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

L’A.I.O.C.A.P. è un sistema di intelligenza artificiale per il supporto decisionale alla risoluzione di problemi di qualità e processo.

Layout del processo produttivo

Risultati attesi

 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.

Andando più nel dettaglio possiamo individuare due obiettivi principali:

Problem solving

Supportare l’operatore, in real time, nella soluzione 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.

Shared Knowledge

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

Pronto a… saperne di più?

La rete bayesiana

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.

    Reti Bayesiana

    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.

    AIOCAP

    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.

    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

    Risultati ottenuti

    La 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.

    Risultati

    "Un giorno le macchine riusciranno a risolvere tutti i problemi, ma mai nessuna di esse riuscirà a porne uno."

    – Albert Einstein

    Pronto a… saperne di più?

    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.

    All'interno dei propri sistemi più avanzati (Manutenzione predittiva; soluzione problemi di qualità e processo, ecc) vengono utilizzati agenti per  l'Intelligenza Artificiale e il Machine Learning.

    Informazioni sull'utilizzo dei coockies nel sito mynext.it

    Dove siamo

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

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

    Tel: 0731702191  |  Fax: 0731690464  |  Email: info@mynext.it

    P.IVA: 02510420421

    On this website we use first or third-party tools that store small files (cookie) on your device. Cookies are normally used to allow the site to run properly (technical cookies), to generate navigation usage reports (statistics cookies) and to suitable advertise our services/products (profiling cookies). We can directly use technical cookies, but you have the right to choose whether or not to enable statistical and profiling cookiesEnabling these cookies, you help us to offer you a better experienceCookie policy