Le presse dotate di sensori monitorano vari fattori durante il funzionamento, tra cui i livelli di forza, le vibrazioni e le variazioni di temperatura. Queste rilevazioni vengono trasmesse direttamente ai sistemi PLC, che possono regolare quasi istantaneamente sia la velocità sia la pressione applicata dalla pressa. In caso di anomalie, un software specializzato analizza tutti questi dati alla ricerca di problemi quali utensili usurati o materiali non omogenei. Se rileva un’anomalia in tempo utile, il sistema interviene automaticamente, ad esempio regolando gli stampi o sospendendo temporaneamente la produzione per prevenire inconvenienti più gravi in futuro. Invece di attendere il completo guasto delle macchine, gli stabilimenti che utilizzano questi sistemi intelligenti individuano potenziali problemi molto prima, evitando costosi tempi di fermo che potrebbero durare anche diverse ore.
Secondo i benchmark di settore dell'azienda SME, le fabbriche che installano sensori sulle proprie linee di stampaggio registrano un calo degli arresti imprevisti compreso tra il 35% e il 42%. Per una linea di produzione standard operativa 20 ore al giorno, ciò corrisponde a circa 300 ore lavorative aggiuntive ogni anno. I benefici finanziari sono altrettanto significativi: gli stabilimenti hanno riportato risparmi annuali compresi tra 200.000 e 500.000 dollari statunitensi, ottenuti semplicemente evitando sprechi di materiale, riducendo gli interventi di emergenza e limitando quegli costosi turni straordinari. Considerando inoltre i continui miglioramenti nel flusso produttivo uniti a minori spese di manutenzione, la maggior parte delle aziende recupera l’investimento entro sei-nove mesi dall’installazione.
L'Industrial Internet of Things (IIoT) collega tutti i tipi di attrezzature, tra cui presse, alimentatori e sistemi di stampi, senza alcun intoppo significativo. Questi sensori integrati inviano continuamente dati su parametri quali vibrazioni, livelli di temperatura e sollecitazioni meccaniche. I trasduttori di pressione sono in grado di rilevare minime disallineamenti negli stampi progressivi molto prima che si verifichi un guasto completo. Nel frattempo, i sensori degli alimentatori prevedono effettivamente quando i componenti inizieranno a usurarsi, sulla base dei modelli di utilizzo. Quando questi diversi dati provenienti dai sensori vengono integrati, colmano quegli sgraditi vuoti in cui i problemi altrimenti passerebbero inosservati. L’intero sistema alimenta dashboard centralizzate che mostrano come tutti gli elementi interagiscono tra loro lungo le diverse sezioni della linea di produzione. Secondo recenti studi condotti sul campo, il personale addetto alla produzione individua potenziali problemi circa il 40 percento più velocemente rispetto al passato.
Buone strategie di elaborazione dei dati sono fondamentali quando si implementano sistemi IoT industriali. L’edge computing si occupa di quei compiti sensibili al tempo, come il monitoraggio delle forze applicate dalle presse con una precisione dell’ordine del millisecondo, consentendo così alle fabbriche di apportare correzioni rapide durante cicli produttivi veloci. Dall’altra parte, le piattaforme cloud gestiscono analisi su larga scala su enormi quantità di dati produttivi, individuando schemi che potrebbero richiedere mesi o anni per emergere, ad esempio guasti agli impianti che si verificano in determinati periodi dell’anno. Tuttavia, anche l’analisi basata sul cloud presenta dei limiti: il ritardo tra l’invio dei dati e la ricezione dei risultati varia da circa 150 a 500 millisecondi, un intervallo insufficiente per interventi immediati. È per questo motivo che attualmente la maggior parte delle fabbriche intelligenti adotta una combinazione di entrambi gli approcci: i dispositivi edge gestiscono le attività urgenti, come la previsione dei momenti in cui le macchine necessitano di manutenzione, mentre i sistemi cloud si concentrano sull’individuazione delle cause effettive dei problemi e sul miglioramento progressivo dei propri modelli.
Le linee automatiche di stampatura dei metalli raggiungono un'affidabilità senza precedenti grazie all'intelligenza artificiale che prevede i guasti prima che si verifichino.
