• Business Intelligence Industry 4.0

    Ricerca e sviluppo di modelli di descriptive,
    predictive e prescriptive analytics
    per la business intelligence
    finalizzata all’efficienza energetica
    e alla manutenzione predittiva
    di macchinari industriali in ottica Industria 4.0


FOCUS

Idea:

  • Garantire l’interfacciamento con le tecnologie presenti negli impianti;
  • Promuovere l’utilizzo dell’applicazione da parte di varie tipologie di utenti;
  • Effettuare raccolta dati relativi al funzionamento e alla diagnostica di impianto;
  • Monitorare l’attività da remoto;
  • Effettuare una gestione in cloud del sistema;
  • Rendere interattivo il sistema di analisi e decisione;

Obiettivi:

  • Minimizzare l’utilizzo di sistemi ad hoc, garantendo la compatibilità con le infrastrutture esistenti;
  • Realizzare interfacce alla portata di diversi tipi di utenze per la realizzazione di obiettivi a diversi livelli;
  • Costruire un database dello storico di impianto, in modo da prevederne gli andamenti futuri;
  • Migliorare l’efficienza della forza lavoro ed evitare perdite di tempo;
  • Minimizzare lo spreco di risorse hardware e computazionali, garantendo la massima sicurezza;
  • Personalizzare il servizio, fornendo supporto decisionale;

Solution

Descriptive e predictive analytics
Step dell’algoritmo di efficientamento energetico e manutenzione predittiva

  • IMPORT DATI: Importazione di dati storici di consumo (es: consumo di energia elettrica di un impianto o di un reparto in un dato periodo di tempo).;
  • MAPPATURA DEI DATI: I dati vengono associati con le variabili in ingresso (es: cambiamenti di temperatura, modifiche del tipo di prodotto lavorato) e con il risultato che si vuole ottener;
  • ADDESTRAMENTO: L’intelligenza artificiale apprende le relazioni che le variabili in ingresso hanno per il raggiungimento del risultato desiderato;
  • OTTIMIZZAZIONE: L’intelligenza artificiale applica ciò che ha appreso per fare un’analisi previsionale delle spese e dei risparmi ottenibili, in modo da ottimizzare i consumi e adeguarli alle necessità effettive;
  • PREVISIONI RAGIONATE: Per le previsioni future il sistema non ha più bisogno di addestramento, essendo in grado di analizzare i dati storici e i risultati in modo autonomo;
  • DATI DI GESTIONE: In base ai dati che progressivamente arrivano durante la gestione quotidiana, l’intelligenza artificiale continua ad apprendere in automatico e adattare la pianificazione dei consumi e delle operazioni di manutenzione in modo ragionato;

Risultati

Valutazione dei seguenti Indicatori di Perfomace

  • Programmazione/manutenzione: la loro gestione efficiente consente all’azienda di processare la massima quantità di prodotto, contenendo l’utilizzo di tutte le altre risorse;
  • Gestione risorse (energia elettrica, acqua): incrementare le capacità di ottimizzazione dal punto di vista dell’utilizzo e del costo;
  • Manutenzione: tenere sotto controllo i tempi tra guasti in modo che possano influire il meno possible sulla programmazione della produzione;
  • Qualità prodotto: KPI specifici dell’industria considerate;

Sono stati valutati gli indicatori out of samples per sei diversi modelli di previsione e per i diversi metodi di ottimizzazione.

Business Intelligence Industry 4.0 report

SOLUZIONE DSS che si adatta in modo dinamico ai dati disponibili, selezionando il modello di previsione più appropriato in base a criteri specificati dall’utente


Progetto in Partership con Idea 75 Srl