BUSINESS INTELLIGENCE INDUSTRY 4.0
Project data
Categoria: Ricerca e sviluppo
Inizio: 5/2018 - Fine : 12/2018
Paolo Settimio - Business Solution Consultant, H.S. Systems
RISULTATI
Scarti di produzione
Costi energetici
Tasso di reclamo
OBIETTIVI
L’obiettivo del progetto è stato quello di sviluppare dei modelli di descriptive, predictive e prescriptive analytics per la Business Intelligence per l’efficientamento energetico e la manutenzione predittiva di macchinari industriali in ottica Industria 4.0.Nello specifico, tra gli scopi principali c’era quello di minimizzare l’utilizzo di sistemi ad hoc, garantendo la compatibilità con le infrastrutture esistenti, realizzare interfacce alla portata di diversi tipi di utenze per la realizzazione di obiettivi a diversi livelli, costruire un database dello storico di impianto, in modo da prevederne gli andamenti futuri. Un focus del progetto è stato anche quello di migliorare l’efficienza della forza lavoro evitando perdite di tempo, minimizzare lo spreco di risorse hardware e computazionali, garantendo la massima sicurezza e personalizzare il servizio, attraverso il supporto decisionale.
SOLUZIONI
Con BI_I4.0 abbiamo sviluppato degli algoritmi di descriptive e predictive analytics, per l’efficientamento energetico e la manutenzione predittiva.
La soluzione sviluppata utilizza i processi di machine learning grazie ai quali, apprendendo automaticamente e nel tempo i dati provenienti dalla sensoristica in campo, è possibile elaborare, in modo intuitivo e induttivo, previsioni per il futuro. L’efficientamento energetico è stato raggiunto grazie alla possibilità ai dati previsionali del consumo di energia che, elaborati, vengono utilizzati per capire dove intervenire per ottimizzare i consumi.
Nell’ambito della prescriptive analytics, il nostro sistema di supporto decisionale si adatta in modo dinamico ai dati disponibili, selezionando il modello di previsione più appropriato in base a criteri specificati dall’utente.
MORE IN DEPTH
Obiettivi
Nello specifico, Business Intelligence Industry 4.0 ha lo scopo di:
- minimizzare l’utilizzo di sistemi ad hoc, garantendo la compatibilità con le infrastrutture esistenti;
- realizzare interfacce alla portata di diversi tipi di utenze per la realizzazione di obiettivi a diversi livelli;
- costruire un database dello storico di impianto, in modo da prevederne gli andamenti futuri;
- migliorare l’efficienza della forza lavoro ed evitare perdite di tempo;
- minimizzare lo spreco di risorse hardware e computazionali, garantendo la massima sicurezza;
- personalizzare il servizio, fornendo supporto decisionale.
Soluzioni
Idea75, con Business Intelligence Industry 4.0 (detto BI_I4.0) ha sviluppato degli algoritmi di descriptive e predictive analytics, per l’efficientamento energetico e la manutenzione predittiva.
La soluzione sviluppata utilizza i processi di machine learning, apprendendo automaticamente e nel tempo grazie ad algoritmi adattivi che hanno la capacità di utilizzare una grande mole di dati, provenienti dalla sensoristica in campo (per esempio dati di consumo energetici: elettricità, acqua, gas), imparano da essi e riescono a elaborare, in modo intuitivo e induttivo, previsioni per il futuro.
La funzione implementata per l’efficientamento energetico, intrecciando analisi computazionale, statistica, matematica riesce a prevedere quale sarà il consumo di energia in un determinato impianto, per un determinato tempo durante una determinata attività di produzione.
I dati previsionali così elaborati sono informazioni fondamentali con le quali è possibile, tramite il software, capire dove intervenire per ottimizzare i consumi e fare efficientamento energetico, analizzando i Key Performance Indicator (KPI).
Nell’ambito della prescriptive analytics, Idea75 ha sviluppato un sistema DSS (Decision Support System): si tratta di un sistema di supporto decisionale che si adatta in modo dinamico ai dati disponibili, selezionando il modello di previsione più appropriato in base a criteri specificati dall’utente.
Risultati
Per la validazione di BI_I4.0, sono state prese in considerazione n°2 macchine a elevato consumo energetico, utilizzate durante il processo produttivo molitorio; ognuna di queste presenta dei vincoli di produzione (dimensione dei lotti, tempi di processamento, tempi di stoccaggio, etc.).
La pianificazione della produzione sulla base della previsione dei consumi e dei guasti è stata effettuata tramite l’analisi e il monitoraggio di diverse categorie di KPI:
- programmazione / produzione;
- gestione risorse;
- manutenzione;
- qualità prodotto.
Inoltre, sono stati valutati gli indicatori out of samples per sei diversi modelli di previsione e per i diversi metodi di ottimizzazione utilizzati.
Il sistema di supporto decisionale implementato si adatta in modo dinamico ai dati disponibili, selezionando il modello di previsione più appropriato in base a criteri specificati dall’utente (criterio di accuratezza o criterio di variabilità).
Con le sue soluzioni tecnologiche e innovative, BI_I4.0 ha permesso di ottenere la riduzione:
- degli scarti di produzione pari al 20%;
- dei costi energetici, stimata al 15%;
- del tasso di reclamo del cliente finale, pari al 5%.
DSS: criteri di scelta per il modello di previsione più appropriato
Confronto metodi di ottimizzazione utilizzati
STAKEHOLDERS & CREDITS
H.S. Systems offre software di gestione aziendale, analisi e servizi cloud per aiutare le organizzazioni a migliorare le prestazioni e applicare le tecnologie digitali per interrompere il pensiero tradizionale e abilitare nuovi modelli di business.
www.hssystems.it