Nel power quality gli eventi critici non si presentano sempre come un “blackout” evidente: spesso sono intermittenti, multi-causa e strettamente legati a ciò che accade nel processo (avvii, cicli rapidi, carichi non lineari). È proprio questa natura “sfuggente” che rende i dati il primo vero asset: se non misuri, non distingui un’anomalia episodica da un pattern ricorrente che sta già erodendo affidabilità e produttività.
Il punto di partenza è quindi la raccolta strutturata delle evidenze attraverso un audit energetico: misurazioni, storicizzazione e lettura tecnica delle grandezze elettriche e (quando disponibili) fisiche. Una volta individuate le criticità – variazioni di tensione, micro interruzioni, instabilità, distorsioni, stress termici – si passa alla fase successiva: selezionare e implementare soluzioni tecnologiche adeguate (stabilizzazione, compensazione, filtraggio, rifasamento, ottimizzazione).
A quel punto, però, la partita non è “chiusa”: la manutenzione predittiva diventa lo strumento ideale per garantire il corretto funzionamento delle apparecchiature e prevenire problemi prima che impattino il sistema produttivo. Trend, anomalie ripetute, sforamenti soglia, surriscaldamenti e instabilità non sono solo allarmi: sono segnali deboli che, se letti e interpretati, permettono di intervenire in modo mirato.
In questo contesto, il monitoraggio via cloud è una risorsa chiave: abilita storico, alerting e analisi scalabile, trasformando la qualità dell’energia in una disciplina realmente data-driven.
DOVE L’ANALISI DEI DATI TRAMITE AUDIT ENERGETICO CREA PIÙ VALORE NEL POWER QUALITY (SETTORI E SCENARI)
SETTORI AD ALTA SENSIBILITÀ
- Manifatturiero automatizzato (linee, robot, packaging): scatti, reset e microfermi hanno un costo elevato perché interrompono sequenze e sincronismi.
- Process Industry (chimica, plastica, carta, cementifici): continuità di processo, carichi variabili e stress termici rendono preziosa la lettura dei trend.
- Food & beverage: fermo linea e instabilità elettrica possono tradursi in scarto e perdita di lotto.
- Pharma/elettronica: qualità e ripetibilità del processo richiedono parametri stabili e controllo delle anomalie.
- Data center/infrastrutture critiche: tolleranza quasi zero agli eventi; anche micro interruzioni e disturbi rapidi sono rilevanti.
- Logistica automatizzata: molti drive, cicli rapidi e picchi di carico rendono essenziale individuare ripetizioni e correlazioni.
Ortea si rivolge proprio a contesti industriali, terziario avanzato e infrastrutture dove la continuità e la protezione delle apparecchiature sono priorità operative.
PERCHÉ IL POWER QUALITY È DATA-DRIVEN E LA MANUTENZIONE PREDITTIVA È IMPORTANTE
NON PREVEDI IL FUTURO: RICONOSCI PATTERN DI DEGRADO
La manutenzione predittiva non è “magia”: non serve a indovinare quando avverrà un guasto, ma a riconoscere come un sistema sta degradando. La differenza pratica è questa:
- Guasto improvviso: sembra arrivare senza preavviso (spesso perché non si misurava la variabile giusta o con la granularità corretta).
- Guasto che lascia tracce: rilascia segnali prima dell’evento finale (deriva lenta, aumento della variabilità, micro-eventi ripetuti).
Nel power quality la “traccia” può essere un evento brevissimo (transitorio), un trend lento (drift di tensione/correnti/cosφ) o una correlazione con specifiche condizioni di processo (solo su una linea, solo a un certo carico).
DAL “FERMO MACCHINA” AL “SEGNALE DI RISCHIO” (SEGNALI DEBOLI DA CERCARE)
I segnali deboli non sono diagnosi definitive: sono indicatori che la probabilità di un problema sta crescendo. Se li intercetti presto, riduci i fermi non pianificati e migliori la qualità dell’intervento.
Segnali da monitorare:
- Temperatura anomala persistente: spesso primo indicatore di stress, ventilazione non adeguata o componenti che lavorano fuori specifica.
- Drift di parametri (tensione, cosφ, correnti): più del singolo valore conta la deriva rispetto alla baseline e la velocità con cui cambia.
