Lean manufacturing per la lavorazione di vetrate isolanti #Industrial AI Challenge

50 studenti e studentesse dell’Università di Trento e 7 imprese selezionate sono i protagonisti della seconda edizione dell’Industrial AI Challenge organizzata da HIT – Hub Innovazione Trentino.

Un’iniziativa che ha permesso alle imprese selezionate di scoprire e testare i benefici dell’intelligenza artificiale per l’analisi e l’ottimizzazione dei processi produttivi industriali grazie al coinvolgimento di cinque gruppi di studenti universitari che, con il supporto di esperti del settore, hanno eseguito analisi statistiche avanzate e applicando tecniche di Machine Learning, hanno creato modelli predittivi sulla base dei dati forniti dalle aziende.

L’edizione di quest'anno, ha visto Denis, Innovation Manager in Thread Solutions, coinvolto per 11 settimane in qualità di mentor, per affiancare il team nella sfida proposta da Vetrosistem.

La Challenge

Vetrosistem è un'azienda trentina (con sede a Isera) che ha deciso di investire nella digitalizzazione per diventare all'avanguardia dal punto di vista dell'automazione nel settore del vetro.

Negli ultimi anni, tale azienda ha rinnovato tutte le linee di produzione (dal taglio fino all’assemblaggio) adottando macchinari 4.0 così da poter raccogliere tutti i dati di processo desiderati.

La Challenge era comprendere e predire, partendo da dati forniti dai macchinari 4.0, i tempi di lavorazione delle vetrate isolanti, gli scarti e l’area lavorata, così da agevolare le scelte strategiche e operative in grado di aumentare l’efficienza e la qualità del prodotto finito.

Risultati

Il team nel corso della Challenge è riuscito a standardizzare e automatizzare un approccio per collezionare tutti i dati provenienti dalle diverse macchine in un formato standarizzato su uno storage. 

Questo storage centralizzato è stato il fattore abilitante per poter eseguire tutti gli algoritmi di Machine Learning e avere a disposizione statistiche avanzate che hanno permesso di predire il tempo di produzione di un pannello tenendo in considerazione anche i possibili problemi in fase di produzione (ex. giorni di chisura, macchine fuori servizio, code, tipo di pannello etc…). Un dato rilevante per conoscere le tempistiche dei singoli ordini ricevuti dai clienti ed effettuare le consegne puntuali.

Non solo, altre statistiche sono state ricavate dall’analisi dei dati, come: 

• Un grafico dei diversi clienti e delle rispettive medie di superficie commissionata;
• Il cliente che ha acquistato il pannello di finestra più grande;
• Una stima degli scarti;
• Una previsione dell’area lavorata (mq).

Scegliere un approccio basato sui dati è fondamentale per riuscire ad essere più efficienti e competitivi in un mercato sempre più globale e digitale.