Embedded Files
SCOPO
Sviluppare modelli predittivi basati sull'intelligenza artificiale e implementare tecniche non distruttive per valutare la qualità della produzione ceramica.
Tipologia: Ricerca Industriale
Risultato Finale: RF2 | Studio, definizione e implementazione di modelli per la previsione e la classificazione della qualità di materiali ceramici basati su metodi di Intelligenza artificiale e tecniche di diagnostica non distruttiva.
Partner responsabile: Università della Calabria
Durata: 36 mesi
Sedi Operative: Arcavacata di Rende (CS)
DESCRIZIONE
L'OR 2 si concentra sullo sviluppo di modelli predittivi basati sull'intelligenza artificiale (IA) e sulla creazione di sistemi di misurazione non distruttivi ottimizzati per l'industria ceramica.
L'obiettivo è valutare la qualità della produzione ceramica utilizzando dati di produzione, processo e analisi.
Si utilizzeranno reti neurali artificiali (ANN) per sviluppare modelli che identifichino le relazioni non lineari tra i parametri di ingresso e le variabili di uscita, nonostante la presenza di rumore nei dati. Saranno condotti esperimenti di laboratorio per produrre campioni ceramici controllati e misurare gli indicatori di qualità. Verranno anche sviluppate e implementate tecniche di misurazione non distruttive come termografia, ultrasuoni, emissione acustica e imaging capacitivo per valutare gli indicatori di qualità e individuare eventuali difetti.
L'obiettivo finale è correlare la composizione dei materiali ceramici, i parametri di processo e i difetti presenti nei prodotti.
L'innovazione risiede nella combinazione di modelli predittivi, misurazioni non distruttive e analisi dei dati per migliorare l'efficienza e la qualità del processo ceramico, rendendo le aziende più competitive.
ATTIVITÀ
Per raggiungere lo scopo dell'OR sono state previste le attività descritte di seguito.
2.1 Modelli per la predizione della qualità del prodotto basati su dati in ingresso e di processo a partire da materie prime nazionaliDefinizione di un'architettura di modelli predittivi di prodotto ed estrazioni di feature utili alla classificazione a partire delle analisi NDT.2.2 Modelli per la predizione della qualità del prodotto basati su dati in ingresso e di processo a partire da materie prime di importazione e da mix di materie primeEstensione e test del modello predittivo.2.3 Metodi di controllo qualità di processo e detezione difetti tramite tecniche NDT e MLSviluppo sistemi NDT per prodotti ceramici e di algoritmi di machine learning per l'individuazione dei difetti. 2.4 Modellazione del sistema combinato prodotto ceramico-fondi di posaAcquisizione di dati su varie tipologie di sistemi combinati, analisi di correlazione tramite ML e statistica multivariata tra prove meccaniche e NDT.2.5 Analisi di sensitività dei modelli di footprint assessmentTest di vari algoritmi di analisi sensitività e verifica a posteriori.
RISULTATI
Di seguito vengono riportati i risultati ad oggi raggiunti:
2.1 Modelli per la predizione della qualità del prodotto basati su dati in ingresso e di processo a partire da materie prime nazionali
Le attività dell’OR 2.1 hanno portato allo sviluppo di modelli predittivi per la qualità delle piastrelle di ceramica.
A seguito di una prima selezione e caratterizzazione chimico-fisico-mineralogica delle materie prime commerciali nazionali, sono stati preparati impasti e sono stati prodotti i primi provini.
I dati di caratterizzazione e di processo, uniti a quelli derivanti dalle serie storiche aziendali degli ultimi 6 anni, dopo un processo di pulizia e normalizzazione, sono stati utilizzati come input per addestrare algoritmi di machine learning (ML), deep learning (DL) e modelli statistici multivariati.
Inoltre, lo sviluppo di ulteriori algoritmi basati su tecniche non distruttive (NDT) ha permesso di avviare la ricerca di una possibile correlazione tra parametri estratti ed i dati tradizionalmente acquisiti.
Questi processi hanno portato alla definizione di strumenti predittivi aventi un’accuratezza superiore al 70% e che miglioreranno a seguito di ulteriore addestramento.
Le attività hanno dimostrato come l’integrazione tra analisi tradizionali e nuove metodologie predittive basate su AI possa migliorare significativamente il controllo qualità nella produzione di piastrelle ceramiche.
Google Sites
Report abuse