Predire i guasti dei macchinari con un algoritmo. Un vantaggio enorme per l'industria

Nelle aziende di processo e manifatturiere di ogni dimensione, l’enorme sviluppo dei sensori e dei sistemi di misura consente di raccogliere un enorme volume di dati relativi al funzionamento di ogni singola macchina e spesso anche quelli relativi alla qualità dei prodotti semilavorati e finiti. Alcuni di questi dati sono legati a dei meccanismi di monitoraggio di alcuni componenti chiave, e pertanto viene analizzata in real-time. Ad esempio viene confrontata con valori soglia, il cui superamento può esser indice di un degrado di prestazioni, oppure può essere utilizzata in maniera più sofisticata per scopi di controllo.

La maggior parte dei dati viene immagazzinata e conservata, almeno per un certo periodo, negli archivi elettronici della azienda, ma questa enorme fonte di informazione viene spesso sotto-utilizzata, perché i dati vengono analizzati con strumenti statistici classici e spesso per analisi a posteriori, ad esempio per analizzare i trend produttivi in termini di prestazioni del ciclo produttivo o di qualità del prodotto. 

Le comunità scientifica e industriale sono concordi nel riconoscere che uno sfruttamento intelligente dell’enorme quantità di dati oggi disponibile nelle aziende sarà fonte di vantaggio competitivo nel mercato globale, nonché strumento per migliorare l’efficienza e la sostenibilità dei cicli produttivi.

L'Intelligenza artificiale applicata ai guasti dei macchinari 

La predizione o il riconoscimento precoce di anomalie di funzionamento e guasti è un tipico campo di applicazione in cui le tecniche di Intelligenza Artificiale, quali le reti neurali. Questi sistemi devono il proprio suggestivo nome ad una architettura fortemente interconnessa, ispirata a quella del sistema nervoso animale, che come questa scompone una operazione complessa in tante operazioni più semplici svolte da unità di calcolo elementari, detti appunto “neuroni”.

Le reti neurali sono dotate di meccanismi di “apprendimento”, ossia algoritmi che modificano dinamicamente i parametri interni della rete sulla base di dati sperimentali, i quali hanno la funzione di “stimoli esterni.” Nel caso della diagnosi guasti, speciali reti neurali sono in grado di riconoscere all’interno di un numero anche molto grande di variabili misurate, quei fattori che sono i “segnali premonitori” più significativi del guasto stesso e, sulla base di questi segnali, rilevare in anticipo l’occorrenza di una anomalia. Possono anche venire impiegati sistemi neurali specializzati nel riconoscere eventi rari, giacché i guasti sono molto meno frequenti delle condizioni di normale funzionamento.

Leggi anche: Un algoritmo può ridurre le emissioni delle acciaierie

Questo è un semplice ma significativo esempio di come le tecniche di Intelligenza Artificiale possano essere di supporto agli operatori nell’industria, senza sminuirne l’importanza né rimpiazzarne il ruolo. Al contrario, possono consentire operazioni che la mente umana non può fare, perché estraggono in maniera efficiente, veloce, dinamica e adattiva l’informazione rilevante da grandi volumi di dati, e la rendono immediatamente fruibile a chi gestisce macchinari e servizi, consentendo loro decisioni efficaci e rapide.