CUP: D43C22003120001
COR DLVSYSTEM: 22675283
Data inizio: 09/2024 – Data fine: 08/2025
Il progetto IMPROVE si concentra sull’avanzamento della manutenzione predittiva e sulla promozione della sostenibilità nel settore manifatturiero, utilizzando modelli di Machine Learning (ML) all’avanguardia e soluzioni tecnologiche innovative. Riconoscendo che la produzione moderna dipende da macchinari complessi che richiedono una manutenzione diligente per le massime prestazioni, IMPROVE sfrutta algoritmi ML per consentire alle aziende di passare a strategie di manutenzione proattiva, migliorando così la gestione operativa complessiva.
Fondamentalmente, IMPROVE mira a implementare un sofisticato sistema predittivo progettato per analizzare i dati direttamente dai Controllori Logici Programmabili (PLC) in fabbrica. Ciò si ottiene attraverso un’architettura robusta e interoperabile basata su API e middleware, notevolmente potenziata dall’integrazione con la piattaforma Fiware. Gli algoritmi di Machine Learning sono componenti chiave, guidando l’approccio proattivo alla gestione delle operazioni.
Una sfida importante affrontata da IMPROVE è la gestione di fonti di dati diverse (eterogenee); il progetto affronta questo problema impiegando modelli di dati dinamici capaci di aggiornamenti in tempo reale, aumentando precisione e adattabilità. L’uso del middleware è cruciale per garantire l’interoperabilità tra sistemi diversi e supporta in modo unico l’apprendimento federato (federated learning). Ciò consente di addestrare efficacemente i modelli ML anche con dati sensibili che rimangono archiviati localmente in modo sicuro. In definitiva, questo approccio facilita l’integrazione di sistemi legacy e nuovi in un’unica piattaforma unificata, offrendo capacità centralizzate di gestione e visualizzazione dei dati.
Gli obiettivi primari del progetto IMPROVE sono molteplici: prevenire guasti e degrado delle apparecchiature, ottimizzare l’affidabilità operativa, utilizzare le risorse in modo efficiente e ridurre significativamente l’impronta di carbonio dell’azienda. I risultati tangibili attesi includono la capacità di prevedere accuratamente i fermi macchina, mantenere alti livelli di efficienza degli impianti e delle apparecchiature e garantire che la qualità dei prodotti lavorati rimanga costantemente elevata.
Questa iniziativa di 12 mesi rappresenta uno sforzo collaborativo tra CAL-TEK, DLVSystem e l’Università della Calabria. Mira a far avanzare significativamente il livello di maturità tecnologica (Technology Readiness Level – TRL) da TRL 1 a TRL 5. Il progetto culminerà nel rilascio della versione alpha della piattaforma completamente integrata in un ambiente di produzione, con la sua funzionalità e i progressi convalidati attraverso il coinvolgimento di clienti, personale interno e altri stakeholder chiave.
