Industria 4.0:

migliorare l’efficienza produttiva grazie al machine learning

Con la digitalizzazione e l’integrazione dei processi produttivi incentivata dal piano Industria 4.0 le aziende hanno cominciato ad avere accesso ad enormi quantità di dati (big data). Si stanno infatti diffondendo differenti piattaforme che consentono di acquisire e storicizzare enormi quantità di dati.

Ma come utilizzare questi dati?

Si ha l’impressione che ci sia più attenzione ad immagazzinarli piuttosto che a come utilizzarli.In realtà, un’acquisizione massiccia dei dati di produzione e di processo, se fine a se stessa, potrebbe essere controproducente.Attraverso la piattaforma jpiano® è possibile creare del valore aggiunto rielaborando questi dati. In particolare è stato sviluppato un modulo di supervisione della piattaforma jpiano® in grado di acquisirli, organizzarli, elaborarli e renderli facilmente fruibili.
Tale soluzione prende il nome di jpiano® Embedded e crea un collegamento diretto tra le applicazioni gestionali e il livello fisico delle macchine.

I dati gestiti da jpiano® Embedded sono relativi a ordini di produzione, parametri macchina e dati di processo.
In tal modo si creano le condizioni per estendere le potenzialità della singola macchina, attraverso l’ausilio di una intelligenza esterna, che avrà a disposizione specifici algoritmi di machine learning che consentiranno di individuare schemi di funzionamento ottimali oppure l’insorgenza di derive o criticità. In alcuni casi è anche possibile suggerire delle modalità per la risoluzione di problematiche già riscontrate e risolte nel passato. Ad esempio, nell’ambito della manutenzione, è estremamente utile ricevere delle segnalazioni sull’insorgenza di possibili criticità prima che queste si verifichino o prima che i danni assumano dimensioni consistenti.
In questi casi, è fondamentale ricevere tempestivamente la segnalazione (ed eventuali informazioni/suggerimenti) e questo può essere ottenuto facilmente con l’ausilio delle moderne tecnologie IoT (Internet of Things) come i dispositivi wearable (ad esempio gli smartwatch).
Intervenire in maniera mirata prima che si verifichino inefficienze durante il processo produttivo è la base della manutenzione predittiva la quale consente di:

  • migliorare l’efficienza produttiva dei macchinari riducendo i fermi macchina a causa di guasti o aggiustamento dei parametri di funzionamento
  • migliorare la durata di vita dei macchinari con conseguente riduzione dei costi di manutenzione e/o sostituzione in quanto si cerca di eliminare a priori le possibili cause di guasti
  • migliorare il servizio reso al cliente in quanto la produzione non risulta essere rallentata dagli interventi di manutenzione necessari in caso di guasti importanti ai macchinari
Industria 4.0: efficienza produttiva e machine learning ultima modifica: 2018-03-01T17:38:10+00:00 da AEC Soluzioni