Un fermo macchina non programmato, su una linea di produzione ad alta velocità, ha un costo che si misura in ore di fermo, scarti e urgenze. È da questo problema molto concreto — comune a gran parte della manifattura italiana — che nasce il progetto PIA FAS, finanziato nell’ambito del Programma Operativo FESR dedicato agli “Aiuti ai programmi integrati promossi da medie imprese”. Protagonista è FAS S.p.A., azienda di Corato (Bari) specializzata nella produzione di prodotti per l’igiene — pannolini, assorbenti, salvaslip, traverse e tappetini — che ha scelto di affidarsi a CETMA, e in particolare alla sua Area SIA (Sistemi Intelligenti Avanzati), per un percorso di consulenza in Ricerca e Sviluppo finalizzato a introdurre un sistema di manutenzione predittiva su una delle linee produttive dedicate agli assorbenti.

Il lavoro di CETMA non è partito dalla tecnologia ma dalla fabbrica. La prima fase del progetto è stata un’analisi approfondita dello stato “as-is” della linea: layout, moduli, gruppi principali — svolgitori, applicatori, gruppi di taglio, tappeti di trasporto, impianti colla — e soprattutto i dati storici di manutenzione. Da questo lavoro sono emerse le criticità più ricorrenti: usura, lacerazioni, slittamenti e distacco delle guide dei nastri trasportatori, oltre a surriscaldamento e usura di lame, controlame e cuscinetti nei gruppi di taglio.

Su questa base, i ricercatori CETMA hanno messo a confronto tre possibili scenari di intervento — macchinari di trasformazione, gruppo di taglio, nastri trasportatori — valutandoli secondo criteri oggettivi: criticità operativa, disponibilità di dati storici, fattibilità tecnica di acquisizione, pattern di degrado osservabili e ritorno sull’investimento. La scelta è ricaduta sul monitoraggio dei nastri trasportatori, un componente apparentemente semplice ma responsabile di una parte significativa dei fermi macchina.

Per “leggere” lo stato di un tappeto in movimento fino a 2,75 metri al secondo, senza fermare la produzione, CETMA ha selezionato e validato una tecnologia di profilometria laser, dopo uno scouting su diversi modelli industriali. Il sensore scelto, un Keyence LJ-X8400 con controller dedicato, è stato installato in corrispondenza del rullo di ritorno del tappeto — il punto di massima tensione, dove le vibrazioni sono minime — e misura una fascia centrale di 140 mm del nastro, suddivisa in 20 sottozone da 7 mm ciascuna, calcolando per ognuna picco, fondo e media del profilo.

Attorno al sensore, CETMA ha progettato un’intera architettura di raccolta ed elaborazione dei dati: un mini-PC industriale gestisce le sessioni di acquisizione automatica — a fine turno in produzione, ogni 10 minuti nella fase di addestramento del sistema — e trasmette i dati al server aziendale. Da lì, un modello predittivo sviluppato in Python, basato su tecniche di autoencoder, analizza i profili raccolti per individuare anomalie e stimare la vita utile residua (RUL) del componente. È stato scelto un approccio inizialmente non supervisionato, coerente con la realtà di ogni progetto di questo tipo: all’avvio si dispone soprattutto di dati relativi al funzionamento normale, non ai guasti.

Tutta questa intelligenza confluisce in PrediMain, la piattaforma software multi-tenant sviluppata da CETMA per l’occasione: un backend reattivo in Spring Boot con MongoDB, Redis e Kafka, sicurezza a livello aziendale e aggiornamenti in tempo reale, e un frontend in React con una dashboard che permette di monitorare le misure, visualizzare diagnosi e prognosi, gestire ticket e attività di manutenzione, fino alla pianificazione degli interventi su vista Gantt — pensata per adattarsi a ruoli diversi, dall’amministratore all’operatore di linea.

Un sistema di questo tipo vale quanto la sua capacità di funzionare in fabbrica, non solo in laboratorio. Per questo CETMA ha condotto una campagna di test estesa su due mesi di produzione continuativa, verificando l’affidabilità hardware — dall’avvio automatico del sistema alla corretta acquisizione e trasmissione dei dati — e la solidità della piattaforma software sui suoi requisiti funzionali, dalla sicurezza degli accessi alla gestione in tempo reale di ticket e task.

La parte più delicata, e più interessante dal punto di vista scientifico, riguarda la validazione dell’intelligenza artificiale: sono stati definiti indicatori specifici per misurarne l’efficacia, dal tasso di falsi allarmi alla capacità di riconoscere difetti reali, dalla robustezza al variare della velocità di linea alla sensibilità nella stima dell’usura. I risultati mostrano un sistema già capace di individuare bene i difetti diffusi, come sfilacciamento e usura, con margini di miglioramento sui difetti più localizzati — un limite di risoluzione che il progetto sta già affrontando. La sostituzione del tappeto di trasporto a metà campagna, avvenuta a luglio 2026, ha offerto un’occasione ulteriore: verificare che il sistema conservasse parte della sua capacità diagnostica anche su un componente nuovo, un passaggio cruciale per portare la soluzione verso un utilizzo realmente continuativo in produzione.

Il progetto PIA FAS è, prima di tutto, un caso studio di come si costruisce un sistema di manutenzione predittiva partendo da zero: comprendere a fondo il processo produttivo, scegliere con metodo dove intervenire, progettare un’architettura hardware e software solida, e validarla sul campo con lo stesso rigore con cui si validerebbe qualsiasi altra tecnologia critica. È un percorso che CETMA, attraverso l’Area SIA, mette a disposizione delle imprese manifatturiere che vogliono ridurre i fermi non programmati, ottimizzare i costi di manutenzione e aumentare l’efficienza complessiva dei propri impianti (OEE), qualunque sia il settore produttivo di partenza.

Per le aziende interessate a esplorare percorsi simili — dalla diagnosi delle criticità di processo allo sviluppo di soluzioni di monitoraggio e manutenzione predittiva su misura — CETMA è a disposizione per una prima consulenza tecnica.