Profilglass, azienda attiva nella lavorazione dell’alluminio, ha avviato un progetto di innovazione digitale in collaborazione con Xautomata per affrontare le criticità legate al controllo qualità nella produzione di coil.
Il progetto si fonda sull’integrazione di tecnologie di analisi dati, digital twin e machine learning, con l’obiettivo di individuare le cause dei difetti nei materiali e ottimizzare i processi produttivi.
La soluzione si basa sull’acquisizione continua di dati da centinaia di sensori installati lungo la linea di laminazione, con una frequenza di 20 millisecondi. Questi dati alimentano un modello predittivo che, attraverso tecniche statistiche come il permutation test, identifica le variabili critiche e attiva allarmi in tempo reale, suggerendo interventi correttivi. Il sistema è stato implementato in modalità on-premises, per garantire bassa latenza e massima sicurezza.
Risultati misurabili e scalabilità del sistema
Il progetto si è articolato in tre fasi: analisi e modellazione dei dati, integrazione con il digital twin e successiva scalabilità. L’infrastruttura coinvolge 84 macchinari e 180 misuratori di energia, ed è basata su tecnologie come OPC-UA, GE Cimplicity, Mino e iba. Il coinvolgimento diretto delle funzioni ICT e Operations, insieme ai partner tecnologici, ha permesso una piena integrazione tra competenze tecniche e operative.
I benefici ottenibili sono significativi: una riduzione del 94% dei difetti nei coil da 12.000 kg, un risparmio energetico annuo del 3,7% (pari a circa 1 milione di euro), un incremento della produttività del 3,75% (700.000 euro/anno) e un impatto complessivo sull’EBT stimato in 1,7 milioni di euro. Il controllo qualità è stato trasformato da funzione reattiva a strumento predittivo, abilitando un cambiamento culturale verso una fabbrica orientata alla previsione e all’ottimizzazione.
Il progetto è entrato nella rosa dei finalisti per i Digital360 Awards nella categoria “Artificial Intelligence & Data Analytics”.
