Big Data 4 Manufacturing (BD4M)

Birex
Introduzione

Uno degli obiettivi principali di Industria 4.0 è rappresentato dall’analisi dei dati raccolti dalle linee produttive al fine di ottimizzare i processi. Le moderne tecnologie di sensoristica e connettività permettono di osservare dettagli anche molto fini del processo produttivo, generando enormi moli di dati. Collegare logicamente questi dati a opportunità di miglioramento e ottimizzazione di processi produttivi sempre più articolati e complessi rappresenta una delle sfide più importanti per il futuro. Il progetto vuole superare i limiti delle principali soluzioni di analytics disponibili sul mercato e realizzare una piattaforma Big Data di generale applicabilità in ambito Industry 4.0 che permetta l’analisi di dati provenienti da diversi tipi di macchine a diversi livelli di astrazione (singola macchina, linea di produzione, e multi-linea o multi-impianto) e lo stoccaggio contestuale dei dati raccolti al fine di ottimizzare l’uso di risorse di storage. La piattaforma supporterà tipi di dati fortemente eterogenei provenienti da macchine diverse e da applicativi come PLM, CRM, ERP, ecc. Oltre al processamento “classico”, ovvero che coinvolge dati ben conosciuti e strutturati attraverso algoritmi e operazioni note, la piattaforma consentirà l’analisi di dati cosiddetti “imperfetti”, ovverosia non strutturati. Al di sopra della piattaforma sarà possibile implementare e validare algoritmi di analisi online per diagnosi, ottimizzazione e riconfigurazione di linee produttive.

Risultati attesi
Il progetto di ricerca intende perseguire i seguenti risultati:
  1. Piattaforma di analytics che fornisca le funzionalità di analisi Big Data di particolare rilevanza per il contesto Industry 4.0 evidenziate sopra
  2. Dashboard di monitoraggio fruibile da personale tecnico non esperto delle caratteristiche interne della macchina o della linea produttiva in questione. 
  3. Prototipo proof of concept di strumenti di predictive maintenance basati sul modelli di macchine precedentemente identificati;
  4. Prototipo proof of concept di strumenti di self-tuning, che permettano di automatizzare la riconfigurazione dei parametri di funzionamento di macchine e linee produttive, ad esempio per estendere il Remaining Useful Lifetime (RUL) o il Time to Failure (TTF) o per mantenere costante la qualità dell’output delle macchine anche in caso di cambiamenti significativi dell’input.