Data Driven Digital Twin

Ottimizzazione dei processi industriali con l'intelligenza artificiale e il deep learning

L’ottimizzazione della produzione industriale moderna è strettamente legata ad un approccio data driven , ossia all’assunzione di decisioni strategiche assunte a seguito delle informazioni e dei dati raccolti dalle macchine.

Perché addotare
la soluzione?

Nel contesto produttivo l’output desiderato è normalmente frutto della correlazione di un numero elevato di variabili (input) critiche, non tutte controllabili direttamente dall’utente e la cui relazione è di difficile determinazione a priori.

Il Machine learning è lo strumento adatto ad una gestione “controllata” delle relazioni tra variabili.
Gli algoritmi di Process Tuning & Optimization sviluppati da 40Factory apprendono automaticamente gli schemi descrittivi della correlazione tra le variabili in input e l’output di processo.

Automatic prediction

A cosa serve

La soluzione di Automatic Prediction permette di predire uno o più KPI particolarmente rilevanti per la produzione a partire dai dati in input, offrendo all’utente uno strumento indispensabile per valutare gli effetti della variabilità (dei parametri di ricetta o delle condizioni esterne al processo) sull’output di produzione.

Benefits

Accedere alle previsioni tramite dashboard consultabili ovunque

Osservare in tempo reale l’output atteso

Simulare l’output in funzione di condizioni diverse da quelle attuali

Come funziona

a. Progettazione della raccolta dati da tutte le fonti predisposte (sensori, PLC, SCADA…)
b. Durata della raccolta parametrata alla ciclicità del processo produttivo

a. Individuazione dei modelli di deep learning più efficaci allo scopo
b. Validazione dei modelli tramite dati differenti a quelli impiegati nell’allenamento
c. Verifica della capacità dei modelli di generalizzare

a. Rilascio dei modelli nel contesto produttivo

Optimization

A cosa serve

La funzionalità di Optimization consente di ottenere ulteriore valore dalla soluzione di Automatic Prediction permettendo l’ ottimizzazione automatica del settaggio dei parametri di ricetta.

Benefits

Analisi What-If

Individuazione set di parametri di processo in ambiente virtuale

Riduzione della necessità di personale altamente specializzato o dotato di grande esperienza circa il funzionamento della macchina

Supporto RD

Riduzione degli scarti e massimizzazione dell’efficienza

Come funziona

Implementazione sistema di automatic prediction.

Sviluppo algoritmi di ottimizzazione vincolata.

Indicazioni all’utente delle modifiche ai parametri di ricetta per il raggiugimento dell’ottimo dei KPI.

Digitalization Path

Per sviluppare un Data Driven Digital Twin è necessario:

Implementare sistemi di raccolta dati

Raccogliere dati per un tempo sufficiente a spiegare la variabilità del processo

Validare il sistema con dati ignoti al modello allenato

Case history

Ottimizzazione dell'OEE per impianti di estrusione

L'estrusione di materiale plastico, come ad esempio bobine di film, è un processo altamente dipendente da fattori non direttamente controllabili dall'utente , come ad esempio: le caratterisctiche della mescola in ingresso, le condizioni ambientali circostanti (umidità e temperatura) e l'usura dei componenti meccanici della linea.
Al fine di ottimizzare l'efficienza (OEE) del processo di estrusione, intesa come Kg di materiale di buona qualità prodotti per minuto, la soluzione di 40Factory consente di suggerire il valore ottimale dei parametri di ricetta , utilizzando un modello di ML allenato con i dati di produzione del passato. Il sistema consente, quindi, di gestire la variabilità del contesto produttivo in maniera rapida ed esente da errore umano : il risultato è produrre a massima velocità con la maggiore qualità possibile, in ogni circostanza.

Ottimizzazione dei processi industriali con l'intelligenza artificiale e il deep learning