Z-BRE4K

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:

1. Z-PREDICT: previsione del verificarsi di guasti sulla base di evidenze
2. Z-DIAGNOSE: individuazione precoce di correnti o emergenti fallimento
3. Z-PREVENT: prevenzione di insuccesso, costruzione o persino propagazione all’interno del sistema di produzione
4. Z- ESTIMATE: stima della vita utile residua (RUL) delle attività
5. 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
6. Z-REMEDIATE: sostituzione, riconfigurazione, riutilizzo, ritiro e riciclaggio di componenti / attività
7. Z-SYNCHRONIZE: sincronizzazione di azioni correttive, pianificazione della produzione e logistica
8. 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 in rete imitando le operazioni delle macchina e dei componenti nel loro ciclo di vita, in un paradigma “Digital Twin”
• Sviluppare un sistema di monitoraggio online continuo delle condizioni e delle prestazioni del sistema di produzione a livello dei componenti, della macchina e di sistema per permettere una produzione sostenibile e competitiva
• Mitigare i rischi attraverso la metodologia Failure Mode and Effect Analysis (FMEA)
• Sviluppare un meccanismo di machine learning, basato sugli eventi, 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 identificando il tempo ottimale, in termini di carico di lavoro, la capacità di produzione, la disponibilità del team di supporto, il livello delle scorte dei pezzi di ricambio, il 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