Ottimizzare, standardizzare e aumentare l'efficienza e la qualità dei processi di produzione, riducendo scarti, risorse ed energia. Non è utopia, ma un sistema di Intelligenza Artificiale che incontra i bisogni di business delle aziende produttrici di ogni settore.
Realizzare bobine di fibra ottica perfettamente funzionante richiede che in ogni impianto di produzione gli step siano pianificati e standardizzati per ottenere sempre lo stesso livello di qualità del prodotto, in ogni millimetro di fibra. E richiede che il processo ottimizzi le risorse materiali, riduca il rischio di errore umano o della macchina, e quindi il prodotto finale sia di qualità.
Il principale produttore di fibra ottica si è quindi rivolto a Moxoff per trovare una soluzione alla standardizzazione dei processi produttivi sulla base di KPI fondamentali e quindi cercare di sviluppare un sistema predittivo per ottimizzare tutti gli step produttivi, ridurre i costi e migliorare l’efficienza dei processi e delle risorse umane negli impianti di produzione.
A settembre 2019, il team di Moxoff inizia a raccogliere dati sugli step del processo produttivo per diversi KPI in diversi stabilimenti distinti di fibra ottica dell’azienda: obiettivo è valutare la fattibilità di quanto richiesto dal cliente, realizzando due Proof of Concept (PoC) distinte in due stabilimenti di produzione diversi.
La raccolta dei dati e l’analisi della PoC si concentra fin da subito sul monitoraggio dei diversi step di produzione della fibra ottica con particolare attenzione ai diversi KPI monitorati nello stabilimento.
I dati a disposizione fanno riferimento ai diversi step produttivi che ogni fibra deve affrontare su diversi tipi di macchinari, e alle misurazioni che vengono effettuate su di essa.
Anche in una fabbrica ad alta tecnologia, i problemi di produzione possono essere ricondotti a quattro aree principali: uomini, macchine, metodi o materiali. In altre parole, un errore umano, un'anomalia della macchina, una procedura operativa difettosa o materie prime inadeguate possono portare a un prodotto fallace, non utilizzabile e non efficace.
Il modello di Predictive Quality realizzato da Moxoff su un modello che utilizza algoritmi statistici avanzati e il machine learning ha permesso di ridurre gli scarti di produzione eliminando le congetture diagnostiche al fine di ridurre le perdite di prodotto finale dovute a problemi di qualità e quindi raccomandare azioni correttive in tempi rapidi.
Uno strumento che gestisce enormi quantità di dati in modo rapido e efficace, correlando tutte le fasi del processo con grafici intuitivi, fornendo un'analisi statistica avanzata e una visione grafica di facile comprensione delle aree di processo e delle macchine che hanno un impatto diretto sui KPI. In questo modo, è possibile individuare relazioni di causa-effetto anche complesse tra le singole fasi produttive e i relativi KPI, identificando i macchinari che non funzionano correttamente e agendo tempestivamente per trovare una soluzione, lavorando per poter prevedere e suggerire automaticamente le azioni correttive da mettere in atto in futuro.
In sintesi, aiuta a: