Tecnologie cognitive per rilevare gli errori di produzione

rilevare gli errori di produzione
Fraunhofer IWU,Dirk Hanus

Il Fraunhofer Institut ha usato le macchine formatrici come esempio per presentare una soluzione basata sulle tecnologie cognitive di internet in grado di rilevare gli errori di produzione: smartNOTCH, uno slot a T cognitivo che monitora continuamente i processi di produzione con metodi automatizzati.

Le presse di formatura sono un elemento chiave dei processi di produzione industriale. Durante il funzionamento, creano enormi quantità di dati che vengono acquisiti e archiviati automaticamente sulla macchina stessa senza la possibilità di ottenere stock aggregati di informazioni da pool di macchine o condividerli con altri produttori o fornitori.

Prendendo come esempio le macchine formatrici, il Fraunhofer Institut ha presentano una soluzione in cui le tecnologie cognitive di Internet garantiscono processi costantemente trasparenti e, di conseguenza, migliorano l’efficacia complessiva delle apparecchiature rilevando gli errori di produzione.

SmartNOTCH, la tecnologia che fornisce informazioni sulle prestazioni per rilevare gli errori di produzione

Al centro di questa nuova tecnologia c’è smartNOTCH, uno slot a T cognitivo che monitora continuamente i processi di produzione con metodi automatizzati. Il nuovo concetto di sensore può essere integrato all’interno di una pressa di formatura in modo semplice e flessibile e, una volta installato, è in grado di misurare deformazioni e carichi alle interfacce e di trasferire i dati ai sistemi di valutazione in modalità wireless.

“La tecnologia consente un monitoraggio continuo per il rilevamento dell’usura, la protezione, l’accettazione e l’integrazione degli strumenti, semplificando i flussi di lavoro e rendendo i processi più agili” afferma Robin Kurth, Head of Group Forming Machines presso Fraunhofer CCIT.

Tramite smartNOTCH, le condizioni di utilizzo possono essere allegate ai dati ottenuti, dando agli utenti della macchina la possibilità di decidere con chi vogliono condividere i dati della pressa di formatura, per quale scopo e a quali condizioni. Utenti, produttori e fornitori di macchine formatrici possono quindi applicare metodi di machine learning (ML) e intelligenza artificiale (AI) ai dati aggregati, dando origine a nuove informazioni sulle prestazioni e sulla suscettibilità agli errori delle macchine.

La soluzione fornisce a utenti, produttori e fornitori esattamente le informazioni di cui hanno bisogno per aumentare l’efficienza delle macchine di formatura, ogni volta che ne hanno bisogno. Ciò consente di avviare più rapidamente nuove macchine e processi, testare nuovi utensili di pressatura con obiettivi più specifici ed eseguire, ad esempio, la manutenzione preventiva delle presse.

L’acquisizione intelligente, la condivisione sicura e la valutazione sistematica dei dati possono anche favorire l’emergere di nuovi modelli di business, consentendo a produttori e fornitori, per esempio, di offrire ai propri clienti non solo hardware, ma anche servizi intelligenti basati sui dati. Gli esempi includono il funzionamento a distanza di intere macchine (Equipment-as-a-Service/EaaS) e l’aggiornamento e l’ammodernamento mirati (retrofit) di presse esistenti.