Manutenzione predittiva degli impianti per il trattamento dei rifiuti e obiettivi di sviluppo sostenibile tra risparmio energetico e innovazione. Su queste basi nasce la collaborazione tra AMA Roma, che gestisce la raccolta, il trattamento e lo smaltimento dei rifiuti solidi urbani nella Capitale e Mipu, società italiana specializzata nelle tecnologie predittive e nella produzione di intelligenze artificiali industriali.
Un cambiamento di prospettiva necessario
Emanuele Lategano, Direttore Impianti di AMA
Avevamo la necessità di cambiare la prospettiva nella gestione dei nostri impianti di trattamento rifiuti con un approccio innovativo, introducendo il concetto di manutenzione predittiva. Abbiamo dunque deciso di adottare nuovi modelli di business responsabile, accelerando l’innovazione, e attivando collaborazioni con aziende innovative che abbiano eletto il connubio tra innovazione e sostenibilità a mission aziendale.Come partner ideale abbiamo individuato Mipu Società Benefit: grazie alle loro soluzioni diremo stop alla manutenzione solo in caso di guasto, programmando interventi attraverso un piano che ci porta al miglioramento degli standard di sicurezza, alla riduzione dell’impatto ambientale del trattamento dei rifiuti e alla minimizzazione dei costi.
Insieme per lo sviluppo sostenibile
Irene Stramaccioni, Asset Management Specialist di Mipu
AMA ci ha contattato per un progetto in grado di imprimere una svolta nella gestione della manutenzione degli impianti di trattamento dei rifiuti con prospettive a lungo termine. Solitamente si ottimizza la gestione della manutenzione per ridurre il consumo delle risorse energetiche e delle materie prime per unità di output finale, rendendo il processo più sostenibile.Nel settore del trattamento rifiuti la missione è ancora più sfidante, perché è necessario valorizzare il più possibile le materie prime secondarie riducendo i consumi energetici. Per AMA abbiamo realizzato un progetto di Ingegneria dell’affidabilità, basato sull’analisi FMECA (Failures Mode Effect and Criticality Analysis). In pratica, attraverso l’impiego dei nostri algoritmi di machine learning è stato possibile impostare piani di manutenzione mirati, e concentrare le risorse sui materiali più critici, prevedendo quali attività fare, su quali macchinari e con quale frequenza. Introducendo inoltre la manutenzione predittiva è possibile migliorare la qualità del servizio, ottimizzando i costi e riducendo al minimo i rischi di indisponibilità degli impianti. guasti o interruzioni.