- Ripetizione di transitori/eventi: un evento piccolo ma frequente è spesso più serio di un picco isolato.
- Aumento di allarmi minori: anticipa allarmi maggiori; l’impianto “sta peggiorando” a piccoli passi.
- Anomalia correlata al processo: compare solo quando parte una specifica linea/macchina/ricetta → la predittiva diventa anche diagnosi.
- Oscillazioni più ampie: se un KPI “balla” sempre di più, stai perdendo controllo (carico variabile, componenti in degradazione, condizioni di rete che cambiano).
MANUTENZIONE PREDITTIVA VS PREVENTIVA
- Manutenzione preventiva = calendario
Interventi programmati a prescindere dalla condizione reale. Utile, ma può generare sostituzioni premature o controlli “a vuoto”.
- Manutenzione predittiva = condizione reale
Interventi basati su evidenze: meno attività inutili, più azioni mirate, maggiore probabilità di eliminare la causa radice (non solo il sintomo).
METODO OPERATIVO: COME COSTRUIRE UNA MANUTENZIONE PREDITTIVA EFFICACE
STEP 1 – ASSET CRITICI E FAILURE MODE (FMEA “LIGHT”)
Parti dagli asset che, se degradano, generano il costo più alto: fermo, scarto, perdita di qualità, rischi di sicurezza o di conformità. Poi definisci “come falliscono” in modo pragmatico (FMEA leggera): componenti critici, modalità di guasto tipiche, impatto sul processo, segnali osservabili e contromisure.
Esempio di logica: evento → effetto → evidenza misurabile.
Nel power quality, l’evidenza spesso sta nei pattern (ripetizioni, drift, instabilità), non solo nel valore istantaneo.
STEP 2 – BASELINE + GRANULARITÀ
La baseline è la definizione operativa di “normalità” (per impianto, linea, turno, prodotto). Senza baseline, qualunque soglia è arbitraria.
La granularità conta perché molti disturbi sono rapidi: se misuri troppo “lento”, perdi proprio ciò che genera microfermi e reset. La baseline deve includere:
- finestre temporali rappresentative (giorni/settimane)
- condizioni di processo diverse
- segmentazione per linea/macchina/ricetta, quando serve.
STEP 3 – REGOLE DI RILEVAZIONE (OLTRE LA SOGLIA)
Le soglie sono solo il primo livello. Una rilevazione matura combina più logiche:
- Soglia statica: limite fisso (semplice, ma spesso troppo rigido).
- Soglia dinamica (vs baseline): alert quando ti allontani dalla normalità per quel contesto.
- Trend: crescita/decrescita lenta ma costante (es. drift).
- Rate-of-change: velocità del cambiamento (utile per identificare deterioramenti rapidi).
- Correlazioni con processo: l’anomalia ha senso solo quando collegata a evento/linea.
STEP 4 – WORKFLOW: DALL’ALLARME ALL’AZIONE (EVITARE ALARM FATIGUE)
Per evitare “alarm fatigue” servono regole di ingaggio chiare:
- Chi riceve cosa (manutenzione, energy manager, produzione).
- Severità e priorità (informativo/attenzione/critico).
- Tempi di presa in carico e criteri di escalation.
- Chiusura dell’allarme con nota tecnica.
- Root cause: ogni evento importante deve alimentare una knowledge base interna (cosa è successo, perché, come evitarlo).
KPI E DELIVERABLE UTILI (TECNICI + MANAGEMENT)
KPI TECNICI
KPI “da power quality” che aiutano a capire se stai migliorando:
- Numero e tipologia di eventi (per periodo, per linea, per fascia oraria).
- Stabilità: indicatori di variabilità (quanto oscillano tensione/correnti/cosφ).
- Trend e drift: deviazione progressiva dalla baseline.
- Ripetizioni: frequenza e ricorrenza di transitori/allarmi minori.
- Tempo in anomalia: non solo quanti eventi, ma quanto resti in condizione non ottimale.
Deliverable tecnici tipici:
- report eventi con classificazione e severità
- grafici di trend e confronti vs baseline
- correlazioni con eventi di processo (quando disponibili)
- lista prioritaria di azioni correttive/preventive.
