AO_434

AUTOMAZIONE OGGI 434 SOLUZIONI SOFTWARE PER L’INDUSTRIA 79 S SI esperienze una piattaforma in grado di analizzare, utilizzare i dati disponibili per scoprire le cause delle variazioni di qualità e degli scarti; moni- torare la salute dei cicli di controllo PID per ridurre la variazione del processo; prevedere in quanto CSense aiuta a creare un modello predittivo partendo dai dati disponibili per prevedere la qualità del prodotto in tempo reale, consentendo un controllo qualità in realtime per ridurre scarti e aumentare la qualità. Aggregando ed esaminando i dati e applicando le capacità di CSense, Møller è stata in grado di rilevare alcune possibili cause di errore nella linea di produzione, problematiche che fino ad allora erano impensabili. Durante il processo di realizzazione della carta infatti i produt- tori tradizionalmente aggiungevano prodotti chimici per limitare la disidratazione. Tuttavia i risultati ottenuti dalle analisi del re- sponsabile di produzione hanno evidenziato che anche l’utilizzo eccessivo di queste sostanze poteva essere controproducente, portando alla realizzazione di lotti qualitativamente inadeguati. “Il modello fornisce feedback precisi e immediati in realtime, aiu- tando l’operatore nel dosaggio di queste sostanze” dice Møller. “CSense ha evidenziato che l’errore risiedeva nella gestione della produzione. Aggiungere in maniera eccessiva sostanze chimiche per prevenire la disidratazione si è rivelato controproducente e lo abbiamo scoperto proprio grazie alla soluzione di GE. Ora, pos- siamo ridurre la quantità di prodotti chimici usati e contempo- raneamente ridurre gli scarti, un doppio vantaggio in termini di costi. È per noi un nuovo approccio che ci ha dato subito enormi vantaggi”. Dalle intuizioni ai risultati in maniera rapida Questa nuova intuizione proveniente dall’IA supporta anche l’im- pegno dell’azienda verso l’economia circolare. “La riduzione degli scarti, dell’uso di prodotti chimici e l’aumento della capacità produt- tiva attraverso CSense sono tutti modi in cui stiamo aiutando l’am- biente” spiega Møller. “Inoltre, utilizzando maggiormente CSense, possiamo raccogliere dati dalla catena di approvvigionamento e ottimizzare anche quel segmento della supply chain. Le capacità ci sono, quindi è solo una questione di strutturare correttamente i dati e il modello”. Per riassumere, dopo appena sei ore di consu- lenza, Skjern Paper è stata in grado di acquisire nuove conoscenze su come i prodotti chimici di disidratazione possono influenzare la qualità del prodotto; monitorare la salute del ciclo di controllo PID per rilevare problematiche a riguardo ed evitare variazioni di processo; creare unmodello predittivo dai dati disponibili per poter prevedere la qualità del prodotto in tempo reale, consentendo il controllo fin dalle fasi iniziali del lotto (riducendo scarti e non con- formità). I passi successivi Il progetto prevedeva il raggiungimento di alcune milestone già nella fase di POC: tuttavia era già previsto un utilizzo molto più approfondito dei meccanismi di Machine Learning e Artificial Intelligence, al fine di aggiungere risultati e traguardi ambiziosi come trasformare le intuizioni già apprese e apportare cambia- menti al processo produttivo; aggregare e analizzare nuovi dati che porteranno a ulteriori intuizioni; ridurre i tempi di inattività analizzando cause e concause in maniera approfondita; formare altri membri del team sull’uso di CSense per mettere anche a loro disposizione le potenzialità di ML e AI; costruire un modello pre- dittivo per ottenere informazioni sull’aumento della capacità. Skjern Paper implementerà anche Proficy Operations Hub per il monitoraggio e la visualizzazione del ciclo PID principale: si tratta del ‘client universale’, la soluzione di GE Digital per la creazione di dashboard personalizzate che può ‘pescare’, aggregare e rappre- sentare graficamente i dati provenienti da qualsiasi fonte. GE Digital - www.ge.com/digital/ ServiTecno - www.servitecno.it La soluzione software adottata si chiama Proficy CSense, piattaforma in grado di analizzare gli scarti, monitorare la salute dei cicli di controllo, prevedere la qualità del prodotto in tempo reale… Aggregando ed esaminando i dati e applicando le capacità di CSense, Møller è stata in grado di rilevare alcune possibili cause di errore nella linea di produzione