Qualità e manutenzione sono tra gli utilizzi industriali più citati quando si parla di intelligenza artificiale. Sono anche quelli nei quali è più facile partire dalla tecnologia invece che dal problema.
Analizzare le non conformità
Molte aziende dispongono già di dati relativi a:
- difetto;
- prodotto;
- materiale;
- macchina;
- lotto;
- fornitore;
- lavorazione;
- turno.
Questi dati possono permettere di individuare ricorrenze e combinazioni difficili da riconoscere attraverso la semplice lettura dei report.
Prima viene la qualità dei dati
Se una stessa anomalia viene descritta in dieci modi differenti o molti campi non vengono compilati, anche l’analisi migliore produrrà risultati poco affidabili. Normalizzare i dati può quindi essere il primo vero progetto.
Manutenzione predittiva
La manutenzione predittiva può diventare interessante quando:
- il fermo macchina ha un costo rilevante;
- le macchine producono dati;
- questi dati vengono conservati;
- esiste uno storico degli eventi;
- almeno alcuni guasti presentano segnali riconoscibili.
Senza queste condizioni il progetto rischia di essere tecnologicamente interessante ma economicamente inutile.
Quanto vale individuare prima un problema?
La domanda centrale è questa. Per un fermo macchina bisogna considerare produzione persa, personale, ritardi e riprogrammazione. Per una non conformità possono esserci scarti, rilavorazioni, resi e conseguenze commerciali. Solo conoscendo questo valore è possibile stabilire quanto abbia senso investire.