GALVANICA: Machine Learning per l’ottimizzazione di processi galvanici nichel free applicati all’occhialeria

Category
Data Analysis & Machine Learning, Industrial Engineering, Por Fesr
ABOUT THE PROJECT

Un importante driver di innovazione in ambito “Creative Industries” è rappresentato dalla capacità di individuare soluzioni innovative nell’utilizzo di materiali (es. leghe metalliche) finalizzate alla realizzazione, alla preservazione e al miglioramento delle lavorazioni e delle produzioni creative.

L’occhialeria è una “Creative Industry” che trova nel territorio Veneto le più importanti eccellenze a livello mondiale: la capacità di coniugare “sapere artigiano” a processi industriali è uno dei fattori competitivi del nostro territorio e in particolare nel distretto dell’occhialeria. Per poter rimanere leader a livello mondiale, il settore dell’occhialeria Veneto necessità di mantenere la capacità di seguire le esigenze dei grandi BRAND del lusso mondiale che si sostanziano, tra le altre, nella capacità di industrializzare un’altissima numerosità di prodotti estremamente complessi.

Per raggiungere questo scopo è necessario investire in maniera continuativa in processi industriali innovativi al fine di migliorare la capacità di lavorare produzioni creative sempre nuove e in linea con le esigenze del pronto moda richiesto dai grandi brand del lusso mondiale, rispettando la salute dei lavoratori e l’ambiente circostante.

L’OBIETTIVO DEL PROGETTO È L’OTTIMIZZAZIONE DI PROCESSI GALVANICI NICHEL FREE APPLICATI ALL’OCCHIALERIA ATTRAVERSO L’USO del MACHINE LEARNING

  1. Il progetto sarà sviluppato con la regia del Dipartimento di Ingegneria Industriale di Padova, il quale applicherà le più moderne metodologie di analisi, valutazione e validazione di processi chimici industriali supportati da tecniche avanzate di gestione sperimentale data driven tra cui il Machine Learning e il Design of Dynamic Experiments (DoDE).
  2. Risulta fondamentale disporre di una grande mole di dati relativi al processo di trattamento galvanico per poter alimentare il dataset necessario alla piattaforma di machine learning. La fase iniziale del progetto quindi si baserà sulla digitalizzazione dell’impianto galvanico denominato “FENICE” all’interno del quale saranno digitalizzati tutti i flussi informativi (processo, laboratorio e controllo qualità) e gli stessi andranno ad alimentare un unico database.
  3. Successivamente verranno individuati, implementati e installati sensori ad alto contenuto tecnologico (IoT) al fine di abilitare la tracciabilità degli ordini di produzione all’interno dell’impianto e monitorare in tempo reale il processo produttivo, semplificare la produzione di dati da parte di ogni attività dell’impianto galvanico.
  4. A questo punto sarà necessario individuare dei pattern statistici relativi alla correlazione esistente tra la qualità dei prodotti ottenuti con il processo di galvanica nichel free e le numerose variabili del processo attraverso l’uso delle più avanzate tecniche di machine learning.

Grazie a questo progetto sarà possibile ottimizzare il processo galvanico nichel free applicato all’occhialeria attraverso l’uso di una piattaforma di machine learning. L’industria creativa dell’occhialeria vedrà quindi preservata e migliorata la propria capacità di lavorare alte variabilità di prodotti attraverso il processo galvanico nichel free, che per sua natura risulta meno pericoloso e meno inquinante dei processi galvanici a base di nichel.  Questo preservando la libertà creativa dello stilista nel realizzare una ampia varietà di prodotti di occhialeria in piccole serie.

PROJECT INFO

SPONSORED BY: Por Fesr Regione Veneto

YEAR: 2019-2021

PARTNER:
Safilo Indusitries Srl, MSQUARE DYNAMICS srl, Impianti Elettrici Cazzin Massimo srl and M3E srl

SERVICE: Scientific Software Development

SECTOR: Industrial Engineering

FINANCIAL SUPPORT: – €

PROJECT COORDINATOR: Safilo Industries

RELATED PROJECTS