Vuoi saperne di più di questa Case history?
Scrivici subito!
Italprogetti
Una soluzione di AI per la
predizione dei tempi integrato
nei sistemi di asciugatura
delle pelli di Italprogetti
Intro
Nell’attuale contesto competitivo del settore conciario, in cui le aziende clienti (spesso grandi marchi del settore moda) fanno emergere richieste sempre più stringenti in termini di margini temporali e orchestrazione delle consegne, l’ottimizzazione di tempi e costi di produzione è diventata ormai prioritaria.
Per questo Italprogetti, (https://italprogetti.it/ – azienda produttrice di macchinari per il settore conciario, alimentare, cartario, oil & gas), ha deciso di far evolvere i suoi sistemi dedicati alla asciugatura delle pelli, sfruttando le potenzialità della digitalizzazione avanzata. In questo modo potranno fornire alle aziende clienti macchine industriali in grado di affiancare l’ottimizzazione di processo alla resa qualitativa che da sempre contraddistingue il Comprensorio del Cuoio toscano di Santa Croce-Ponte a Egola.
Challenge
L’obiettivo di questo progetto è sviluppare, in un processo industriale di asciugatura delle pelli, un sistema predittivo per stimare i minuti necessari per raggiungere un esatto grado di umidità. La previsione di tempi di asciugatura non è un dato certo basato esclusivamente sull’umidità delle pelli stesse, ma è fortemente impattato anche da una serie di dati contestuali, quali la temperatura o l’umidità, sia interna che esterna della camera di essiccazione.
Il sistema deve quindi essere in grado di acquisire dati di prodotto e di contesto, oltre che dati di produzione, per dare l’avvio automatizzato alla stima sulla base di tag di macchina provenienti dal sistema produttivo.
SOLUZIONE
Arichitettura
Per rispondere a questa sfida, è stato sviluppato un sistema intelligente interamente on-edge, capace di operare direttamente a bordo impianto. Integrato con l’infrastruttura di raccolta dati unificata esistente (OPC UA), il sistema raccoglie in tempo reale i dati di processo e ambientali, li elabora localmente e restituisce previsioni aggiornate sul tempo di asciugatura. Esso si compone di:
- Un sistema di collegamento all’ OPC UA, che acquisisce in tempo reale i dati di processo
- Un modulo di logica di comunicazione per l’attivazione del modello di predizione
- Un Modulo di predizione del tempo di asciugatura delle pelli, in base ai dati raccolti in real-time.
- Un database di appoggio per la storicizzazione dei metadati di predizione e di processo
Questa architettura decentralizzata consente l’elaborazione e la generazione di insight direttamente dove i dati nascono, senza necessità di connessione continua al cloud. In questo modo, si ottengono stime predittive affidabili, contestualizzate e in tempo reale, anche in condizioni operative complesse.
Logica on-edge
Grazie alla logica on-edge:
- I dati vengono processati in prossimità della macchina, riducendo al minimo latenza e dipendenza dalla rete.
- Le previsioni si aggiornano dinamicamente in base all’evoluzione del ciclo in corso.
- Il sistema può attivarsi in modo autonomo, rilevando l’inizio e la fine del processo tramite specifici tag di macchina.
Le informazioni prodotte vengono restituite direttamente ai sistemi a bordo macchina, favorendo una risposta immediata da parte degli operatori e una maggiore integrazione tra le fasi produttive.
I Risultati
RISULTATI OPERATIVI
La soluzione è oggi attiva presso la conceria Antiba, che utilizza i sistemi di essiccazione Italprogetti. L’integrazione del sistema predittivo ha permesso:
- maggiore accuratezza nella stima dei tempi di asciugatura
- migliore sincronizzazione con le altre fasi produttive
- riduzione dei tempi di attesa e delle inefficienze operative
- maggiore reattività degli operatori, grazie a informazioni puntuali e aggiornate in tempo reale
CONCLUSIONI
Questa soluzione rappresenta un esempio concreto di smart manufacturing on-edge, in cui l’intelligenza operativa viene distribuita direttamente sui dispositivi a bordo linea.
Un approccio che coniuga digitalizzazione avanzata, autonomia locale e velocità di risposta, con l’obiettivo di trasformare ogni macchina in un nodo intelligente e proattivo della fabbrica del futuro.
Il sistema deve quindi essere in grado di acquisire dati di prodotto e di contesto, oltre che dati di produzione, per dare l’avvio automatizzato alla stima sulla base di tag di macchina provenienti dal sistema produttivo.
