Business Case
AST – Acciai Speciali Terni
Acciai Speciali Terni Spa (AST) è un’azienda leader nella produzione di laminati piani in acciaio inossidabile, per i quali AST è market leader in Italia e tra i primi quattro produttori in Europa.
L’azienda produce, inoltre, tubi inossidabili elettro saldati, attraverso la divisione Tubificio, e fucinati in acciaio speciale, tra i più grandi al mondo, attraverso la divisione Fucine. Con più di 135 anni di esperienza Acciai Speciali Terni è oggi uno dei più importanti siti siderurgici europei.
SETTORE
Industriale
ANNO
2020
SERVIZIO
Big Data Analytics
Problema
Classificare la qualità di un laminato è un’attività complessa, specie se la produzione è industriale e fatta in modo copioso da una delle più grandi acciaierie d’Europa, AST, che produce in serie e che deve fornire prodotti di alta qualità per un mercato vasto ed esigente.
La necessità di classificare la qualità del laminato in uscita da un particolare laminatoio, utilizzato nel processo di laminazione a freddo, diviene tanto più complessa se si valuta l’ambiente in cui il macchinario lavora. Questo risulta, infatti, ostile (la lamina è lavorata all’interno di una gabbia chiusa, immersa in olio ad alta temperatura) e non c’è alcuna possibilità di ispezionare visivamente il prodotto se non dopo un ulteriore step di processo e dopo un tempo piuttosto lungo.
Sebbene il macchinario in questione è oggetto di manutenzioni periodiche basate su intervalli regolari, il processo di classificazione qualitativa del laminato è affetto da una serie di criticità. Tra queste le più comuni risultano essere la già citata classificazione di difetti a posteriori, ovvero il poter analizzare la lamina solo dopo che questa ha subito un passaggio ulteriore in un secondo macchinario del ciclo produttivo; e il fatto la classificazione delle anomalie della lamina sia fatta manualmente e risulti quindi soggetta ad interpretazione.
Soluzione
RILEVAMENTO DELLE ANOMALIE
Grazie alle tecniche di Machine Learning abbiamo messo in campo algoritmi in grado di identificare e classificare le anomalie sul macchinario (il laminatoio) e sul prodotto (il laminato).
CLASSIFICAZIONE DELLE ANOMALIE E IDENTIFICAZIONE DEI GUASTI
Abbiamo analizzato e progettato per loro l’applicazione di algoritmi di intelligenza artificiale capaci di classificare in tempo reale i potenziali difetti presenti sul laminato in uscita dal laminatoio senza necessità di ispezione visiva con conseguente risparmio di tempi e costi.
ISOLAMENTO DEI PROBLEMI
Le strategie di Machine Learning hanno isolato i componente del processo, sistema o parte del prodotto che risultava difettoso
Ready to start a new project?
Scrivici a info@jupitech.it