)
Antonio Conati Barbaro (COO)
Pier Luigi Zenevre (CMO)
Alexander Vannas (Application Director)
Simone Rossi, Mirko Bianchetti, Marco Polizzi, Kseniia Zhuk, Mattia Bingongiali (Development & Operation team)

Prodotto:

IoT Middleware per connettere, in modo facile e intuitivo, qualsiasi macchinario e impianto di un’azienda, di qualsiasi marca e produttore, con applicazioni on premise o on cloud, web e mobili, e con i più usati software gestionali.

SPACEEXE

Referente:

Andrea Cosentino
BIC Lazio

Anno costituzione:

2013

Fundraising:

non ricevuto

Team: 6

Alessandro Di Felice (CEO Manager)
Mirko Antonini (CTO)
Corrado Cervellati (Business Development Manager)
Barbara Massacci (Account Manager)
Gianluca Atzeni (Hardware Developer)
Giovanni Savarese (Firmware Developer)

Prodotto:

Sistema di monitoraggio autonomo per gli spostamenti superficiali da utilizzare in aree e/o strutture (dighe, torri, ponti, ecc.) soggette a deformazione dovuta a fenomeni geofisici (frane, subsidenza). Un’applicazione client consente all’Utente di controllare il sistema e di visualizzare le serie storiche degli spostamenti. Il sistema invia email in caso di malfunzionamenti o di derive improvvise negli spostamenti dei punti.

OVER

Anno costituzione:

2012

Fundraising:

1,1M

Team: 12

Adriano Cerocchi (CEO)
Roberto Baldoni (Presidente)
Giuseppe Bracone (CTO)
Mariano Leva (Sales Engineer)
Andrea Lanna (Internal Energy Manager)

Prodotto:

Sistema innovativo che integra in un unico prodotto il monitoraggio energetico ed ambientale e l’attuazione con possibilità di controllo remoto e programmazione. Il sistema consente tramite la piattaforma cloud di gestire in maniera efficiente gli impianti di illuminazione (e altri carichi rilevanti) e creare alert intelligenti per la diagnostica impianti ed il predictive maintenance

PANGEA FORMAZIONE

Referente:

Alfredo Germani – Università degli Studi dell’Aquila – Dipartimento di Ingegneria e scienze dell’informazione e matematica

Anno costituzione:

2009

Fundraising:

Non ricevuto

Team: 15

Nicola Farina
Federico Stivoli
Cinzia Di Porto
Maria Luisa Greco

Prodotto:

DBM (Deep Bayes Maintenance), grazie a deep learning e reti bayesiane, è in grado di valutare la probabilità di guasto dell’asset tecnologico, abilitando alle seguenti possibilità: – Comparazione quantitativa tra diverse opzioni di intervento. – Analisi di sensibilità (Variabili che influenzano il sistema? Sotto quali condizioni? Con quali correlazioni?). – Simulazioni di eventi per analisi “what if”. – Simulazioni Montecarlo di strategie di riordino e approvvigionamento. – Valutazione di scenari anche mai verificati in passato.

giuria_0009_Oggetto-vettoriale-avanzato
LUCA BERTONE
TIM #WCAP
giuria_0008_Oggetto-vettoriale-avanzato
FRANCESCO SACCO
BOCCONI
giuria_0007_Oggetto-vettoriale-avanzato
ROBERTO SIAGRI
EUROTECH
giuria_0006_Oggetto-vettoriale-avanzato
GIUSEPPE CINQUE
CISCO
giuria_0005_Oggetto-vettoriale-avanzato
LAURA TASSINARI
LAZIO INNOVA

Nell’ambito del predictive maintenance sono stati attivati i seguenti progetti di co-innovation tra grandi aziende e startup

Anas - Sirti -Sentetic

Esplorare la fattibilità di implementazione di un modello di manutenzione predittiva sulle “opere d’arte” della viabilità stradale. Tale modello consentirà di effettuare uno screening attivo e continuativo del comportamento delle opere e sarà in grado, attraverso l’impiego di algoritmi di Machine Learning (ML), di individuare e segnalare ad un posto di controllo remotizzato, eventuali anomalie nel comportamento dell’infrastruttura analizzata in anticipo rispetto al  manifestarsi di situazioni rischiose per la viabilità.


La startup Sentetic è stata segnalata da Paola Bonomo – Italian Angel for Growth

Trenitalia - SED Soluzioni

Realizzazione di un hardware per il monitoraggio e la valutazione dello stato di salute delle torri di raffreddamento motori. Tramite rilevamenti da sensori acustici, il dispositivo AUDIRE misura la voce del sistema per ricostruire un pattern del segnale di pressione acustica registrato. La comparazione dei differenti pattern consentirà la definizione di un KPI sulle condizioni di salute dei ventilatori di raffreddamento. La presente soluzione ha l’obiettivo di fornire a Trenitalia un sistema innovativo e semplificativo delle operazioni di manutenzione.

 


La startup Sed è stata segnalata da Luciano De Propris – ELIS 

A2A - ARCHON

Automatizzazione del processo di monitoraggio di parametri strategici per la definizione di un piano di interventi di manutenzione su impianti produttivi. Tale automatizzazione sfrutterà le potenzialità derivanti dall’utilizzo di droni e/o rover automatici, ottenendo come beneficio anche un forte impatto sociale

DHL - PANGEA FORMAZIONE

Analizzare ed identificare azioni di efficientamento della manutenzione di un impianto di logistica, attraverso un algoritmo di manutenzione predittiva.

La soluzione dovrà analizzare sia il funzionamento dell’impianto, sia la gestione del magazzino e delle ore lavorate.

 

 


La startup Pangea Formazione è stata segnalata dal Prof. Alfredo Germani – Università degli Studi dell’Aquila – Dipartimento di Ingegneria e Scienze dell’Informazione e Matematica