PROGETTI
MISE
La Manutenzione Predittiva e l’Analisi del Processo Produttivo
MANUTENZIONE PREDITTIVA
Uno dei progetti sviluppati dal team di Travi e Profilati di Pallanzeno in collaborazione con la Facoltà di Ingegneria dell’Università degli Studi di Brescia, tratta della manutenzione predittiva dell’impianto di San Zeno Naviglio, utilizzando tecniche di Machine Learning.
Nello specifico lo studio si è concentrato sui dati relativi ai ventilatori dell’impianto di smaltimento fumi; è stato mostrato come l’algoritmo elaborato sia in grado di prevedere con elevata perizia, l’andamento di ciascuna variabile nei periodi futuri, confrontando i risultati delle previsioni con i dati reali rilevati dalla sensoristica.
Attraverso un confronto di dati e risultati il team è riuscito a sviluppare un metodo per individuare eventuali anomalie nel funzionamento del sistema.
ANALISI DEL PROCESSO PRODUTTIVO
La stretta collaborazione tra il team di TPP di Duferco Travi e Profilati e l’ Università Cattolica di Brescia, ha permesso di sviluppare una piattaforma di previsione delle caratteristiche chimiche della colata.
In particolare, grazie alla grande quantità di dati a disposizione sulla produzione storica e una complessa applicazione di calcolo basata sulla metrica euclidea, è possibile anticipare le ricette di colata confrontando le caratteristiche desiderate con i dati in archivio.
La modularità e la spiccata usabilità dell’interfaccia web rende il sistema estremamente flessibile: è possibile selezionare il set degli elementi significativi per ciascun caso, attribuendo un peso ai diversi input immessi e focalizzando la ricerca sugli aspetti di volta in volta più rilevanti. All’utente sono restituite le informazioni sulla colata, il processo produttivo e il dettaglio delle ferroleghe aggiunte in colate simili effettuate in precedenze. La ricerca può essere affinata secondo filtri legati al tipo di acciaio e all’arco temporale di produzione.
Uno step ulteriore del progetto, oggi in via di sviluppo, permetterà all’utente ricerche sempre più ampie e accurate, semplificando al contempo la modalità di accesso ai dati: gli operatori potranno utilizzare un unico heat ID come input per la ricerca, al posto di singoli valori, inseriti uno ad uno. Il database verrà inoltre ampliato e arricchito di nuovi set di dati che permetteranno di migliorare la qualità degli output.
