Come ridurre i tempi di fermo macchina 

Nei settori produttivi il fermo macchina non pianificato è un inconveniente che può costare caro. 

Fermare un impianto significa causare degli effetti negativi come:

• Incremento dei tempi di produzione e consegna;
• Ripercussioni sulla qualità del prodotto;
• Complicazioni relative alla gestione dei flussi di prodotti e materiali. 

Inoltre, provoca dei costi non programmati come quelli legati alla manutenzione o alla scadenza delle materie prime deteriorabili.

Esistono metodi efficaci per far fronte a questa problematica, ovvero: l’implementazione del Machine Learning e la definizione dei KPI relativi all’Overall Equipment Effectiveness (OEE).

Cos’è l’Overall Equipment Effectiveness?

L’OEE è un indice che mostra, attraverso una percentuale, la disponibilità degli equipment, le prestazioni del processo e la qualità dei prodotti. 

Questi dati vengono calcolati tramite:

• l’identificazione delle cause di fermo macchina (downtime);
• le deviazioni negative delle performance;
• il livello di qualità dei prodotti (scarti, rilavorazioni). 

Il calcolo dell’OEE può essere implementato adottando un software integrato con i propri sistemi MES (Manufacturing Execution System) e in grado di acquisire automaticamente le informazioni necessarie ai calcoli.

Machine Learning per produzioni più efficienti e manutenzione predittiva

I dati raccolti possono essere utilizzati per ottenere importanti informazioni e previsioni, sia sulla produzione, che sulla manutenzione.

Il Machine Learning, grazie all’utilizzo di algoritmi e modelli che apprendono le correlazioni tra dati sensoristici e i guasti avvenuti sui macchinari, permette di realizzare dei sistemi in grado di effettuare:

• Manutenzione predittiva: prevedere guasti e anomalie sui macchinari per gestire in modo efficiente la manutenzione;

• Previsione delle vendite: prevedere i livelli di vendita futuri per ottimizzare il processo produttivo;
• Controllo di qualità del prodotto (Quality 4.0): controllare la qualità del prodotto per rilevare difetti di produzione;
• Previsione dei consumi energetici: prevedere i consumi energetici futuri, con vantaggi sia per chi deve farne richiesta, sia per chi è fornitore di energia.

Senseioty: la piattaforma ideale per le industrie manifatturiere

Con Senseioty, la piattaforma per l’industria digitale di FlairBit, le aziende manifatturiere ottengono tutti i benefici del calcolo e monitoraggio dell’OEE e dell’implementazione di algoritmi di Machine Learning.

Inoltre, a partire dai parametri di difformità individuati dal controllo qualità tramite l’indice OEE, Senseioty:

• determina il processo di rilavorazione ottimale per rendere il prodotto conforme;
• individua i migliori fornitori in base alla combinazione di parametri come qualità, resa ed efficacia.

In questo modo è possibile diminuire i costi, minimizzare i tempi di impegno della linea e delle materie prime.