Il caso Haier, tra matematica ed elettrodomestici

Un algoritmo cambia la prospettiva del controllo qualità, grazie ai dati dell'IIoT, al Machine Learning e alla modellistica matematica di Moxoff.

Nel settore del bianco la qualità di prodotti e servizi annessi sono fattori critici di successo. I processi produttivi e di controllo qualità diventano pertanto prioritari per il management, che è sottoposto a elevate complessità di gestione. Per questo motivo, negli ultimi anni Haier Europe (che, dopo la fusione con le attività di Candy Group, ha recentemente spostato la propria sede a Brugherio, nel sito della ex Candy, ndr) ha investito molto nello sviluppo di prodotti IoT. I Big Data raccolti sono una fonte di informazioni strategica per lo sviluppo di servizi innovativi.

Individuare le difettosità

Per valorizzare questo patrimonio informativo Haier Europe ha deciso di affidarsi a Moxoff Spa, realtà d’eccellenza nata come Spinoff del Politecnico di Milano e specializzata nella realizzazione di soluzioni innovative attraverso l’applicazione di modelli matematici e algoritmi di Intelligenza Artificiale. La sfida sottoposta a Moxoff è stata l’individuazione e la caratterizzazione tempestiva e accurata delle difettosità dei lotti di produzione al fine di poter intervenire prontamente sul mercato. Il progetto è nato con l’obiettivo di superare i limiti legati al vecchio processo di controllo della qualità. Per individuare possibili difettosità venivano impiegati diversi mesi dall’entrata di un lotto sul mercato. Un lavoro ancora più oneroso era richiesto per determinare le cause che producono maggiori difetti all’interno di una categoria di prodotti: era infatti necessario leggere tutte le schede degli interventi di manutenzione effettuati per estrarre le informazioni cercate.

Ridurre l’errore e l’intervento umano con il machine learning

Attraverso l’applicazione di algoritmi di Machine Learning, Moxoff ha realizzato un software che permette di fornire “Early Warning” relativi all’insorgenza delle difettosità. Sfruttando tecniche di Text Mining e NLP è stato inoltre sviluppato un algoritmo in grado di classificare automaticamente i difetti in diverse categorie riducendo al minimo l’errore e l’intervento manuale.

La soluzione è resa disponibile attraverso un’applicazione web utilizzata a supporto delle attività quotidiane di controllo qualità e nella definizione delle strategie di miglioramento prodotto. Il software è customizzato sui processi dell’azienda e permette di rilevare le problematiche dall’uscita di un lotto sul mercato, dimezzando i tempi prima impiegati.

L’algoritmo di classificazione automatica è capace di processare testi in quattro lingue differenti (italiano, tedesco, inglese e spagnolo) e permette di risparmiare ancora di più: con un’analisi di pochi minuti è ora possibile estrarre le informazioni che prima richiedevano dieci giorni di lavoro manuale.

Verso la manutenzione predittiva e il Digital Twin

Oggi, Moxoff e Haier Europe continuano a collaborare con l’obiettivo estrarre ancora più valore dai dati raccolti. Utilizzando i dati raccolti dai prodotti IoT, Moxoff sta sviluppando algoritmi di manutenzione predittiva. Unendo la modellistica matematica e la Data Science sarà inoltre possibile costruire dei Digital Twin dei prodotti, abilitandone la simulazione virtuale per ottenere informazioni più ricche sul loro funzionamento utilizzando comunque meno sensori. Grazie alla matematica e all’esperienza degli specialisti di Moxoff, nel prossimo futuro la prospettiva potrà sicuramente espandersi coinvolgendo altre aree aziendali.

Il servizio completo si può leggere su Automazione Industriale Ottobre 2019

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome