Intelligenza artificiale applicata alla manutenzione industriale
Strumenti di AI generativa e predittiva integrati nel CMMS per ridurre i tempi di diagnosi e migliorare la qualita dei dati di intervento.
Perchè scegliere questo modulo
Diagnosi piu rapide in campo
Il tecnico ottiene un parere preliminare in pochi secondi caricando una foto dell'anomalia, riducendo il tempo speso nella consultazione manuale di schemi e libretti tecnici del macchinario.
Conoscenza sempre disponibile
Manuali, procedure e storico interventi diventano interrogabili in linguaggio naturale grazie al motore RAG, anche per tecnici junior o personale di nuovo inserimento in turno.
Schede guasto coerenti
L'AI genera una bozza strutturata di scheda guasto a fine intervento, garantendo descrizioni omogenee tra tecnici diversi e dati piu affidabili per le analisi statistiche e i KPI.
Pianificazione predittiva
Le indicazioni del modello predittivo alimentano direttamente le ricorrenze del modulo Programmata, anticipando gli interventi sui componenti a maggior rischio di rottura.
Carico di lavoro bilanciato
La riassegnazione equa propone una distribuzione dei ticket tra tecnici basata su competenze, ore assegnate e sede, evitando sovraccarichi e tempi morti nel planning settimanale.
Dati protetti e tracciati
Ogni interazione AI resta vincolata al tenant e alla sede, senza riutilizzo per addestramento esterno, con audit trail completo di prompt, fonti citate e utente che ha confermato l'output.
Cosa puoi fare con Intelligenza artificiale
RAG sui documenti del macchinario
Indicizzazione semantica via embeddings di manuali, schemi, procedure e storico interventi associati al singolo macchinario, con risposte ancorate alle fonti e citazione del documento di riferimento.
Diagnosi foto con Vision AI INGENIA
Analisi multimodale delle foto allegate al ticket per identificare componenti, anomalie visive e possibili cause, con suggerimento dei ricambi correlati e dei controlli di verifica.
Scheda guasto generata in automatico
Alla chiusura del ticket l'AI compila una bozza di scheda guasto con causa, soluzione e raccomandazioni, basata su chat, foto, fasi START/STOP e ricambi prelevati.
Manutenzione predittiva sui KPI
Modello statistico sui dati storici MTBF, MTTR, ore di funzionamento e fermi MES per stimare la probabilita di guasto e proporre interventi programmati anticipati nel planning.
Analisi del planning manutentivo
Revisione automatica della pianificazione Gantt per individuare sovrapposizioni, sotto-utilizzi e attivita critiche, con suggerimenti di riordino delle priorita per ogni sede produttiva.
Riassegnazione equa dei ticket
Bilanciamento del carico tra tecnici in base a competenze, ore assegnate, sede e priorita, con simulazione visiva nella vista Gantt prima della conferma da parte del responsabile.
Assistente conversazionale tecnico
Interfaccia di chat che risponde a domande su procedure, ricambi compatibili e storico interventi del macchinario interrogato, mantenendo il contesto della sede e dell'utente.
Tracciabilita e revisione umana
Ogni output AI viene registrato con prompt, fonti citate e utente che ha confermato, garantendo audit trail completo e revisione obbligatoria prima della chiusura del ticket.
"Abbiamo attivato il modulo AI dopo sei mesi di utilizzo di Manutentya. La diagnosi via foto e la ricerca sui manuali hanno ridotto in modo concreto i tempi di intervento dei tecnici meno esperti, e le schede guasto generate alla chiusura ci forniscono dati piu omogenei per le analisi MTBF mensili."
Domande frequenti
Su quali documenti opera il motore RAG di Manutentya?
Il motore RAG indicizza i documenti caricati nell'anagrafica di ogni macchinario: manuali d'uso, schemi elettrici e pneumatici, libretti di garanzia, procedure operative, report di intervento storici e documentazione fornitore importata via MES. I contenuti vengono trasformati in embeddings e segmentati per macchinario, in modo che ogni risposta sia ancorata alle fonti reali della singola macchina e citi il documento e la pagina di riferimento.
Come funziona la diagnosi guasti tramite foto con la Vision AI INGENIA?
Il tecnico scatta una o piu foto dal ticket usando la PWA, anche off-line. Le immagini vengono inviate al motore Vision AI proprietario di INGENIA insieme al contesto del macchinario, allo storico ticket e ai documenti indicizzati. Il sistema restituisce una diagnosi preliminare, le possibili cause, i ricambi probabilmente coinvolti e i passi di verifica suggeriti. L'output e sempre revisionabile dal tecnico e tracciato per audit.
La scheda guasto AI sostituisce la compilazione manuale del tecnico?
No, la affianca. Alla chiusura del ticket l'AI elabora chat, foto, fasi cronometrate START/STOP, ricambi prelevati e firma digitale, generando una bozza di scheda guasto con descrizione, causa, soluzione e raccomandazioni. Il tecnico verifica, integra e conferma. In questo modo si riducono i tempi di reporting senza perdere il controllo qualitativo sui dati che alimentano KPI MTBF e MTTR.
Su cosa si basa il modulo di manutenzione predittiva?
La predittiva utilizza i dati storici di Manutentya: frequenza guasti, MTBF e MTTR per macchinario, ore di funzionamento, ricambi consumati, fermi rilevati dal MES e stagionalita degli interventi. Il modello identifica componenti con probabilita crescente di rottura e suggerisce interventi programmati anticipati. Le indicazioni alimentano il planning Gantt e possono generare automaticamente ordini di lavoro ricorrenti soggetti ad approvazione.
I dati aziendali vengono usati per addestrare modelli pubblici?
No. Manutentya separa logicamente i dati di ogni tenant e li utilizza solo per generare risposte all'interno della stessa istanza. Le chiamate ai modelli linguistici avvengono con clausole di no-training e i contenuti non sono riutilizzati per addestramento esterno. Documenti, foto e ticket restano vincolati alla sede e al tenant di appartenenza, in coerenza con i requisiti GDPR e con le policy di sicurezza industriale.
La riassegnazione equa AI come distribuisce il carico tra i tecnici?
L'algoritmo analizza il planning corrente, le ore gia assegnate, le competenze dichiarate, la sede di appartenenza e le priorita dei ticket aperti. Propone una redistribuzione che bilancia il workload settimanale evitando sovraccarichi e tempi morti. Il responsabile vede la simulazione nella vista Gantt e nel bar chart del carico prima di confermare. Nessuna riassegnazione avviene in modo automatico senza approvazione umana.
Approfondisci Intelligenza artificiale
Vuoi vedere Intelligenza artificiale sui tuoi dati?
Ti facciamo una demo personalizzata, partendo dal tuo parco macchine reale.
Richiedi una demo gratuita