Come l'intelligenza artificiale riduce gli arresti macchina

Un'IA riconosce disturbi e errori. Attraverso il collegamento con un modello di flusso di lavoro, il dipendente riceve raccomandazioni operative direttamente sul suo smartwatch. © Fraunhofer IPA/Foto: Rainer Bez

Algoritmi intelligenti riconoscono errori e segni di usura e l'orologio intelligente informa l'operatore della macchina su come risolvere i problemi: un team di ricerca dell'Istituto Fraunhofer IPA ha sviluppato, insieme a partner industriali, un metodo per integrare l'intelligenza artificiale nella manutenzione.

Il funzionamento tipico nell'industria fino ad oggi è il seguente: un guasto si verifica in modo non rilevato su una macchina. Essa produce scarti finché un operatore attento non nota i difetti di qualità e ferma la macchina. Poi inizia il grande enigma. Perché si verifica l'errore? Come può essere risolto? Vengono cambiate in modo completamente casuale le impostazioni della macchina e vengono prodotti altri test – fino a quando la qualità non torna a essere buona. Fortunato chi ha una collega esperta che conosce il problema e sa subito come risolverlo.

Purtroppo, però, queste competenze sono rare. Al loro posto potrebbe presto arrivare l'intelligenza artificiale (IA). Un team di ricerca guidato da Jonas Krauß del gruppo di progetto Innovazione dei Processi presso l'Istituto Fraunhofer per la Tecnologia della Produzione e Automazione IPA ha sviluppato, insieme alle aziende Maincor Rohrsysteme e Maxsyma, un metodo per integrare l'IA nella manutenzione.

L'algoritmo riconosce le saldature difettose

L'azienda Maincor Rohrsysteme produce nella regione della Bassa Franconia a Knetzgau, tra le altre cose, tubi in alluminio rivestiti di plastica per il riscaldamento a pavimento. In questo processo possono verificarsi saldature difettose così come deviazioni nello spessore del rivestimento plastico. Entrambi finivano finora per generare scarti e causavano l'arresto della macchina finché il difetto non veniva individuato e corretto.

Il team di ricerca di Krauß ha sviluppato un demonstratore in cui la saldatura ad ultrasuoni viene monitorata con telecamera e IA. Un algoritmo intelligente analizza le immagini della telecamera e riconosce immediatamente le saldature difettose quando si verificano. Per addestrare l'IA, i ricercatori dell'Istituto Fraunhofer IPA le hanno mostrato foto di saldature buone e difettose finché non ha riconosciuto un modello. Tuttavia, poiché c'erano poche immagini di saldature difettose, il team di ricerca ha dovuto in parte crearle artificialmente per migliorare il processo di apprendimento del modello di IA.

La sonotrode dell'utensile di saldatura ad ultrasuoni è una parte soggetta a usura. L'usura aumenta la resistenza e quindi il consumo di energia. I ricercatori di Krauß hanno quindi fissato pinze amperometriche sul cavo. Un ulteriore algoritmo analizza i valori di misurazione. Il diametro dei tubi finiti viene rilevato con un apparecchio a raggi X. Deviamenti verso l'alto indicano, ad esempio, che la pressione nell'estrusore, che applica il rivestimento di plastica, è troppo alta. Un diametro troppo piccolo indica una pressione troppo bassa.

Orologio intelligente fornisce raccomandazioni operative

«Non appena l'IA riconosce una saldatura difettosa, registra un aumento nel consumo di energia della sonotrode o rileva deviazioni nel diametro, sul polso dell'operatore della macchina compare un messaggio corrispondente», spiega Krauß. «È collegato a una raccomandazione di azione, affinché il problema venga risolto rapidamente e senza tentativi casuali, oppure si provveda in tempo a procurarsi una nuova sonotrode.» Le raccomandazioni operative si basano su cosiddetti modelli di flusso di lavoro, che il team di ricerca aveva precedentemente sviluppato insieme agli esperti di processo. Essi rappresentano i passaggi di lavoro che l'IA raccomanda di eseguire. Questa manutenzione predittiva non migliora solo le attività di manutenzione specifiche, ma anche la pianificazione e il controllo della produzione. Infatti, se si sa in anticipo quando sostituire una sonotrode, si può organizzare di conseguenza l'elaborazione degli ordini e l'approvvigionamento.

L'azienda Maxsyma, specializzata in software di Floß nella regione dell'Alta Palatinato, integrerà le nuove funzioni e librerie software sviluppate nella sua applicazione esistente «iot2flow» e le adatterà in modo che siano utili anche per aziende di altri settori. Per quanto riguarda Maincor, si prevede che lo strumento finito, dopo il suo rollout in tutta la produzione, possa ridurre di circa il 15-20% i tempi di fermo macchina e abbassare il tasso di scarti di circa lo 0,5%. Si prevedono inoltre costi di manutenzione e riparazione più bassi e guadagni di efficienza grazie a una pianificazione e a un controllo della produzione ottimizzati.