Modelli di Machine Learning nelle applicazioni IoT industriali

Modelli di Machine Learning nelle applicazioni IoT industriali

Miraitek4.0 con i suoi prodotti e servizi guida le imprese in un processo di digitalizzazione che permette di sfruttare le potenzialità offerte dalle nuove tecnologie per garantire efficienza operativa semplificando i processi e rendendoli più fluidi e veloci.

L’uso di modelli di Machine Learning sta diventando sempre più comune nelle applicazioni IoT industriali per le sue elevate potenzialità nell’individuare anomalie.

È proprio questo il caso della case history proposta, dove, grazie alla manutenzione predittiva l’azienda ha ottenuto una riduzione degli scarti dovuti ad usura componente, ottimizzazione della vita utile dei componenti critici e supporto nella pianificazione delle attività.

Perché Miraitek4.0

L’azienda cliente realizza soluzioni di meccatronica per l'automazione dei processi di assemblaggio, si è rivolta a Miraitek4.0 per l’implementazione della manutenzione predittiva basata su algoritmi di Machine Learning con lo scopo di ridurre tempi e costi di manutenzione.  

Cosa è stato fatto 

Il progetto è partito dall’identificazione dei principali componenti critici del processo. Grazie all’analisi svolta è stato possibile evidenziare la necessità di monitorare lo stato di usura dell’utensile di un modulo meccatronico di avvitatura, facente parte di un impianto di assemblaggio complesso. L’obiettivo finale è quello di massimizzarne la vita utile dell’utensile oltre che quello di prevenire l’insorgenza di pezzi difettosi. 

L’installazione di Mirai4Predictive ha permesso:  

  1. l’acquisizione dei dati dal campo; 
  2. l’addestramento del modello di ML;
  3. la validazione del modello di ML.

Risultati

Grazie al controllo mirato sul processo di avvitatura, gli scarti della specifica lavorazione si sono ridotti del 5%. I segnali di interesse che arrivano dalla macchina sono processati dal modello di ML e nel caso di insorgenza di eventuali criticità sull’utensile, Mirai4Predictive notifica immediatamente gli operatori o il responsabile di produzione. 

Con questo approccio è possibile ridurre notevolmente i fermi macchina dovuti alla necessità di sostituire componenti difettosi e allo stesso tempo utilizzare al meglio tali componenti massimizzandone la vita utile e pianificando interventi di manutenzione basati sulla reale condizione di usura. 

La tecnologia

Lo sviluppo di algoritmi di Machine Learning può essere applicato in diverse aree produttive, come la qualità, la manutenzione e il controllo avanzato di processo, al fine di apprendere il comportamento delle variabili di interesse, identificare eventuali anomalie econ o senza il supporto degli operatori di linea.

I benefici derivanti dall’utilizzo di questa tecnologia sono molteplici. Il ML riduce i tempi di intervento a seguito di anomalie riscontrate nell’analisi dei dati di processo in real-time. Grazie al suo utilizzo è possibile suggerire preventivamente al responsabile della produzione e agli operatori potenziali criticità e relative azioni da intraprendere in modo da risolvere i potenziali problemi ancor prima che si manifestino. 

“Il Machine Learning si è rivelato un aiuto concreto sia per le attività di pianificazione che per quelle prettamente operative. Supporta manager e operatori semplificandone il lavoro.”

www.miraitek.com

Articoli correlati

16 GEN

Ancona, 22 febbraio: secondo appuntamento di avvicinamento a SPS Italia 2017

Le 4 A del Made in Italy nel distretto marchigiano. Abbigliamento, arredamento, alimentare e automazione. La realtà marchigiana è di primaria importanza nel panorama industriale italiano,...

21 FEB

Pharma e Carta al centro della Tavola Rotonda SPS Italia a Lucca

Il 28 marzo all'Auditorium Cappella Guinigi di Lucca la Tavola Rotonda  "Qualità e industria 4.0: esperienze territoriali in ambito Pharma e Carta&Arti grafiche". Qualche anticipazione...

31 MAR

L'intelligenza artificiale per rispondere al Coronavirus

La persona giusta nel posto giusto e nel rispetto di skill e idoneità. Nel 2015, l’Innovation Factory di Electrolux, azienda del comitato scientifico della fiera SPS Italia, sviluppò...