Attualmente la manutenzione in generale, e le strategie di manutenzione in particolare, stanno affrontando sfide significative nel gestire l’evoluzione delle apparecchiature, della strumentazione e dei processi produttivi. Pertanto, è chiaro che le strategie di manutenzione preventiva e correttiva progettate per i tradizionali processi di produzione di massa, ripetitivi e stabili, non sono più validi e sono necessarie strategie più adattabili e reattive (predittive-prescrittive).
La miniaturizzazione dell’elettronica, lo sviluppo di sensori sempre più precisi e affidabili, l’aumento della capacità computazionale e di stoccaggio dei dati, sia in modalità on-premise che in server cloud, e l’utilizzo di algoritmi di Machine Learning permettono strategie di manutenzione predittiva più evoluti. Partendo dall’identificazione di anomalie nei processi di produzione, meccanismi di usura e failure mode di componenti, macchine e linee di manifattura fino ad implementare stime della vita residuo (RUL), azioni automatiche di correzione/ottimizzazioni dei processi e pianificazione di manutenzioni con sistemi gestionali di produzione (MES/ERP).
Obiettivi
Z-Bre4k comprende l’introduzione di 8 strategie scalabili a livello di componenti, macchine e sistemi:
- Z-PREDICT: previsione del verificarsi di guasti sulla base di evidenze
- Z-DIAGNOSE: individuazione precoce di correnti o emergenti fallimento
- Z-PREVENT: prevenzione di insuccesso, costruzione o persino propagazione all’interno del sistema di produzione
- Z- ESTIMATE: stima della vita utile residua (RUL) delle attività
- Z-MANAGE: gestione delle suddette strategie attraverso la modellazione degli eventi, il monitoraggio dei KPI (indicatori chiave delle prestazioni) e il supporto decisionale in tempo reale
- Z-REMEDIATE: sostituzione, riconfigurazione, riutilizzo, ritiro e riciclaggio di componenti / attività
- Z-SYNCHRONIZE: sincronizzazione di azioni correttive, pianificazione della produzione e logistica
- Z-SAFETY: verifica della sicurezza, della salute e del comfort degli operatori umani
L’implementazione di queste soluzioni permetterà di:
- Progettare e sviluppare l’architettura Z-Bre4k sulle basi dell’architettura AUTOWARE
- Sviluppare simulatori di macchine di rete nascondendo le operazioni di macchina e le componenti nel ciclo di vita, in un paradigma “Digital Twin”
- Sviluppare un sistema di monitoraggio continuo online delle condizioni e delle prestazioni del sistema di produzione a livello componente / macchina e a livello di sistema per consentire una produzione sostenibile e competitiva
- Mitigare i rischi attraverso la modalità di guasto e l’analisi degli effetti (FMEA)
- Sviluppare un meccanismo di machine learning con capacità di analisi predittive / preventive / diagnostiche, al fine di ridurre al minimo l’incertezza in merito a guasti della macchina e dei componenti e di stimare la vita utile rimanente delle macchine
- Introdurre capacità di diagnosi autonoma e consapevolezza del contesto
- Sviluppare un sistema di supporto decisionale (DSS) di livello superiore per valutare le prestazioni delle macchine e diagnosticare e prevedere con precisione fatiche / insuccessi decidendo azioni atte a prevenire il loro verificarsi
- Fornire un piano di manutenzione dinamico per identificare: tempo ottimale in termini di carico di lavoro, capacità di produzione, disponibilità del team di supporto, livello delle scorte di pezzi di ricambio, risparmio energetico, ecc.
- Interfacciarsi con sistemi di gestione di impianti di livello superiore per pianificare la manutenzione e riadattare la programmazione della produzione
- Integrare diverse strategie per il monitoraggio della produzione e il controllo delle prestazioni
Sito Z-BRE4K
