Il progetto* ha riguardato principalmente l’utilizzo dell’intelligenza artificiale per efficientare i servizi di manutenzione predittiva offerti da BBM.
I servizi di diagnostica predittiva consentono di programmare gli interventi di manutenzione prima che insorgano rotture provocando fermi macchina non programmati. Si basano su sorveglianze diagnostiche degli elementi meccanici critici degli impianti (cosiddette ronde) che, rilevando anomalie di rumore e vibrazione degli impianti, consentono di prevedere in anticipo la potenziale rottura degli elementi meccanici critici (p.e. i cuscinetti a sfera).
Prima del progetto l’interpretazione di questi dati era affidata a tecnici esperti che in base alla loro esperienza riconoscevano vibrazioni e rumori anomali potenzialmente legati a incipienti rotture.
Nell’ambito del progetto è stato introdotto in azienda un SW di intelligenza artificiale realizzato da AMMAGAMMA.
Il software installato è capace di analizzare i dati di diagnostica vibrazionale provenienti dalle ronde sugli impianti dei clienti di BBM, individuando in maniera automatica tutti gli squilibri possibili, cioè forme e combinazioni di segnali anomali legati ad una potenziale rottura. Il SW è stato addestrato su grandi mole di dati storici raccolti da BBM.
Al termine dell’addestramento il SW si è rivelato in grado di individuare proattivamente i cuscinetti a fine vita ovvero quelli per i quali sia prevedibile una potenziale rottura entro un determinato lasso temporale.
Il nuovo SW è stato reso disponibile agli operatori di BBM su una piattaforma accessibile da web (quindi sia dagli uffici di BBM che dalle postazioni di lavoro presso il cliente) che raccoglie i dati di diagnostica, permette di visualizzarli in modo ergonomico e, in base all’analisi di tali dati, suggerisce agli operatori gli interventi di manutenzione da programmare con priorità sugli impianti.
È stato quindi raggiunto l’obiettivo d’efficientare il servizio di manutenzione predittiva, superando l’analisi manuale dei pattern acustico- vibrazionali anomali e affidandola all’elaborazione del SW IA, permettendo agli operatori di individuare in modo più rapido e preciso i malfunzionamenti dei macchinari per programmare in modo sempre più tempestivo e meno invasivo gli interventi di manutenzione.
*IL PROGETTO E’ STATO REALIZZATO CON IL COFINANZIAMENTO DELLA REGIONE EMILIA-ROMAGNA NELL’AMBITO DEL PROGRAMMA FESR 21-27
Gmm Magazine:
Articoli correlati …
