Configurazione Predittiva
Pannello di controllo per-tenant del motore predittivo: pesi AHI, gradi, soglie RUL, probabilità di guasto, finestra inbox e override per tipo di asset. Tracciabilità completa via config_version.
Configurazione Predittiva
La configurazione predittiva è il pannello di controllo del motore di manutenzione predittiva. Ogni tenant regola come si calcola l'AHI, quando un asset è a rischio, quale finestra usa l'inbox unificato per consolidare alert, e la confidenza minima per interventi automatici — senza modifiche al codice né deploy.
Come funziona
La configurazione è versionata (config_version) e consumata online dalla pipeline predittiva. Le modifiche sono validate, persistite e propagate via pub/sub senza riavvio del worker.
A cosa serve
- Personalizzare il motore alla tolleranza al rischio di ciascuna organizzazione.
- Regolare pesi dei 5 sotto-indici AHI e soglie di gradi (A/B/C/D).
- Definire breakpoint RUL (ore che separano
critical/high/medium/low) e di probabilità di guasto. - Configurare la finestra di dedup dell'Alert Aggregator.
- Overridere qualsiasi parametro per
asset_type. - Tracciabilità completa via
config_version.
Parametri configurabili
Pesi AHI (ahi_weights)
| Sotto-indice | Default | Misura |
|---|---|---|
condition | 0.35 | Stato istantaneo vs baseline |
alarm_health | 0.20 | Ore-allarme ISA-18.2 accumulate |
maintenance_compliance | 0.15 | Conformità piani preventivi |
trend_stability | 0.10 | Direzione e r² tendenze 24h |
anomaly_pressure | 0.20 | Densità rilevamenti ML recenti (7g) |
La somma deve essere 1.0.
Gradi AHI (ahi_grades)
| Parametro | Default | Significato |
|---|---|---|
grade_a | 90 | AHI ≥ 90 → A |
grade_b | 70 | AHI ≥ 70 → B |
grade_c | 50 | AHI ≥ 50 → C |
grade_d | 30 | AHI ≥ 30 → D; sotto → F |
Soglie RUL (rul_thresholds)
| Parametro | Default | Intervallo consentito | Significato |
|---|---|---|---|
critical_hours | 24 | da 1 a 8760 (1 anno) | RUL inferiore a 24h diventa critico |
high_hours | 168 | da 1 a 17520 (2 anni) | RUL inferiore a 168h (7g) diventa alto |
medium_hours | 720 | da 1 a 43800 (5 anni) | RUL inferiore a 720h (30g) diventa medio |
Regola di gerarchia: i tre valori devono soddisfare critical_hours <= high_hours <= medium_hours. Le richieste che violano questo ordine vengono respinte con 422. Evita errori di configurazione come critical=500 con high=100.
Gli intervalli sono stati ampliati per coprire asset industriali di lunga durata (trasformatori, recipienti in pressione) la cui vita utile si misura in anni e non in settimane.
Probabilità guasto (failure_probability)
| Parametro | Default | Significato |
|---|---|---|
critical_ahi | 30 | AHI ≤ 30 → probabilità critica |
high_ahi | 50 | 30 < AHI ≤ 50 → alta |
normal_ahi | 70 | 50 < AHI ≤ 70 → media |
Alert Aggregator
| Parametro | Default | Significato |
|---|---|---|
alert_dedup_window_minutes | 60 | Finestra entro cui rilevamenti stesso asset collassano in una riga |
Altri
| Parametro | Default | Significato |
|---|---|---|
cbm_trigger_multiplier | 1.5 | Metrica che supera baseline_max × 1.5 attiva CBM |
ahi_risk_threshold | 70 | AHI ≤ 70 "a rischio" per dashboard esecutive |
confidence_snapshots_ceiling | 30 | Snapshot per saturare confidenza RUL al 100% |
Requisiti di maturità (maturity_requirements)
| Parametro | Default | Significato |
|---|---|---|
level_1_snapshots | 10 | Snapshot per uscire dal Livello 0 |
level_2_snapshots | 30 | Snapshot per Livello 2 |
level_2_failures | 1 | Guasti registrati per Livello 2 |
level_3_failures | 3 | Guasti per Livello 3 |
level_3_confidence | 70 | Confidenza RUL minima (%) per Livello 3 |
Override per tipo di asset
{
"rul_thresholds": { "critical_hours": 24, "high_hours": 168, "medium_hours": 720 },
"asset_type_overrides": {
"critical_pump": { "rul_thresholds": { "critical_hours": 12 } },
"hvac_chiller": { "rul_thresholds": { "critical_hours": 48, "high_hours": 336 } }
}
}config_version — tracciabilità di audit
Ogni update_config incrementa atomicamente config_version. Tenant nuovi partono da 0 (default di fabbrica).
Ogni documento persistito porta il config_version attivo al momento del calcolo:
_asset_health_snapshots— campoconfig_versionper snapshot._asset_prognostics— campoconfig_versionper prognostica.
Perché importa: se un tenant regola ahi_grades tre volte in 6 mesi, gli snapshot vecchi non vengono riscritti — ciascuno conserva la versione di calcolo. Un audit può ricostruire quali soglie produssero ciascun grado storico.
I caller non possono smuggle un config_version: il servizio lo rimuove — il contatore è di proprietà del sistema.
Cache
Config cacheata in memoria (TTL 5 min) e Redis se disponibile. Ogni update_config invalida il cache. Nessun restart necessario.
Come usarlo
Dashboard
- Configurazione → Motore Predittivo.
- Regola pesi AHI via slider.
- Modifica soglie di gradi e RUL.
- Configura override per asset_type.
- Salva —
config_versionincrementa. - Ripristina Default — cancella la config del tenant.
I cambi sono loggati nell'audit trail con data, utente, valori precedenti/nuovi. Combinato con config_version, permette audit retroattivi.
Abbassare critical_hours o grade_a può generare più task urgenti automatici. Testare in staging prima della produzione.
API
GET /api/v1/predictive-config # ritorna config risolta
PATCH /api/v1/predictive-config # update parziale, bumpa config_version
POST /api/v1/predictive-config/reset # cancella config del tenantGli aggiornamenti sono deep-merge.
Benefici chiave
- Un solo pannello per-tenant.
- Granularità fine con override per asset_type.
config_versiontracciabile in ogni snapshot.- Cache con invalidazione automatica.
- Sistema protegge il proprio counter.
- Reset idempotente.
Consumatori
health_assessment_service— pesi + gradi + anomaly_pressure.prognostics_service— rul_thresholds + failure_probability.maturity_calculation_service— maturity_requirements.alert_aggregator_service— alert_dedup_window_minutes.- Briefing giornalieri WhatsApp/email — ahi_risk_threshold.
Sincronizzazione CMMS
Sincronizzazione bidirezionale con sistemi CMMS esterni come SAP PM, Maximo o integrazioni personalizzate per unificare la pianificazione predittiva con i sistemi legacy esistenti.
KPI Predittivi
Metriche di valore della manutenzione predittiva inclusi tempo anomalia-OL, tasso di falsi positivi, percentuale di OL auto-create, downtime non pianificato e precisione del RUL.