La spinta dell’Industria 4.0 porta sempre più linee di produzione a essere totalmente sensorizzate: i dispositivi IoT di cui sono dotate generano grandi quantità di dati che vengono molto spesso storicizzati e mai più utilizzati.

Con il Machine Learning è possibile creare valore dalle enormi quantità dei dati accumulati ma che risultano ingestibili dall’essere umano grazie ad algoritmi che ne automatizzano l’analisi.

In questo contesto è inoltre possibile addestrare gli algoritmi a svolgere previsioni sugli obiettivi o gli eventi che si è interessati a conoscere in anticipo, dando vita a veri e propri modelli predittivi.

All’interno dei sistemi di Predictive Analysis, è possibile individuare due casi d’uso principali:

–        Predictive Maintenance, il cui obiettivo è stimare la vita residua dei componenti, per intervenire in manutenzione sugli asset di processo prima che questi possano guastarsi, preservando così la Business Continuity

–        Predictive Quality, il cui obiettivo è stimare la qualità di un semilavorato o prodotto finito, dove un controllo su di esso potrebbe richiedere di lavorare in condizioni critiche (come alte temperature) oppure dove prelevare campioni di test potrebbe essere insostenibile nei costi o nei tempi

Guarda nel video un esempio di applicazione della Predictive Quality per l’industria siderurgica.

Per la tua privacy YouTube necessita di una tua approvazione prima di essere caricato.
Ho letto la Privacy Policy ed accetto

Il tuo nuovo percorso di trasformazione digitale inizia oggi.
Contattaci per trovare le soluzioni più adatte alle tue esigenze.

Tappe recenti

VEDI TUTTE LE TAPPE