Facoltà: Ingegneria Gestionale - classe LM-31
Collocazione: 19562
Autore: Pradelli Elisa
Data: 25/10/2021
Titolo: Machine Learning for trimming technologies
Relatore: Pirovano Giovanni Luca
Autorizzazione per la consultazione: NO
Le tesi si possono consultare unicamente in sede
Il progetto di tesi si focalizza sul settore industriale dedicato alla produzione di tappi in gomma dell’azienda Datwyler s.r.l. L’obiettivo del progetto è stato quello di creare un algoritmo di Machine Learning che consentisse di determinare, durante la tranciatura dei tappi, il momento in cui durante questa fase si genera il prodotto difettoso. Al fine di perseguire l’obiettivo della tesi è stato necessario studiare e capire il processo produttivo focalizzandosi sul reparto tranceria, effettuare un’analisi dei prodotti critici, per capire quali prodotti creano maggiori problemi nella produzione e un’intervista agli operatori del reparto per comprendere meglio come e quali paramenti misurare per ottenere dei dati significativi. In base a quanto è emerso da questo studio si è deciso di installare un accelerometro accanto alla base di taglio della macchina, il cui output è una serie di dati per ogni battuta che disegnano un’onda. È stato definito un Flow Chart con una serie di sotto-modelli, sia di Machine Learning che a controllo statistico, il cui scopo finale è quello di fermare la macchina in caso di tranciata sbagliata e di avvertire l’operatore di un eventuale errore. Prima di tutto, è stato sviluppato un algoritmo a controllo statistico che potesse aiutare la raccolta dati preliminare. Infatti, grazie a questo modello è possibile calcolare un valore limite, basato sulla media pesata dei valori di picco delle battute precedenti, oltre il quale una battuta viene segnalata come non corretta. In questo modo è possibile condurre una campagna dati idonea a costruire dataset per allenare algoritmi di Machine Learning. In seguito, è stato sviluppato un algoritmo di classificazione con cui assegnare la tipologia di stampo e mescola ad ogni onda in input. L’informazione relativa all’associazione stampo e mescola è molto importante perché permette all’algoritmo successivo di prendere il dataset di riferimento corretto. Quest’ultimo algoritmo, anch’esso di classificazione, è stato sviluppato per individuare le battute non corrette. La tecnologia che sarà utilizzata per supportare l’implementazione del Machine Learning in Datwyler è l’Edge Computing, sistema che consiste nel collegamento delle macchine del reparto alla rete per la trasmissione e l’analisi dei dati in Real Time. La realizzazione di questo progetto porta all’azienda vantaggi sia in termini di tempo, gli operatori non devono più svolgere attività a non valore aggiunto di vaglio dei lotti, sia in termini di qualità, i clienti riceveranno dei prodotti migliori e emetteranno meno reclami.
