English
Fabbrica predittiva e intelligenza artificiale
La fabbrica predittiva: applicare l'intelligenza artificiale a produzione e manutenzione, 5 esempi
Chiara Tacco - MIPU Predictive Hub
Sommario
Durante l'intervento verranno portati esempi della qualità delle acque reflue, esempi della previsione difetti manutentivi, esempi di efficientamento della logistica di mobili e arredamenti all'interno di una fabbrica predittiva e esempi di previsione guasti ed anomalie asset ferroviari.
Applicare l'intelligenza artificiale a produzione e manutenzione
Esempio: Qualità delle acque reflue
Input
- SPO4 Fosforo Totale;
- ORP Potenziale riduzione ossidazione;
- SO2 ossigeno disciolto;
- TSS Totale sospeso solido;
- PH.
Elaborazione
- Layer IoT Fino a 5000 misure, sistema di anomaly detection per intercettare valori anomali;
- Layer AI e simulatore Motore di simulazione in grado di simulare 10 (96) scenari e presentare agi operatori la regolazione migiore, eventualmente tenendo conto di vincoli impostabili anche manualmente;
- Layer Logiche di controllo e data viz Le informazioni dal simulatore vengono post processate per fornire indicazioni precise di gestione dell'impianto.
Output
Gli scenari simulati, a diverse probabilità, daranno come risultato una proposta di gestione sia in termini di regolazione dell'impianto sia di ricetta batterica più adeguata per ottenere determinata qualità dei reflui.
Esempio: previsione difetti manutentivi
- Attività di ispezione (2 giorni);
- Termografia infrarossa (1 mese);
- Analisi ad ultrasuoni (3 mesi);
- Analisi delle vibrazioni (6 mesi).
Il funzionamento del modello di intelligenza artificiale
- L'operatore conferma, rigetta o cataloga il risultato;
- L'algoritmo impara dall'essere umano e migliora costantemente;
- L'algoritmo di AI genera un output.
Aumenta l'efficienza di ogni operatore che lavora con il sistema di IA.
Aumenta la qualità raccogliendo e condividendo i dati e le intuizioni derivanti dalle oro analisi.
Permette di raccogliere il sapere implicito e l'esperienza umana in un singolo sistema.
Esempio: Efficientamento della logistica di mobili e arredamenti
The challenge
Efficientare attraverso l'intelligenza artificiale la supply chain, dalla produzione all'approvvigionamento dei magazzini nei negozi, di una catena che produce mobili ed arredamenti.
Out solution
Domanda
- Previsione delle quantità;
- Previsione delle tipologie di prodotto:
Capacità
- Disponibilità:
. Macchine operative e funzionanti; skills adeguate presenti.
- Efficienza:
. Ottimizzazione della produzione in funzione del formato;
. Pezzi prodotti/pezzi teoricamente producibili.
- Qualità della produzione.
Logica
- Allineamento tra capacità produttiva e logistica;
- Logistica dell'assemblaggio;
- Simulazione delle rotte;
- Logistica dei resi;
- Previsione puntualità.
Esempio: previsione guasti ed anomalie asset ferroviari
Classificazione asset ferroviari
Analizzando le immagini acquisite dai treni diagnostici, il modello riconosce e cataloga 21 diversi asset infrastrutturali con precisione vicina al 90%.
Revisione guasti deviatoi
Tramite l'analisi di parametri di corrente e tensione, il modello anticipa potenziali guasti nel sistema di attivazione a distanza del deviatoio, con un anticipo fino a 3 mesi
Riconoscimento difformità infrastruttura
Processando le immagini acquisite dai treni diagnostici, un altro insieme di modelli è in grado di riconoscere l'eventuale presenza di oggetti anomali sulla massicciata, individuando la posizione geografica della difformità
Previsione anomalie binario
Nella diagnostica mobile, un'intelligenza artificiale analizza i parametri geometrici dei binari riuscendo a prevedere l'occorrenza di anomalie con un anticipo fino a 30 giorni.
