Vuoi saperne di più di questo Use Case?
Scrivici subito!
Use Case:
FactorAI &
sostenibilità
La digitalizzazione del processo produttivo di un’azienda del tessile
a servizio della sostenibilità.
Di Andrea Spinelli, Manager della BU Industry in Kode
Contesto
La trasformazione digitale sta rivoluzionando l’intero settore manifatturiero, consentendo di migliorare efficienza, qualità e sostenibilità, secondo gli obiettivi della Smart Manufacturing. L’industria tessile, in particolare, è sempre più attenzionata per il suo impatto ambientale, dovuto al consumo idrico, alle emissioni e alla produzione di rifiuti. Tuttavia, investire in materiali sostenibili e nell’economia circolare non è sufficiente: per un reale cambiamento, è fondamentale ottimizzare i processi produttivi esistenti e ridurre gli scarti.
FactorAI, il framework di Kode per l’Industry 5.0, consente di monitorare il ciclo produttivo in tempo reale, garantendo sia la qualità del prodotto che la riduzione dei costi, delle emissioni e degli scarti.
In questo caso studio analizziamo un progetto sviluppato con FactorAI ideato per un’azienda produttrice di tessuto-non-tessuto, al fine di ottimizzare il processo produttivo in termini di costi ed efficienza. Sebbene l’esempio riguardi il settore tessile, le stesse sfide e opportunità si applicano all’intero comparto manifatturiero, dimostrando il valore della Smart Manufacturing come chiave per la sostenibilità industriale
La Sfida
Come moltissimi nostri clienti, imprese produttive di media dimensione, questa azienda tessile era già provvista di macchinari già sensorizzati e connessi a un sistema centralizzato di raccolta dati. Tuttavia, la digitalizzazione era solo parziale:
- alcuni dati venivano ancora salvati su supporti non integrati (come xls, csv o database non integrati);
- la condivisione delle informazioni tra i vari reparti richiedeva tempo e risorse;
- il sistema si limitava all’archiviazione dei dati senza fornire indicatori utili per l’analisi e l’ottimizzazione dei processi.
Il sistema non aveva indicatori chiave approfonditi che consentissero una la lettura rapida dei dati in progressione, né sistemi di identificazione dei correttivi necessari a rendere sostenibili i processi. Occorreva identificare le cause e i rimedi per ridurre i fermi macchina, i costi energetici e di materie prime, controllando la qualità del prodotto finale.
La soluzione
L’Approccio
Per affrontare queste sfide, è necessario un approccio strutturato che ha consenta di trasformare il semplice monitoraggio dei dati in uno strumento di ottimizzazione attiva del processo produttivo. Grazie a FactorAI, l’azienda può integrare, analizzare e sfruttare i dati per intervenire in tempo reale e migliorare la sostenibilità operativa.
Integrazione
Il primo passo è quello di armonizzare e centralizzare i dati aziendali in FactorAI. Dato che molti connettori sono solitamente già disponibili, possiamo concentrare gli sforzi sulla creazione di un sistema di acquisizione specifico per dati non ancora integrati, come file Excel e database locali.
Strutturazione dei Dati
Dopo l’integrazione, si passa a normalizzare le informazioni, eliminare ridondanze e strutturare i dati per analisi efficaci. Questo consente di uniformare i dati provenienti dai macchinari e dai diversi sistemi aziendali, agevolando la generazione di report chiari e automatizzati.
L’analisi si è focalizzata su quattro aree chiave per la sostenibilità:
- Consumi energetici, per monitoraggio dell’efficienza di ogni macchina.
- Fermi macchina e scarti, identificando le cause e la riduzione degli sprechi.
- Utilizzo ottimale dei macchinari, grazie al confronto tra parametri di produzione e parametri di performance ideali.
- Qualità del prodotto, correlando i dati di produzione e gli standard qualitativi.
Questi KPI sono stati fondamentali per il miglioramento continuo della sostenibilità aziendale.
Process Control (MSPC)
La raccolta dei dati, senza un’analisi efficace, ha un’utilità limitata. Per questo motivo, occorre sviluppare una dashboard avanzata che, tramite grafici, matrici di dispersione e carte di controllo, consente di:
- Monitorare in tempo reale gli indicatori chiave;
- Correlare dati provenienti da diverse fonti per fornire insight operativi;
- Identificare relazioni tra parametri produttivi ed efficienza energetica, ottimizzando le impostazioni delle macchine.
L’adozione di questa tecnologia rende possibile:
- Un confronto dettagliato del consumo energetico tra macchinari e processi;
- L’ottimizzazione dei parametri di produzione per ridurre sprechi e inefficienze;
- Il miglioramento della qualità del prodotto attraverso il monitoraggio continuo delle variabili critiche.
Un elemento centrale di questa fase è l’analisi delle cause radice (Root-Cause Analysis), che ha permesso di individuare le vere origini delle inefficienze. Questo metodo ha aiutato il team dell’azienda a passare da una gestione reattiva a una proattiva, implementando soluzioni mirate basate su dati concreti.
Analisi Predittiva con AI
Per garantire interventi tempestivi e prevenire inefficienze, abbiamo sviluppato modelli di Intelligenza Artificiale focalizzati su due aspetti fondamentali:
- Manutenzione predittiva – Rilevamento precoce di anomalie per prevenire guasti e ridurre i tempi di fermo macchina.
- Anticipazione delle derive produttive – Modelli che segnalano in tempo reale variazioni nei parametri di produzione che potrebbero portare a scarti o difetti qualitativi.
Questi algoritmi, basati su machine learning, vengono addestrati sui dati storici dell’azienda per identificare schemi ricorrenti e prevedere eventuali problematiche prima che si manifestino. Ciò permette agli operatori di intervenire in anticipo, ottimizzando l’utilizzo delle risorse e garantendo una produzione più efficiente e sostenibile.
I Risultati
Grazie all’implementazione di FactorAI i risultati sono significativi:
- riduzione del 10% degli scarti da produzioni fuori standard, migliorando la qualità del prodotto e riducendo le materie prime sprecate;
- riduzione del 8% nei costi energetici grazie all’analisi degli sprechi e all’ottimizzazione dei parametri delle macchine;
- riduzione del 20% dei tempi di fermo macchina attraverso l’analisi predittiva e l’intervento tempestivo degli operatori.
Conclusioni
Nel settore tessile, FactorAI può portare un importante valore aggiunto, con tempi e costi di integrazione limitati, indipendentemente dalla varietà e complessità delle fonti dati.
L’altro aspetto differenziale è rappresentato dagli indicatori custom costruiti sulla base delle richieste specifiche dell’azienda, che, uscendo così da report standardizzati che poco aggiungono al dato puntuale, hanno consentito al top management, insieme alle indicazioni operative generate dai modelli predittivi, di perseguire efficacemente l’obiettivo della maggiore sostenibilità aziendale.
