A.I.O.C.A.P. – Automatic Intelligent Out of Control Action Proposal

 

L’A.I.O.C.A.P. (Automatic Intelligent Out of Control Action Proposal), è un sistema di intelligenza artificiale per il supporto decisionale alla risoluzione di problemi di qualità e processo.

La volontà sottostante all’implementazione di questa soluzione, è quella di migliorare le performance nella soluzione di problemi, andando ad individuare immediatamente, senza sprechi di tempo o fermate prolungate, quelle che sono le cause radice di un determinato problema.

Obiettivo dell'AIOCAPAndando più nel dettaglio possiamo individuare due obiettivi principali:

  • Supportare l’operatore, in real time, nella decisione risolutiva di un problema di qualità riscontrato durante la produzione.
    Questo supporto si concretizza in una serie di suggerimenti, forniti direttamente ed automaticamente dal sistema. Il suggerimento sarà basato su una valutazione probabilistica dello stato corrente del processo e su un modello di utilità Azione-Stato appreso automaticamente dal sistema in base alle scelte dell’operatore.
  • Consentire un trasferimento di conoscenza dalle risorse umane alla macchina, andando ad implementare una sorta di machine learning, a partire da una base di conoscenza.
    In questa maniera ne gioverà un altro tipo di trasferimento di conoscenza: quello dagli operatori più esperti a quelli meno esperti, migliorando così le performance di ogni singolo operatore.

 

Il primo passo per implementare un sistema A.I.O.C.A.P. è  quello di creare una base di conoscenza probabilistica.

A partire da questa base, organizzata in una rete Bayesiana, il sistema andrà a proporre alcune soluzioni in forma di action plan.

 

Bayesian network

Bayesian network

 

La rete bayesiana fornirà un grado di credenza probabilistica dello stato attuale del processo, a seguito di un evento legato a uno o più problemi di qualità, rilevato automaticamente dal sistema.

La logica di questo Sistema prevede che esso prenda delle decisioni combinando tra loro concetti di utilità e probabilità.

Una volta creata la base di conoscenza, questa verrà messa alla prova in due particolari situazioni:

  • Durante il controllo qualità (esame a campione eseguita dall’operatore)
  • In caso di scarti rilevati dal sistema (ad esempio un sistema Andon)

 

In entrambi i casi, l’operatore, dotato di device mobile, riceverà una notifica, visualizzando contestualmente le cause più probabili di quell’anomalia. A questo punto l’operatore potrà visionare la sequenza di azioni, elaborate dallo smart agent.

 

Actions plan

 

L’operatore dovrà quindi verificare che uno degli action plan proposto sia corretto, cioè risolva il problema.

Una volta risolto il problema, l’operatore andrà a dare conferma al sistema e quindi rafforzerà quella soluzione per quel tipo di problema.

 

Risultati ottenuti

Questa logica di reinforcement learning, fa sì che il sistema, partendo dalla base di conoscenza costruita da esperti, diventi, via via, sempre più bravo.

Dai grafici che seguono, relativi all’utilizzo di questo sistema presso lo stabilimento di un nostro cliente, si evince come, a circa un anno dall’inizio dell’apprendimento, sia stato registrato, in media, il 95% di successi al primo tentativo.

Performance del sistema A.I.O.C.A.P.

Performance del sistema A.I.O.C.A.P.

 

 

Curva di apprendimento

Curva di apprendimento

 

Il case study

Da questo progetto è scaturito un case study il quale è stato alla base di una pubblicazione scientifica.

Tale pubblicazione ha vinto il riconoscimento di “Second best paper”, da parte dell’Università di Cartagena, avente come oggetto “Manufacturing and Industrial Process Design”.

Il titolo del paper è appunto “A decision theory approach to support action plans in cooker hoods manufacturing” [ leggi la pubblicazione in inglese spagnolo ].

 

Manufacturing and Industrial Process Design: Second best paper

“Manufacturing and Industrial Process Design”: Second best paper

 


 

Approfondimenti dallo Smart Factory Blog

Case study: il machine learning a supporto della soluzione a problemi di qualità

 

 

Desidero ricevere informazioni su questa soluzione

Next

La NeXT è una software house che produce e commercializza sistemi informatici studiati per fornire informazioni e dati aggregati al management aziendale, supportandolo nelle decisioni operative.

La NeXT può garantire una eccellente qualità del servizio, grazie alla tecnologia della programmazione ad agenti, unica nel settore.

Information on the use of cookies on the mynext.it website

Dove siamo

Sede Operativa
via Ancona 55/A
60030, Castelbellino (AN)

Sede Legale
via Nazario Sauro 11/a
60035, Jesi (AN)

Tel: 0731696646
Fax: 0731690464
Email: info@mynext.it

P.IVA: 02510420421

Chatta con NeXT QR Code Messenger

Chat with us

Scan the logo with Messenger