Prevedere il beneficio; Modello di simulazione scenari di MIPU
Rispondere a queste domande è determinante per le scelte di investimento e monitoraggio delle performance economiche:
- Informazioni necessarie;
- Metodologia;
- Risultati.
Analisi; Prevedere il beneficio
Utilizzi e finalità del modello di valutazione economica della manutenzione predittiva.
- Manager:
- Può quantificare i tempi di ritorno sull'investimento;
- Si avvale di un'analisi di scenario per valutare l'investimento;
- Quantifica il rischio sull'investimento;
- Ottiene una comparazione dei costi secondo diverse policy manutentive.
Ingegnere di manutenzione
- Può simulare diverse politiche manutentive in termini di KPI tecnici ed economici;
- Valuta, con poche informazioni di partenza, la fattibilità della manutenzione predittiva con Intelligenza Artificiale.
Architettura; Attività
- Implementazione connettori per le varie fonti dato e verifica funzionamento;
- Design interfaccia utente e interazioni principali, presentazione e conferma del mockup.
Input
- SPO4 Fosforo Totale;
- ORP Potenziale riduzione ossidazione;
- SO2 ossigeno disciolto;
- TSS Totale sospeso solido;
- PH.
Elaborazione
- Layer IoT Fino a 5000 misure, sistema di anomaly detection per intercettare valori anomali;
- Layer AI e simulatore Motore di simulazione in grado di simulare 10 (96) scenari e presentare agi operatori la regolazione migiore, eventualmente tenendo conto di vincoli impostabili anche manualmente;
- Layer Logiche di controllo e data viz Le informazioni dal simulatore vengono post processate per fornire indicazioni precise di gestione dell'impianto.
Output
Gli scenari simulati, a diverse probabilità, daranno come risultato una proposta di gestione sia in termini di regolazione dell'impianto sia di ricetta batterica più adeguata per ottenere determinata qualità dei reflui.
Esempio: previsione difetti manutentivi
- Attività di ispezione (2 giorni);
- Termografia infrarossa (1 mese);
- Analisi ad ultrasuoni (3 mesi);
- Analisi delle vibrazioni (6 mesi).
Il funzionamento del modello di intelligenza artificiale
- L'operatore conferma, rigetta o cataloga il risultato;
- L'algoritmo impara dall'essere umano e migliora costantemente;
- L'algoritmo di AI genera un output.
Aumenta l'efficienza di ogni operatore che lavora con il sistema di IA.
Aumenta la qualità raccogliendo e condividendo i dati e le intuizioni derivanti dalle oro analisi.
Permette di raccogliere il sapere implicito e l'esperienza umana in un singolo sistema.
Esempio: Efficientamento della logistica di mobili e arredamenti
The challenge
Efficientare attraverso l'intelligenza artificiale la supply chain, dalla produzione all'approvvigionamento dei magazzini nei negozi, di una catena che produce mobili ed arredamenti.
Out solution
Domanda
- Previsione delle quantità;
- Previsione delle tipologie di prodotto:
Capacità
- Disponibilità:
. Macchine operative e funzionanti; skills adeguate presenti.
- Efficienza:
. Ottimizzazione della produzione in funzione del formato;
. Pezzi prodotti/pezzi teoricamente producibili.
- Qualità della produzione.
Logica
- Allineamento tra capacità produttiva e logistica;
- Logistica dell'assemblaggio;
- Simulazione delle rotte;
- Logistica dei resi;
- Previsione puntualità.
Esempio: previsione guasti ed anomalie asset ferroviari
Classificazione asset ferroviari
Analizzando le immagini acquisite dai treni diagnostici, il modello riconosce e cataloga 21 diversi asset infrastrutturali con precisione vicina al 90%.
