AI e dati per una produzione ZF sempre migliore
Il Gruppo ZF ha una lunga e variegata storia, per esempio nel settore delle trasmissioni: quando nelle specifiche si leggeva “cambio ZF” il rispetto per quell’automobile aumentava. L’attuale gamma ZF di componenti aftermarket è molto ampia e si è accresciuta, per esempio, con i ricambi Lemforder per le auto elettriche ma, al di là delle cose fisiche e che si vedono, ZF è molto impegnata in settori come l’AI e i dati. C’è una premessa da fare: non molti sanno che anche i banchi prova che selezionano i pezzi alla fine della linea di produzione sono prodotti da ZF.
ZF Test Systems, una divisione separata all’interno del Gruppo ZF che si occupa di sviluppo e progettazione di hardware per test e validazione, ha un’esperienza di più di 35 anni. Essa ha sedi in Europa, Asia e America e costruisce banchi prova per vari settori, anche al di fuori dell’automotive, e per clienti esterni. ZF Test Systems ha fornito 1.800 sistemi di prova in tutto il mondo e molti di essi sono impiegati in campi innovativi, dalla nuova mescola per pneumatici, a batterie di nuovo tipo fino alla compatibilità elettromagnetica di un motore elettrico. Questi sistemi di test ogni giorno generano circa 30.000 set di dati al giorno. Una massa enorme di numeri che devono essere trasformati prima in informazione e poi in supporto alle decisioni.
ZF Test Systems ha quindi sviluppato un proprio prodotto per l’archiviazione automatica a lungo termine in un sistema centrale, chiamato “Tatoo”: esso può memorizzare tutti i dati durante o dopo la produzione in un database centrale, dal quale prelevarli per elaborarli. ZF Advanced Analytics ha le capacità di elaborarli ed eventualmente supportare le aziende in questo processo.
Un esempio concreto sono i banchi prova di fine linea nello stabilimento ZF di Saarbrücken. ZF Test Systems ha sviluppato un algoritmo basato sull’intelligenza artificiale con il quale è possibile valutare digitalmente il comportamento NVH (rumore, vibrazioni, ruvidità) di trasmissioni e motori elettrici, che ruotano ad alta velocità e trasmettono coppie importanti.
La mappa letta dall’AI
Il team ha creato una “mappa” delle frequenze e della loro intensità basata sull’analisi di migliaia di trasmissioni che si sono poi rivelate senza difetti: se il componente sotto esame ha parametri NVH al di fuori di queste mappe l’AI allerta i tecnici della produzione. L’elaborazione dei dati dei test basata sull’intelligenza artificiale va ancora oltre: le grandi quantità di dati consentono di addestrare algoritmi di classificazione per valutare in modo accurato gli errori che si verificano nei componenti che non superano il controllo finale. Questa soluzione ha un grande potenziale per via di questa classificazione automatica: in passato, ogni campione non valido,e i suoi dati, doveva essere esaminato da esperti di prodotto per identificare la causa dell’errore. Un sistema di intelligenza artificiale può svolgere questi compiti 24 ore al giorno, 7 giorni su 7.
Questo algoritmo gestisce già in modo autonomo un terzo delle classificazioni, una quota destinata ad aumentare. In questo modo gli esperti ZF possono dedicare più tempo a compiti più evoluti. Questa procedura accelera l’ottimizzazione del prodotto, perché anche dai componenti non conformi si possono ricavare punti di riferimento per migliorare la qualità della produzione. Il sistema, chiamato “wAIve Guard”, verrà presto utilizzato in diversi stabilimenti, non solo nella Divisione Electrified Powertrain Technology, ma anche nella Divisione Industrial Technology, in particolare negli impianti di trasmissione dell’energia eolica di Lommel (Belgio) e Tianjin (Cina).
La diffusione della tecnologia in altri stabilimenti e settori darà ulteriore esperienza e, soprattutto, molti altri dati, che sono il “carburante” fondamentale di ogni soluzione AI. Il tutto nell’ottica di sviluppare altri casi d’uso su come trasformare i dati di produzione e di test in più qualità, più sostenibilità e più efficienza nella produzione. Quindi se i prodotti ZF saranno sempre più affidabili è probabile che il merito sia di una valanga di bit interpretati dall’AI!
