INDUSTRIA
4.0
L’Intelligenza Artificiale per l’Industria 4.0
Smart Company 4.0
Le aziende manifatturiere moderne dispongono di differenti tipi di dati, quali: numero di pezzi prodotti, fermi macchina, il numero di giri motore, pressione e temperatura di esercizio, vibrazione, etc.
Le moderne tecniche di Intelligenza Artificiale riescono ad elaborare grosse moli di dati consentendo di effettuare analisi predittive ad esempio per anticipare un potenziale problema sulle macchine di produzione, prevedere fabbisogni, prevedere la difettosità dei prodotti, etc..
La nostra soluzione Smart Company 4.0 racchiude una serie di moduli a supporto dell’Industria 4.0: Forecast, Manutenzione Predittiva, Previsione e Classificazione degli scarti.
Forecasting
Il Forecasting è l’elemento chiave della pianificazione e dell’attuazione di scelte strategiche in tempo utile.
Il Forecasting risulta in un’analisi oggettiva i cui risvolti positivi in un processo industriale possono essere:
- Prevedere picchi di consumo energetico non pianificati
- Implementare azioni strategiche ed ecosostenibili
- Individuare opportunità di miglioramento della produttività
Le nostre soluzioni hanno come scopo quello di individuare patterns intrinsechi nell’andamento delle variabili da predire.
Allo scopo di identificare andamenti altamente complessi facciamo ricorso a soluzioni avanzate basate sul Machine Learning e il Deep Learning.
Mostriamo un esempio di dashboard del modulo della nostra applicazione Smart Company 4.0 dedicata alla predizione delle performance di impianto e alle previsioni sui consumi energetici.
Manutenzione Predittiva
La manutenzione predittiva permette di sorvegliare in tempo reale lo stato di un macchinario per predire in anticipo se e quando si verificherà un guasto.
Prevede l’utilizzo congiunto di soluzioni IIoT e di Intelligenza Artificiale.
Il risultato è un monitoraggio costante e preciso delle condizioni di un asset con una tempestiva segnalazione nel caso venga previsto uno stato anomalo.
Riduzione dei tempi di downtime
Piano di manutenzione aderente alle caratteristiche dell’impresa
Aumento del ciclo di vita dei macchinari
Interventi correttivi mirati
Il concetto di manutenzione predittiva richiama quello di anomaly detection, ovvero il processo di identificazione di eventi che si discostano dal comportamento definito «normale».
Questi eventi anomali possono indicare incidenti critici, come un guasto.
La soluzione scelta affronta il problema della manutenzione predittiva come un caso di anomaly detection utilizzando un modello di Deep Learning chiamato Autoencoder.
Mostriamo un esempio di dashboard del modulo della nostra applicazione Smart Company 4.0 dedicata alla manutenzione predittiva.
Predizione e Classificazione degli Scarti
La risoluzione del caso in analisi viene affrontata in due step consecutivi:
- Predizione sulla qualità del prodotto per prevenire l’interruzione della catena di produzione.
- Identificazione della tipologia di difetto e delle cause ad esso correlate.
Solo conoscendo le cause degli scarti, infatti, si può intervenire direttamente per migliorare il processo produttivo e contenere i costi.
La produzione di uno scarto è visto come evento che si discosta dal comportamento definito «normale».
L’identificazione della tipologia di scarto è possibile grazie all’utilizzo del Decision Tree Classifier, un algoritmo supervisionato di Machine Learning.
L’algoritmo è stato scelto per la sua natura esplicativa, grazie alle sue proprietà è possibile associare indirettamente le cause del difetto a ciascuna tipologia di scarto.
Mostriamo un esempio di dashboard del modulo della nostra applicazione Smart Company 4.0 dedicata alla predizione e classificazione scarti.
Richiedi una demo online
Un nostro consulente ti assisterà con la spiegazione.