![EKA progetto flet](https://www.eka.it/wp-content/uploads/eka-progetto-flet.jpg)
Informazioni
- Partner : DTA scarl, Eka srl, Blackshape Spa, ENGINSOFT Spa, Planetek srl, AvioAero srl, Politecnico di Bari, Università del Salento, Politecnico di Torino, Mermec Spa
- Data inizio : 1 Novembre 2018
- Data fine : 28 Febbraio 2022
- Budget EKA : € 400.752,00
- Stato : In corso di esecuzione
Informazioni
FLET 4.0 - FLEet managemenT optimization through I4.0 enabled smart maintenance
Attività di ricerca volta allo studio e alla definizione di un prototipo per la gestione ottimizzata della flotta attraverso la manutenzione intelligente I4.0 (FLET 4.0).
Area di Specializzazione “Fabbrica Intelligente”. Codice identificativo ARS01_00821
Decreto Ammissione del 20/07/2018 n. 0001910
Beneficiario EKA S.r.l. – CUP B86G18000480005 – RNA-COR 562408
Obiettivi
Le attività di ricerca si focalizzano sul processo di gestione della flotta dei propulsori aerei in servizio. L’obiettivo è lo sviluppo di un sistema di gestione delle informazioni acquisite tramite attività di Health Monitoring e di Fleet Management, integrato con i dati provenienti dal depot (ratei di scarto e di riparazione), dati di tipo logistico (lead time approvvigionamenti e di conduzione dei repair) e dati ingegneristici (modifiche e manuali) per elaborare una strategia di sbarchi che abbia il minimo impatto sull’operatività della flotta, ridurre i lead time di approvvigionamento, ottimizzare la gestione dei magazzini.
Il progetto intende definire un nuovo approccio metodologico al processo di manutenzione di fabbrica al fine di fornire agli operatori nuove tecniche e strumenti così da massimizzare l’efficienza dei sistemi e sfruttare interamente le informazioni disponibili nelle diverse aree del processo aziendale di produzione.
Sarà sviluppato un’ambiente di interoperabilità di sistemi ed applicativa in grado di integrare le informazioni provenienti dai reparti di progettazione e produzione e supporti l’addetto nelle operazioni di manutenzione remota.
La definizione di un processo metodologico composto da un insieme di algoritmi ed applicazioni di analisi dei dati, finalizzati a monitorare in maniera continua lo stato di salute di un motore a livello dei singoli componenti sottosistemi, risulta dunque fondamentale per assolvere tali scopi.
Si realizzerà quindi un sistema che permetterà di identificare in modo preventivo le necessità e le opportunità di intervento per migliorare i processi di failure isolation e di troubleshooting.
Inoltre, si ritiene altrettanto importante la definizione di un piano di cross-fertilizzazione tra le industrie spaziale, aeronautica e ferroviaria, facendo appunto perno sulle metodologie di health monitoring automatiche.
Attività e risultati
Maintenance Planner Module: creazione di un algoritmo che fornisca un piano di sbarchi motore ed un piano manutentivo applicabile ad una flotta di motori aeronautici che massimizzi la loro disponibilità presso l’utilizzatore finale e minimizzi i tempi e i costi dell’intervento.
Forecast & Strategy Module: sviluppo del Forecast & Strategy Module che definisce la lista di parti di ricambio e le relative tempistiche di procurement.
Integrated Management System: i due precedenti sistemi saranno integrati per costituire un ‘integrated management system’ che definisca determini il tempo necessario ad effettuare un determinato intervento in base all’effettiva disponibilità della fabbrica.
Service-Oriented Architecture (SOA). L’obiettivo è realizzare una Service-Oriented Architecture (SOA) che renda efficiente il processo di manutenzione, attraverso tecnologie di Internet delle cose (IoT) in ambito ferroviario.
Sistemi di terra per l’health monitoring di piattaforme e sensori spaziali (orbitanti o deep space). Un sistema per l’analisi dei flussi di telemetria da satellite e l’individuazione pre-emptive di comportamenti (“pattern”) identificabili come sintomo di possibili anomalie. Gli strumenti in oggetto sono destinati al miglioramento, alla semplificazione del processo “industriale” di monitoraggio dello stato dei sistemi spaziali.
Benefici
Lo scopo del Progetto FLET 4.0 (FLEet managemenT optimization through I4.0 enabled smart maintenance) è creare un modello di simulazione iterativo che consenta di integrare tutte le informazioni descritte, al fine di fornire una previsione di piani di sbarco ed indicazioni di tipo logistico e strategico, integrate con la pianificazione delle attività del depot.
I risultati intendono creare le condizioni tecnologiche per erogare un servizio di manutenzione ad un cliente remoto, utilizzando specifiche tecnologie visuali per il trasferimento delle informazioni e sfruttando contemporaneamente la connettività a Internet.
Gli output e le interazioni con il sistema cliente/manutentore remoto avvengono con tecnologie immersive, di realtà aumentata, dispositivi indossabili ed embedded.
Il progetto migliorerà i metodi attualmente in uso dagli ingegneri operazionali dei satelliti, tenendo conto che il numero di parametri da verificare sta continuamente crescendo, implementando un sistema di controlli automatici sui parametri di telemetria auto-apprendendo il comportamento “normale” del satellite dai dati storici registrati e disponibili a terra.
Attività di EKA
Le attività di EKA nel progetto di ricerca e sviluppo FLET 4.0 (FLEet managemenT optimization through I4.0 enabled smart maintenance) sono le seguenti:
- “Analisi e strutturazione delle informazioni coinvolte” ovvero l’analisi e razionalizzazione delle informazioni provenienti dal Removal Plan (OR1), da dati ingegneristici e dati specifici di produzione.
- “Progettazione Algoritmo di simulazione e previsione” attività in cui EKA svoltera task di progettazione ed implementazione dell’algoritmo di ottimizzazione della gestione delle scorte.
- Creazione del prototipo relativo al Forecast & Strategy Module a partire dagli output dei task di progetto.
- Analisi e studio del processo di revisione al fine di garantirne una migliore gestione e tracciabilità di tutte le informazioni coinvolte e quindi un’ottimizzazione delle attività ad esso collegate. Identificazione e corretta definizione della tipologia di attività o sotto attività, studio del relativo contesto di applicazione, nonché degli input e output coinvolti in ogni step di processo, classificazione delle modalità operative di tutti gli attori coinvolti.
- Creazione algoritmo ‘TAT Forecast’ ovvero determinare la schedulazione ottimale delle attività di Revisione dei motori a fronte delle richieste di lavorazione tramite allocazione delle risorse a disposizione nell’intervallo di tempo prefissato per eseguire le attività di Revisione nel rispetto dei vincoli di priorità dei singoli motori e dei vincoli di capacità delle risorse stesse.
- Predisposizione di un Proof-of-Concept della nuova piattaforma di servizi ed integrazione di tutte le componenti del sistema implementate nelle diverse attività di progetto.