Il progetto Dolphins, sviluppato grazie alla collaborazione iniziata nel 2018 tra l’Università di Torino, la multinazionale del settore capital goods CNH Industrial e RADA, azienda di soluzioni informatiche di Rivoli, è tra i vincitori nella categoria Artificial Intelligence and Data Analytics degli US Manufacturing Leadership Award 2021, riconoscimenti della National Association of Manufacturers (NAM), tra le più grandi associazioni manifatturiere degli Stati Uniti.
Dolphins è un software che utilizza l’apprendimento automatico (machine learning) e l’analisi dei Big Data ai fini della manutenzione predittiva reale all’interno del processo manifatturiero. L’obiettivo è anticipare quando il guasto dell’attrezzatura potrebbe verificarsi, consentendo di intervenire senza arrestare la produzione. Il progetto Dolphins è una soluzione a basso costo di progettazione ora incorporata e funzionante presso lo stabilimento Iveco di Brescia, dove ha già generato un significativo risparmio di costi e di tempo, con conseguente aumento dei tempi di attività, una maggiore sicurezza dell’operatore e una maggiore produttività. Utilizzandoi big data preesistenti dello stabilimento, un’analisi multivariata dettagliata delle condizioni della linea di produzione è stata eseguita dal dipartimento di Chimica dell’Università di Torino e i risultati sono visualizzati su un cruscotto per l’operatore progettato da RADA. Dolphins fornisce ai tecnici della manutenzione informazioni in grado di prevedere, con diverse ore d’anticipo, qualsiasi potenziale problema che potrebbe causare un’interruzione della linea di produzione. Nello stabilimento di Brescia, Dolphins ha dimostrato di poter prevedere un guasto con un livello di affidabilità del 90% poche ore prima che l’evento si verifichi.
«Questo progetto è un bell’esempio di sinergica e produttiva collaborazione tra il nostro Ateneo, una piccola-media azienda del territorio e una multinazionale» – dichiara Marcello Baricco, docente del dipartimento di Chimica UniTo e partner del progetto. «Partendo dalle conoscenze sviluppate nella nostra Università, siamo riusciti ad intercettare le esigenze del mondo produttivo e a trovare con loro, in breve tempo, una soluzione innovativa. Abbiamo l’obiettivo di estendere il progetto su lavori futuri, che potranno vedere coinvolti strumentazioni e impianti anche di altre imprese che desiderino evolvere verso l’ambizioso obiettivo dell’Industria 4.0».
Eugenio Alladio, ricercatore del dipartimento di Chimica di UniTo e collaboratore del progetto spiega: «L’obiettivo principale del progetto riguarda la messa a punto di algoritmi di Machine Learning per prevedere il possibile verificarsi di guasti di componenti specifici utilizzati negli impianti produttivi, al fine di avvertire per tempo il manutentore, in modo che possa intervenire prontamente sui macchinari ed evitare un fermo della produzione. Grazie a questo approccio di manutenzione predittiva, gli operatori in produzione sono in grado di sapere in anticipo, con un lasso di tempo variabile tra i 30 minuti e le 8 ore, dove intervenire sugli impianti grazie a un software appositamente creato che raccoglie ed elabora i dati in tempo reale, evitando così fermi macchina e perdite di processo indesiderate».
Renato Pagliari, socio fondatore di RADA, da oltre trent’anni fornitrice e partner di CNH Industrial, afferma: «Il software sviluppato presso la nostra azienda è stato progettato in collaborazione con CNH Industrial e Uni To al fine di risultare intuitivo e semplice da utilizzare da parte degli operatori in impianto».
«Il nostro obiettivo» – conclude Paolo Foglio, ingegnere e system integrator di CNH Industrial, ideatore e responsabile del progetto Dolphins – «era di mostrare come la digital trasformation e tutto il suo corredo di tecnologie abilitanti siano immediatamente applicabili con ottimi risultati e budget ridotti, magari anche su macchine da tempo presenti in reparto, non di ultima generazione, ma che custodiscono nelle elettroniche interne vere e proprie miniere di preziosi dati. Grazie alla collaborazione con i nostri partner siamo riusciti a rendere disponibile, sia al sito produttivo Iveco di Brescia, sia ai restanti stabilimenti CNH Industrial, un sistema low cost by design completamente ingegnerizzato e pronto all’uso, che abilita l’utilizzo efficace e immediato in linea di produzione di tecnologie quali quelle sottese ai digital twin,alla modellizzazione statistica,alla real-predictive maintenance o il virtual sensoring».