HomeApplicazioniManutenzione predittiva: come ridurre del 10% i difetti di lavorazione con l’AI

Manutenzione predittiva: come ridurre del 10% i difetti di lavorazione con l’AI

L’idea di studiare una piattaforma digitale e una App per la manutenzione predittiva è nata dalla collaborazione tra un’università e due aziende. Il progetto, cofinanziato da un bando Smact, si chiama GD 4.0. La tecnologia si basa su algoritmi di Machine Learning e su modelli di Intelligenza Artificiale.

Ti potrebbero interessare ⇢

Valeria Villani

Il progetto si chiama GD 4.0. Il focus è la manutenzione predittiva a partire da un approccio basato sui dati, per monitorare e ottimizzare i processi di galvanizzazione. Gli obiettivi molteplici. Mantenere standard qualitativi elevati e ridurre al minimo i margini di errore. A cascata, ne beneficia anche l’impatto ambientale delle lavorazioni.

Stiamo parlando di un’iniziativa di ricerca sperimentale lanciata da Dradura. L'azienda è la filiale italiana del gruppo tedesco Dradura GmbH. Ha sede a San Donà di Piave (VE) e produce articoli in filo metallico, con una forte specializzazione nei trattamenti galvanici.

Il progetto che ha lanciato Dradura è cofinanziato con 170mila euro nell’ambito del Bando IRISS, promosso da SMACT Competence Center 4.0. Oltre al produttore veneto, il progetto coinvolge l’Università di Padova e Azzurro Digitale, società padovana esperta di digital transformation in ambito Operations.

Cosa sono gli impianti galvanici

Gli impianti galvanici funzionano mediante un processo elettrochimico. Esso prevede che una corrente elettrica depositi un rivestimento metallico su un oggetto immerso in un bagno di soluzione elettrolitica contenente ioni metallici. La corrente provoca la riduzione degli ioni al catodo e forma un rivestimento uniforme e protettivo.

Gli impianti galvanici servono principalmente a rivestire oggetti metallici per migliorarne la resistenza alla corrosione, l'aspetto estetico e le proprietà elettriche. Sono ideali in settori come l'industria automobilistica, elettronica e gioielleria.

Gli obiettivi del progetto, oltre la manutenzione predittiva, complice l’AI

Al cuore del progetto GD 4.0 c'è una serie di algoritmi di Machine Learning e modelli di Intelligenza Artificiale. Grazie a questi, GD 4.0 implementa un sistema di manutenzione predittiva e preventiva per gli impianti galvanici.

Il sistema può ridurre gli errori di qualità di almeno il 10%. Favorisce il rilevamento in tempo reale di eventuali anomalie di processo.

Questa tecnologia consente, inoltre, di ridurre di circa l’80% il tempo di apprendimento e di onboarding degli addetti alle galvaniche e dei responsabili di produzione. C'è poi in gioco una significativa riduzione dell’impatto ambientale dei processi produttivi. Diminuisce la necessità di rilavorare i prodotti e viene ottimizzata l’allocazione delle risorse.

La piattaforma digitale per il tracciamento e il monitoraggio

GD 4.0 prevede lo sviluppo di una piattaforma digitale. Questa serve al tracciamento e al monitoraggio di tutte le attività svolte nell’impianto galvanico. In più, è utile durante il relativo processo da parte degli operatori.

Il tool digitale guida l’operatore nell’esecuzione delle attività e nella manutenzione programmata. Gli permette di ottenere la generazione automatica dei task quotidiani da svolgere e di registrare in modo semplice i risultati.

Grazie a sistemi di allerta provenienti dall'impianto, l’operatore potrà visualizzare direttamente sulla piattaforma le modalità per una risoluzione tempestiva degli stessi.

E poi c'è l’App che trova i difetti di lavorazione

In aggiunta alla piattaforma, c'e un’applicazione di carico e scarico. Quest'App consente un tracciamento completo dei pezzi durante il ciclo di lavorazione, l’individuazione e la segnalazione dei difetti in real-time.

I dati raccolti servono quindi a guidare un miglioramento continuo del servizio in ottica predittiva, grazie ai modelli di Machine Learning e Intelligenza Artificiale.

Manutenzione predittiva: come ridurre del 10% i difetti di lavorazione con l’AI - Ultima modifica: 2024-10-01T09:30:12+02:00 da Valeria Villani