Moxoff mette a disposizione delle aziende di ogni tipo capacità di modellazione di processi e impianti, simulazione di scenari, sviluppo di modelli previsionali e di algoritmi per la gestione e ottimizzazione dei processi produttivi e operativi.
L’approccio multidisciplinare di Moxoff
L’approccio al “problem solving” di Moxoff fonda le sue radici nella matematica, seguendo una struttura costituita dall’insieme: dati-modello-soluzione.
Questo metodo consente di sviluppare modelli per l’ottimizzazione dei processi che sono applicabili nel medesimo contesto, anche quando cambiano le condizioni (ovvero i dati) che descrivono il problema. Si pensi, per esempio, al modo in cui un modello previsionale utilizzato in ambito meteorologico venga utilizzato quotidianamente per fare nuove previsioni basate su dati costantemente mutevoli. Nello sviluppo degli strumenti di simulazione Moxoff è una delle pochissime realtà in grado di coniugare data science, modellazione numerica e ottimizzazione, seguendo un approccio multidisciplinare che è essenziale per fornire una rappresentazione efficace del processo da ottimizzare.
Il punto di partenza per ogni percorso di ottimizzazione è, infatti, la comprensione del processo che governa un problema (così come un fenomeno fisico o sociale) per poi tradurlo in equazioni e stabilire quali sono i dati e le variabili che ne definiscono i contorni.
Solo dopo aver contestualizzato il problema Moxoff avvia la fase di sviluppo di un modello, integrandolo con i sistemi e i processi aziendali e predisponendo un’interfaccia “user friendly” che ne consenta il facile utilizzo anche da parte di personale non esperto.
I pilastri del processo previsionale
Al paradigma dati-modello-soluzione è possibile fare corrispondere tre aree fondamentali del processo previsionale: descrittiva, predittiva, what if. Queste tre aree coprono aspetti complementari necessari per predisporre gli strumenti di simulazione efficaci per l’ottimizzazione dei processi produttivi.
La componente descrittiva è quella in cui si raccolgono i dati e si cerca di comprendere. È il processo durante il quale ci si chiede cosa è accaduto e perché, in cui si organizzano i dati per le attività di interrogazione, reporting e visualizzazione, e in cui si predispongono meccanismi di elaborazione automatica per la misura dei parametri di riferimento (KPI) e per il monitoraggio in tempo reale.
La componente predittiva è quella che consente di rispondere alla domanda: cosa succederà in futuro? La risposta a questa domanda passa attraverso la scoperta di schemi e relazioni non evidenti, e richiede la predisposizione di un modello che abbia la capacità di identificare le probabilità e l’evoluzione dei fenomeni di interesse. L’analisi “what if” permette di effettuare simulazioni basate sui dati per fornire una risposta alla domanda: quale impatto avrà questa decisione? In questo contesto, l’analisi degli scenari futuri viene esplorata in modo anche quantitativo, simulando l’impatto delle diverse decisioni e condizioni. Da questo tipo di analisi emergono suggerimenti (automatici) su opzioni decisionali utili a sfruttare al meglio un’opportunità futura o a mitigare un rischio.
Moxoff affronta tutti questi compiti utilizzando un’ampia gamma di strumenti che includono, tra gli altri, analisi funzionale, modellazione multifisica, analisi dei big data, geometria computazionale, algoritmi predittivi, machine learning e data visualization.
Esempi di ottimizzazione dei processi produttivi con Moxoff
Gli strumenti di simulazione di Moxoff permettono di intervenire su molteplici aspetti volti all’ottimizzazione dei processi produttivi. Vediamo qualche esempio di applicazione.
Più qualità e meno sprechi nell’additive manufacturing
Uno di questi è la modifica dei parametri di produzione. Questo approccio è stato utilizzato da Moxoff con successo, per esempio, nell’ambito della stampa 3D e dell’additive manufacturing. Grazie allo sviluppo di un software dedicato, Moxoff è stata in grado di applicare tecniche avanzate per ottimizzare la definizione della forma, le modalità di taglio, la costruzione dei supporti e minimizzare i percorsi. Questo ha permesso di generare un codice in grado di migliorare la qualità delle stampe 3D, ridurre il tempo necessario alla loro realizzazione e minimizzare gli sprechi di materiale, con una significativa riduzione dei costi.
Ridurre il consumo energetico in ambito siderurgico
Un’oculata modifica dei parametri di processo può consentire, per esempio, di ridurre il consumo energetico, che è un requisito critico in molti processi produttivi. Questo approccio è stato realizzato da Moxoff, ad esempio, in ambito siderurgico. L’uso di un sistema di simulazione ha permesso di definire e controllare le condizioni di funzionamento di più componenti, in modo da garantire portata e temperatura ottimali per i materiali semilavorati ottenuti dal processo di colata (billette), che devono essere inseriti nel laminatoio per realizzare barre, fili o profilati. In questo modo, è stato possibile minimizzare sia gli scarti sia il consumo di energia.
Migliori scelte progettuali e sostenibilità ambientale nel lavaggio industriale
Il processo di ottimizzazione può interessare anche l’aspetto di progettazione dei componenti di una macchina industriale e l’impatto dei parametri costruttivi come la forma, la dimensione, il peso, il materiale. Una macchina costruita o modificata per rispondere a specifiche esigenze produttive permette di aumentare l’efficienza dei processi. Una soluzione di simulazione Moxoff ha consentito, tramite veloci analisi di tipo “what if”, di definire le migliori scelte progettuali per la realizzazione di una macchina di lavaggio industriale, determinando una riduzione nel consumo di acqua e del conseguente impatto ambientale.
Ottimizzare le linee robotizzate nel settore alimentare
Un ulteriore ambito di miglioramento dei processi produttivi risiede nel corretto dimensionamento degli impianti in base a specifiche esigenze produttive. L’uso di strumenti di simulazione di Moxoff ha permesso a un’azienda del comparto alimentare di valutare le diverse configurazioni dei componenti di una linea robotizzata per il packaging (percorso del nastro trasportatore e di raccolta, numero e posizione dei robot, dimensione e posizione delle “picking and placing area”) per ottimizzarne il funzionamento.
Contattaci per ricevere ulteriori informazioni