Revisione guasti deviatoi
Tramite l'analisi di parametri di corrente e tensione, il modello anticipa potenziali guasti nel sistema di attivazione a distanza del deviatoio, con un anticipo fino a 3 mesi
Riconoscimento difformità infrastruttura
Processando le immagini acquisite dai treni diagnostici, un altro insieme di modelli è in grado di riconoscere l'eventuale presenza di oggetti anomali sulla massicciata, individuando la posizione geografica della difformità
Previsione anomalie binario
Nella diagnostica mobile, un'intelligenza artificiale analizza i parametri geometrici dei binari riuscendo a prevedere l'occorrenza di anomalie con un anticipo fino a 30 giorni.
Prevedere il beneficio; Modello di simulazione scenari di MIPU
Rispondere a queste domande è determinante per le scelte di investimento e monitoraggio delle performance economiche:
- Informazioni necessarie;
- Metodologia;
- Risultati.
Analisi; Prevedere il beneficio
Utilizzi e finalità del modello di valutazione economica della manutenzione predittiva.
- Manager:
- Può quantificare i tempi di ritorno sull'investimento;
- Si avvale di un'analisi di scenario per valutare l'investimento;
- Quantifica il rischio sull'investimento;
- Ottiene una comparazione dei costi secondo diverse policy manutentive.
Ingegnere di manutenzione
- Può simulare diverse politiche manutentive in termini di KPI tecnici ed economici;
- Valuta, con poche informazioni di partenza, la fattibilità della manutenzione predittiva con Intelligenza Artificiale.
Architettura; Attività
- Implementazione connettori per le varie fonti dato e verifica funzionamento;
- Design interfaccia utente e interazioni principali, presentazione e conferma del mockup.
Video
Assessment e studio dell'AS-IS
L'assessment fornisce una fotografia chiara della posizione dell'azienda nel contesto in cui opera; viene effettuato attraverso una serie di interviste, la compilazione di questionari online e di incontri.
- Risultati e confronto con competitor;
- Roadmap di intervento;
- Esternalizzazione della conoscenza.
Assessment Affidabilità
Analisi basata su 220 domande di tipo Yes/No in 12 diverse categorie. L'analisi viene condotta da due auditor esperti, ingegneri di manutenzione con certificazione di livello 2 o 3 in tutte le tecniche predittive.
Fasi
- Interviste in campo e visita ai siti;
- Redazione del report.
Attività
- Visione delle attuali prassi di manutenzione;
- Presa visione di piani di manutenzione, gestione piani, indicatori di manutenzione;
- Report riassuntivo con grafico a tela di ragno; posizionamento rispetto a best practice del settore e discussione swot per ogni categoria indagata.
Metodo / Strumenti
- Analisi strutturata e colloqui in campo;
- Presentazione e discussione.
Albero degli asset
- Visione e scomposizione siti;
- Definizione della macrostruttura dell'albero;
- Definizione codifica univoca asset e albero degli asset;
- Elaborazioni matrici di import asset.
Energy assessment
Comprendere lo stato as-is in termini di approvvigionamento, uso, consumo ed efficienza dell'energia. Questa attività produrrà un report tecnico riguardante le seguenti macroaree:
- Contesto organizzativo;
- Dati energetici; Monitoraggio e analisi energetica;
- Flusso di lavoro;
- IPE e baseline energetica;
- Sistema informativo e integrazione dei sistemi;
- Stato degli impianti e interventi di efficientamento.
Conclusioni
La roadmap verso la fabbrica predittiva
- analisi: analisi costo-benefici;
- Architettura: sensorizzazione & architettura del dato;
- Intelligenze: elaborazione e costruzione di intelligenze;
- Azione: azioni per l'ottimizzazione;
- Scaling: dopo aver finalizzato la soluzione adottata portarla su tutte le destinazioni possibili per massimizzare il ritorno dell'investimento;
- Governance: gestire la componente organizzativa della trasformazione definendo flussi e processi a supporto;
- Change management: ingaggiare le persone e gestire eventuali resistenze;
- Assessment: studio della situazioneAS-IS;
- Predictive solution canvas: generazione di idee ed identificazione delle opportunità.
Leggi tutto
Fonte: MCM ottobre 2021 workshop
