Improvenet



PREMANI

PreMANI: MANIFATTURA PREDITTIVA
Progettazione, sviluppo e implementazione di soluzioni di Digital Manufacturing per la previsione della Qualità e la Manutenzione Intelligente    

Lo sviluppo di sistemi produttivi ad alta efficienza che consentano di minimizzare i costi di produzione, migliorare la produttività e la qualità del prodotto è universalmente riconosciuto come uno dei temi centrali dello Smart Manufacturing, in particolare nella visione dell’Industry 4.0.

L’alta efficienza produttiva è condizione necessaria per la competitività di tutte le imprese, che devono raggiungere un miglioramento della performance, e raggiungere un elemento di differenziazione dai paesi a basso costo attraverso la realizzazione di prodotti di alta qualità, aspetto questo particolarmente significativo per il sistema produttivo veneto.

Inoltre, sistemi ad elevata flessibilità applicativa consentono di mantenere inalterata la propria efficienza anche a fronte di una variabilità estrema della domanda, e di conseguire al tempo stesso una riduzione degli scarti (anche in chiave di sostenibilità ambientale) e dei consumi energetici derivanti da processi non efficienti (efficienza energetica).

In questa ottica, è necessario sviluppare metodologie, tecnologie e strumenti integrati di manutenzione, controllo qualità, e logistica di produzione. Il progetto PreMANI ambisce a dimostrare la capacità di penetrazione di tali tecniche in settori applicativi eterogenei, caratterizzati da esigenze molto diverse, facendo leva sugli aspetti metodologici di natura generale.

Il progetto intende sviluppare tecniche che possano affrontare il tema della predizione delle caratteristiche di funzionamento di macchine ed impianti, coniugando l’analisi della qualità (del prodotto) con quello dell’efficienza (degli impianti), in un contesto che viene quindi descritto come Manifattura Predittiva.

Le soluzioni sviluppate appartengono all’ambito del Digital Manufacturing, prevedendo la realizzazione di strumenti avanzati per il supporto alle decisioni, e di componenti a livello hardware (architetture di sensori dedicate, sistemi embedded a basso costo per l’utilizzo in tempo reale di modelli complessi di previsione), infrastrutturale (piattaforme IT basate su cloud), e algoritmico (con particolare enfasi sull’utilizzo di tecniche di machine learning).