Digital Talk | Quality Anomaly Detection: fabbricare la qualità zero difetti

Con il patrocinio di

La qualità è un processo che deve essere pianificato per non generare difetti durante le fasi produttive.

La gestione delle anomalie e la corretta identificazione della fonte delle difettosità per attaccarla e impedire che si ripresenti rappresenta un Key Success Factor per le imprese. Si stima che in media, il Cost Of Poor Quality ammonti a circa il 15% – 20% delle vendite. Fonte ASQ (American Society for Quality)

Le applicazioni di Machine Learning in ambito industriale permettono di raccogliere e elaborare i dati in tempo reale per creare sistemi che apprendono e migliorano le performance. In ambito qualità queste applicazioni sono diventate particolarmente efficaci.

Attraverso un nuovo paradigma, gli algoritmi di Machine Learning applicati per soluzioni di Quality Anomaly Detection permettono di raccogliere, elaborare e analizzare i dati di produzione in real time e i dati storici provenienti da impianti, ERP, MES e sistemi di qualità per riconoscere eventuali malfunzionamenti e supportare l’operatore a intercettare, durante il processo di produzione, quali difettosità si generano, per risolvere in modo proattivo i problemi.

Obiettivo: zero difetti e “digitalizzazione” del know-how aziendale.

Durante la diretta streaming saranno presentati casi d’uso realizzati in realtà nazionali e internazionali da:

• Luca Bedogni | Assistant Professor, Artificial Intelligence Research and Innovation Center (AIRI), Università degli Studi di Modena e Reggio Emilia
• Michele Fantoni | Chief Technology Officer, Digibelt
• Giorgio Troni | Client & Project Leader, Bonfiglioli Consulting

FOCUS ON

Leggi QUI “Anomaly Detection and Classification in Predictive Maintenance Tasks with Zero Initial Training” l’articolo pubblicato sulla rivista Scientifica MDPI per presentare ufficialmente l’algoritmo di Machine Learning elaborato in collaborazione con l’Università di Modena e Reggio Emilia.