Industra 4.0

PREMA – PREdictiveMAintenance

 

Prema
Il progetto è iniziato nel 2020, con i seguenti obiettivi:

  • Applicazione fabbrica 4.0 alle macchine per la lavorazione del vetro della Bottero spa.
  • Uso delle tecnologie IoT e Big Data Analysis per estrarre informazioni e acquisire conoscenze sul comportamento in tempo reale degli oggetti sottoposti a sollecitazioni vibrazionali
  • Ridurre al minimo i danni e consentire un’analisi predittiva intelligente


DISLO-MAN – Dynamic Integrated ShopfLoor Operation MANagement for Industry 4.0

 

 

Piattaforma ICT per la gestione integrata, dinamica ed autonoma delle operazioni di produzione ad alto livello di automazione, finalizzata all’ottimizzazione delle risorse (persone, materiali, sistemi di produzione).

 


Roller-bearing

Ricerca innovativa relativa all’uso di segnali di vibrazione per l’identificazione prognostica/precoce del tipo e della gravità dei danni che si verificano ai cuscinetti a rulli attraverso l’implementazione di algoritmi di machine learning e/o reti neurali.

 

Due banche dati come input:

1) dati raccolti su un impianto allestito presso il laboratorio del Dipartimento di Ingegneria Meccanica e Aerospaziale del Politecnico di Torino

  • cuscinetti a rulli cilindrici (rullo e anello interno)
  • destinato a testare i cuscinetti aeronautici ad alta velocità
  • 512k campioni, 6 canali.

 


2) dati raccolti nell’impianto di prova dell’NSF I/UCRC sui sistemi di manutenzione intelligente (IMS)

  • cuscinetti orientabili a rulli
  • tl banco prova per cuscinetti ospita quattro cuscinetti su un albero, azionati da un motore a corrente alternata e accoppiati con cinghie di sfregamento.
  • 3 esecuzioni di test di guasto, 20k campioni, 4 canali.

 

 

Sono stati applicati, confrontati e migliorati diversi algoritmi di machine learning e reti neurali.

Di conseguenza, è stato raggiunto il 97,71% dell’accuratezza media delle previsioni