{"id":1291,"date":"2024-10-15T08:46:06","date_gmt":"2024-10-15T06:46:06","guid":{"rendered":"https:\/\/www.centritecnopolo.unipr.it\/siteiaparma\/?page_id=1291"},"modified":"2025-01-20T10:46:55","modified_gmt":"2025-01-20T09:46:55","slug":"refiman-piattaforma-di-manutenzione-predittiva-per-il-retrofitting-sostenibile-di-impianti-e-macchinari-esistenti-nel-sistema-produttivo-dellemilia-romagna","status":"publish","type":"page","link":"https:\/\/www.centritecnopolo.unipr.it\/siteiaparma\/refiman-piattaforma-di-manutenzione-predittiva-per-il-retrofitting-sostenibile-di-impianti-e-macchinari-esistenti-nel-sistema-produttivo-dellemilia-romagna\/","title":{"rendered":"REFIMAN \u2013 Piattaforma di MANutenzione predittiva per il REtroFItting sostenibile di impianti e macchinari esistenti nel sistema produttivo dell\u2019Emilia-Romagna<\/strong>"},"content":{"rendered":"\n

Abstract<\/strong><\/p>\n\n\n\n

Il progetto mira alla realizzazione di una piattaforma hardware-software per il retrofitting e il revamping di impianti industriali non sensorizzati allo scopo di conferire loro caratteristiche smart e i4.0 in termini di autodiagnosi dei componenti meccatronici, stima della loro vita utile residua, aggiornamento del piano di manutenzione e comunicazione con l\u2019utente. Il sistema sar\u00e0 basato su tecniche di diagnostica\/prognostica accoppiate ad algoritmi di Machine Learning con capacit\u00e0 di autoapprendimento, rendendolo adattabile a un\u2019ampia gamma di impianti industriali e capace di affinare le proprie stime nel tempo.<\/p>\n\n\n\n

Il sistema consentir\u00e0 l\u2019ammodernamento a basso costo di impianti industriali installati prima della rivoluzione i4.0 ma che, avendo tempi di ammortamento e vita utile stimata particolarmente lunghi, si trovano ancora all\u2019inizio del proprio ciclo di vita. Il sistema verr\u00e0 validato economicamente tramite un\u2019analisi Costi-Benefici che permetter\u00e0 di valutarne la convenienza sia per un componente specifico che per tutto l\u2019impianto. Il sistema sar\u00e0 installato sugli impianti pilota delle imprese partecipanti, andando a costituire dei laboratori di sviluppo, utili a validare il sistema stesso, sviluppare successivamente customizzazioni e favorirne l\u2019ingegnerizzazione.<\/p>\n\n\n\n

Obiettivi e risultati attesi<\/strong><\/p>\n\n\n\n

L\u2019obiettivo principale di REFIMAN \u00e8 la realizzazione di uno strumento che consenta il retrofitting<\/em> di impianti produttivi di diversa tipologia dotando questi ultimi di un sistema di autodiagnosi e prognosi in riferimento al presentarsi di guasti o derive della qualit\u00e0 di produzione. Lo strumento potr\u00e0 essere applicato, tramite opportuna sensorizzazione, a tutte le componenti meccaniche in movimento nell\u2019impianto e basato su algoritmi di Machine Learning. Questo lo render\u00e0 ugualmente installabile su una gamma eterogenea di impianti produttivi. Lo strumento verr\u00e0 installato su diversi impianti pilota, cos\u00ec da ottenere dei laboratori di sviluppo tramite i quali customizzare e migliorare nel tempo lo strumento di diagnosi.<\/p>\n\n\n\n

In termini tecnologici, l\u2019obiettivo<\/strong> \u00e8 la creazione di un dimostratore hardware-software e alcuni laboratori di validazione e sviluppo, uno per ciascuna azienda partner. Il dimostratore permetter\u00e0 la sensorizzazione low-cost di impianti produttivi \u201cdatati\u201d, conferendo loro caratteristiche smart e i4.0. Ciascun laboratorio sar\u00e0 costituito da un diverso impianto pilota, ossia un impianto classico su cui \u00e8 installato il dimostratore e un\u2019opportuna sensoristica.<\/p>\n\n\n\n

L\u2019obiettivo dei laboratori \u00e8 quello di tarare, customizzare e sviluppare il dimostratore sulle diverse tipologie di impianto per ottenerne una versione facilmente distribuibile, valutandone anche la convenienza economica in termini di costi-benefici tra il retrofitting<\/em> e l\u2019acquisto del nuovo.<\/p>\n\n\n\n

L\u2019obiettivo principale di REFIMAN \u00e8 la realizzazione di uno strumento che consenta il retrofitting<\/em> di impianti produttivi di diversa tipologia dotando questi ultimi di un sistema di autodiagnosi e prognosi in riferimento al presentarsi di guasti o derive della qualit\u00e0 di produzione. Lo strumento potr\u00e0 essere applicato, tramite opportuna sensorizzazione, a tutte le componenti meccaniche in movimento nell\u2019impianto e basato su algoritmi di Machine Learning. Questo lo render\u00e0 ugualmente installabile su una gamma eterogenea di impianti produttivi. Lo strumento verr\u00e0 installato su diversi impianti pilota, cos\u00ec da ottenere dei laboratori di sviluppo tramite i quali customizzare e migliorare nel tempo lo strumento di diagnosi.<\/p>\n\n\n\n

In termini tecnologici, l\u2019obiettivo<\/strong> \u00e8 la creazione di un dimostratore hardware-software e alcuni laboratori di validazione e sviluppo, uno per ciascuna azienda partner. Il dimostratore permetter\u00e0 la sensorizzazione low-cost di impianti produttivi \u201cdatati\u201d, conferendo loro caratteristiche smart e i4.0. Ciascun laboratorio sar\u00e0 costituito da un diverso impianto pilota, ossia un impianto classico su cui \u00e8 installato il dimostratore e un\u2019opportuna sensoristica.<\/p>\n\n\n\n

L\u2019obiettivo dei laboratori \u00e8 quello di tarare, customizzare e sviluppare il dimostratore sulle diverse tipologie di impianto per ottenerne una versione facilmente distribuibile, valutandone anche la convenienza economica in termini di costi-benefici tra il retrofitting<\/em> e l\u2019acquisto del nuovo.<\/p>\n\n\n\n

Dettagli del progetto<\/strong><\/p>\n\n\n\n

Responsabile scientifico per SITEIA.Parma:<\/strong> Prof.ssa Elisabetta Manconi<\/p>\n\n\n\n

Strutture Unipr coinvolte:<\/strong><\/p>\n\n\n\n

Centro Interdipartimentale sulla Sicurezza, Tecnologie e Innovazione Agroalimentare<\/p>\n\n\n\n

Coordinatore:<\/strong>
IN4 Hub \u2013 UNIFE<\/p>\n\n\n\n

Partner:<\/strong><\/p>\n\n\n\n