Dott. Giovanni Malvezzi

Ingegnere Informatico

Iscrizione Nr. 2781, Albo Pr. MO


P. Iva 03252660364

C. F. MLVGNN71D01B819P

Corso M. Fanti 24 - 41012 Carpi (MO)

Ignora collegamenti
Home page
Tracciabilità
Strumenti e PLC
Tecnologie
Modulo contatti
Area riservata

Schema raccolta dati da macchine di automazione industriale

Una linea di automazione è formata da più macchine che possono avere al loro interno più stazioni.

Ogni stazione può fornire dei dati che può essere l'esito della lavorazione (OK/KO), o misurazioni di valori che sono indice di qualità del pezzo prodotto.

Ad ogni pezzo prodotto deve essere associata una etichetta stampata o deve essere impresso un datamatrix con un codice univoco che serve per poter rintracciare dal codice tutti i dati ad esso associati.

I vantaggi di una raccolta dati

Tracciabilità

Dal codice impresso sul pezzo si può risalire a tutti i dati raccolti su esso, quindi nel caso che esso risulti in seguito difettoso si può investigare quali fossero i parametri fuori soglia a determinarne una scarsa qualità.

Verifiche sul pezzo in lavorazione

Prima di lavorare un pezzo su una macchina della linea si può leggere il codice del pezzo e verificare che, per un errore materiale, il pezzo non sia già stato segnato come difettoso, o che non abbia eseguito le lavorazioni precedenti.

Statistiche base, o Data mining

In generale nel data mining si definisce una classe (obbiettivo), nel nostro caso l'esito (OK/KO), e si cercano, analizzando i valori dei record, le regole che determinano uno stato o l'altro.
Una classe obbiettivo può anche essere un valore numerico indice di qualità, per esempio (a caso) il rumore, coppia, ecc … e può essere importante trovare le relazioni per ottimizzarli.

In pratica il data mining serve per aumentare la qualità.
Innanzitutto permettendo di misurarla, perché senza una misura, non c'è modo di valutare se una modifica, per esempio ai parametri di produzione, porti un vantaggio o meno.
Poi aiuta a trovare relazioni non banali tra i dati, per capire quale siano i parametri più importanti per formare la classe obbiettivo, e quindi concentrarsi su quelli.
Opzionale, permette di fare predizioni sui dati una volta costruito il modello, per scartare preventivamente pezzi (o rilavorare) che poi potranno dare dei problemi.
In più mentre si fa l'analisi, si fa del debug sui dati raccolti: vengono a galla subito se ci sono errori tipografici, sistematici, convenzioni di codifica, errori di misura, dati fuori misura o anomalie.

Schema software

Programma di raccorta dati dal PLC della macchina

Programma installato su un PC industriale a fianco della macchina che prende i dati dal PLC della macchina tramite seriale, o OPC Server.

Memorizza i dati in locale, ed eventualmente anche sul database server centrale.

Visualizza lo stato della lavorazione, errori e statistiche istantanee.

Può leggere il codice da un lettore seriale per passarlo al PLC per verificare a priori che il codice non sia associato ad anomalie.

Programma di raccolta dati


Sinottico

Raccoglie i dati da tutti i programmi delle stazioni e li salva sul database server centrale.

Visualizza lo stato delle lavorazioni sulle macchine con le statistiche e le segnalazioni di anomalie in tempo reale.

Visualizza i dati raccolti e la tracciabilità.

Fornisce uno strumento ai software delle stazioni per fare la verifica dei codici dei pezzi.

Sinottico


Data mining

Come attività di programmazione c'è la creazione di un datawarehouse.
Il datawarehouse è una copia dei dati preparata per gli algoritmi di datamining. Si rende necessaria per non usare gli algoritmi su dati inlinea, e soprattutto perché le esigenze degli algoritmi sono diverse da quelle di una base di dati.

Tutela privacy