Gli algoritmi di apprendimento per rinforzo analizzano i dati di produzione in tempo reale ed eseguono simulazioni su migliaia di operazioni diverse, individuando problemi nascosti, come il blocco dei materiali nel sistema o l’usura progressiva degli utensili. Questi sistemi intelligenti possono quindi apportare autonomamente modifiche — ad esempio regolando la velocità di funzionamento delle presse, l’ordine di esecuzione dei lavori e i tempi di rilascio dei pezzi da parte dei caricatori. Tutto ciò avviene mentre la fabbrica continua a operare a pieno regime. Il risultato? La produzione rimane stabile anche in caso di improvvisi picchi di ordini o quando le macchine cominciano a mostrare segni di usura. Secondo recenti test settoriali condotti in più stabilimenti, i produttori hanno registrato circa il 20% in meno di fermate impreviste dopo aver implementato tali soluzioni.
I sistemi di visione artificiale controllano attualmente i componenti stampati a velocità superiori a 1.200 al minuto in molti impianti produttivi. Questi sistemi intelligenti rilevano tutti i tipi di difetti sulle superfici dei componenti, come crepe, bave e dimensioni anomale, con un’accuratezza pari a circa il 99,4% e lo fanno direttamente sulla linea di produzione, senza interrompere il processo. In passato, i controlli manuali richiedevano frequenti arresti della linea per prelevare campioni, mentre questi nuovi metodi di verifica in linea consentono di mantenere il flusso produttivo regolare, eliminando le interruzioni legate ai controlli di qualità. Dati reali dimostrano che le fabbriche che hanno implementato questa tecnologia hanno ridotto i tempi di fermo per ispezione di circa due terzi rispetto ai metodi tradizionali. Inoltre, questi sistemi automatizzati individuano circa il 40% di difetti in più rispetto a quelli normalmente rilevati dagli operatori umani durante le ispezioni.
Raggiungere un tempo di attività sostenibile richiede un approccio graduale, passo dopo passo. Iniziare innanzitutto su piccola scala, installando presse dotate di sensori sulle linee di produzione più critiche. Ciò consente di verificare l’efficacia del nostro sistema di rilevamento in tempo reale dei guasti e di acquisire una buona comprensione della tipologia e della durata delle fermate programmate. Una volta osservata una riduzione di almeno il 35% delle fermate impreviste (valore coerente con quanto generalmente atteso dagli esperti di settore), è possibile procedere all’espansione. Il passo successivo consiste nell’integrare questi controlli PLC a ciclo chiuso in tutti i sistemi di alimentazione e di stampi, in modo che l’intero impianto risponda in maniera più coordinata e sinergica. Successivamente, va implementata l’infrastruttura IIoT specificamente progettata per operazioni in cui i tempi di esecuzione sono fondamentali. Infine, si procede con il rollout della pianificazione basata sull’intelligenza artificiale su tutta la struttura produttiva, per massimizzare la produzione nei periodi di maggiore domanda. Questo approccio graduale protegge da significativi rischi finanziari, consentendo al contempo un miglioramento progressivo dell’efficienza. A regime completo, tale soluzione dovrebbe ridurre i costi unitari di oltre il 40% e mantenere il tasso di difetti al di sotto dello 0,1%, grazie ai controlli visivi in linea già attivi.
La stampatura automatizzata dei metalli prevede l'utilizzo di macchine dotate di sensori e intelligenza artificiale per elaborare in modo efficiente i metalli mediante formatura o taglio, applicando pressione con uno stampo.
L'IIoT migliora la stampatura dei metalli collegando attrezzature e sensori per fornire dati in tempo reale sulla linea di produzione, consentendo la manutenzione predittiva e una maggiore visibilità della disponibilità operativa.
La stampatura automatizzata dei metalli riduce i fermi non programmati fino al 42%, consentendo un risparmio annuo compreso tra circa 200.000 e 500.000 dollari grazie a una maggiore efficienza, a una riduzione degli scarti e a interventi di riparazione d'emergenza limitati.
EN
