Sustainable Predictive mAIntenance as a Model

Abstract

L’obiettivo del progetto SPAIM è sviluppare i componenti essenziali per fornire servizi di Predictive Maintenance (PdM) “as-a-service”, cioè come un servizio agile e configurabile per le esigenze delle aziende, senza ricorrere a soluzioni monolitiche integrate verticalmente. Questa flessibilità di servizi è fondamentale nei paradigmi Industry 4.0, e non viene ancora supportata per le applicazioni di PdM. L’effetto è che molte aziende, in particolare SME, sono di fatto escluse da questi servizi, che invece rivestono un ruolo fondamentale per la transizione digitale dei sistemi produttivi. Per raggiungere l’obiettivo, SPAIM si articola su tre filoni di lavoro, mappati in altrettanti Obiettivi Operativi. Innanzitutto vengono sviluppati algoritmi di Artificial Intelligence (AI) distribuita, che possano lavorare nel continuum tra cloud ed edge. Lo sviluppo di algoritmi di AI di questo tipo è attualmente uno dei temi caldi dell’AI in generale, ma ha negli scenari di Industry 4.0 uno dei casi d’uso più importanti, perché permette di configurare in modo flessibile i servizi basati su AI (come la PdM), sfruttando appieno le potenzialità dei dispositivi presenti nel contesto del processo industriale monitorato. Il secondo pilastro del progetto è la definizione di un’architettura generale per l’integrazione di sevizi di PdM basati su soluzioni di AI distribuita. Tale architettura è fondamentale per avere un blueprint di organizzazione delle varie fasi della fornitura e messa in opera del servizio in contesti applicativi concreti. Infine, il terzo pilastro consiste nella integrazione e validazione sperimentale dell’architettura e degli algoritmi in casi d’uso concreti. I casi d’uso selezionati fanno parte di processi industriali in cui opera il partner industriale del progetto e permettono di valutare prototipi completi delle soluzioni individuate dal punto di vista funzionale e prestazionale. Completa la fase di valutazione anche una valutazione delle opzioni di industrializzazione di tali servizi. Gli output principali del progetto sono quindi: (i) algoritmi di AI distribuita che operino su dispositivi eterogenei tra il cloud e l’edge, adattandosi dinamicamente al contesto applicativo; (ii) un’architettura generale per la loro integrazione in applicazioni di PdM; (iii) lo sviluppo di prototipi integrati in casi d’uso concreti e (iv) una dettagliata validazione sperimentale in questi casi d’uso.