KPI OPERATIVI/ECONOMICI (SENZA NUMERI)
Qui l’obiettivo non è “fare contabilità”, ma rendere leggibile il valore per chi decide:
- Diagnosi più rapida (meno tempo per capire “cosa sta succedendo”).
- Meno fermi e maggiore continuità operativa.
- Meno scarti e maggiore stabilità di qualità.
- Meno interventi “a tentativi”: passaggio da manutenzione reattiva a interventi mirati.
- Maggiore vita utile degli asset grazie a stress ridotto e controllo continuo.
PERCHÉ I DATI IN CLOUD RENDONO LA MANUTENZIONE PREDITTIVA SCALABILE (MULTI-SITO, STORICO, ALERT, ANALISI)
Ortea offre anche servizi di telemonitoraggio tramite piattaforma cloud Ortea XCloud per controllare in tempo reale parametri elettrici, consumi e allarmi.
3 MOTIVI PRATICI
- Continuità e storico dati
Senza storico vedi “istantanee”; con lo storico capisci trend, ciclicità e deriva.
- Alert push
Non devi “andare a guardare”: ricevi notifiche quando serve, con regole di severità.
- Analisi, export e reporting
I dati diventano riutilizzabili: report per audit, analisi post-evento, supporto alla root cause.
ARCHITETTURA TIPICA (DESCRIZIONE GENERALE DI COME SONO FATTI QUESTI STRUMENTI)
- Sensori/strumenti in campo (misure elettriche e, se presenti, fisiche)
- Edge/gateway (raccolta, normalizzazione, prima elaborazione)
- Piattaforma cloud (storage, regole, analytics)
- Dashboard + storico eventi
- Notifiche + workflow
- Export / API / report
UN ESEMPIO PRATICO: ORTEA XCLOUD APPLICATA ALLA MANUTENZIONE PREDITTIVA
Immagina un’azienda con più reparti produttivi e un obiettivo semplice: ridurre microfermi e interventi reattivi legati a disturbi di rete, variazioni di tensione o condizioni operative non ottimali. In un contesto del genere, una piattaforma come Ortea XCloud diventa il punto di controllo unico per il monitoraggio remoto delle apparecchiature, centralizzando dashboard e storico eventi.
Il valore, in ottica predittiva, non è “vedere un allarme”: è mettere in relazione ciò che l’impianto sta facendo con ciò che i dati stanno raccontando. Il monitoraggio continuo di grandezze elettriche e fisiche consente di individuare derive lente (baseline che si sposta), ripetizioni di transitori, instabilità che cresce nel tempo. In parallelo, avere allarmi attivi, grafici e storico permette di riconoscere pattern: ad esempio un’anomalia che compare solo in avviamento linea, o un aumento progressivo di variabilità a fine turno.
Dal punto di vista operativo, la possibilità di scaricare i dati con filtri (per grandezze e intervallo temporale) accelera l’analisi post-evento e la ricerca della causa radice: invece di “andare a tentativi”, il team tecnico può verificare cosa è cambiato prima del fermo o del degrado. A completare il flusso, le notifiche via email/SMS su attivazione/cessazione allarme aiutano a ridurre il tempo di reazione, evitando che un segnale debole resti invisibile fino a diventare un problema.
Il risultato atteso è concreto: interventi più tempestivi e più mirati, con riduzione di disservizi e costi indiretti (fermi, scarti, rotture). In altre parole, la manutenzione predittiva smette di essere un concetto e diventa un metodo: dati → segnali → azione.
QUALI FAMIGLIE DI PRODOTTO POSSONO BENEFICIARE
- Stabilizzatori di tensione Sirius/Sirius Advance
- Sistemi di risparmio energetico Enersolve e Powersines (ComEC)
- Compensatori di buchi di tensione e micro interruzioni Oxygen e Oxygen Zero
- Sistemi di rifasamento gamma MULTImatic (rifasamento BT/MT in portfolio Ortea)
IL RUOLO DELL’EDGE (NEB) SPIEGATO IN 2 RIGHE
L’edge (NEB – Next cloud Edge Box) funziona come ponte bidirezionale tra apparecchiature in campo e piattaforma cloud: raccoglie dati, abilita segnalazioni e supporta funzioni operative come aggiornamenti e gestione remota, portando “intelligenza” vicino alla macchina.
