Mandelli sistemi, nel corso della sua storia, ha sempre avuto un occhio di riguardo nei confronti dei giovani ritenendo il loro contributo essenziale per affrontare le sfide tecnologiche del futuro. Ad esempio, l’azienda finanzia da alcuni anni delle borse di studio ad ingegneri meccanici del Politecnico di Milano. Da inoltre la possibilità di svolgere stage aziendali. Proprio per questa propensione nei confronti dei giovani e delle sfide tecnologiche, Mandelli ha deciso di aderire all’iniziativa Manuthon, lanciando una sfida che vuole superare le tipiche logiche di competizione delle aziende che operano nel settore delle macchine utensile. Le macchine utensili, essendo sistemi meccatronici complessi, utilizzano, per alcuni dei sotto-moduli, prodotti commerciali altamente specializzati (i.e. azionamenti, controllo numerico, PLC, etc.), tipicamente forniti da importanti aziende multinazionali. I costruttori dei centri di lavoro invece si occupano dell’integrazione e della personalizzazione di questi dispositivi nelle propre macchine e nei propri sistemi. Spesso però questa operazione è ostacolata da problemi di natura tecnica che i dipendenti di ogni singola azienda sono costretti, non senza difficoltà, nonostante il supporto dei produttori, ad affrontare. La soluzione di queste problematiche difficilmente viene formalizzata, condivisa e resa disponibile. Inoltre, le stesse problematiche sono affrontate da tecnici appartenenti ad aziende diverse, spesso concorrenti. Alla luce di queste scenario, Mandelli ritiene molto utile, ad esempio, sviluppare una metodologia per formalizzare, strutturare, aggiornare e condividere queste informazioni non solo tra tecnici della stessa azienda ma anche tra tecnici appartenenti ad aziende che operano nello stesso settore.

Gli impianti produttivi rappresentano il cuore, nonché il principale asset tangibile, di una azienda manifatturiera. Le trasformazioni in corso, spinte delle tecnologie I4.0, puntano a rendere tali impianti, e quindi le relative fabbriche, “intelligenti”. I ritmi produttivi e la continua ricerca della massima efficienza hanno reso la competizione simile a un gran premio di formula uno: i costruttori di impianti, infatti, puntano a “vincere la gara” grazie ad una gestione quasi maniacale dei fermi produttivi, tanto dovuti ai guasti quanto ai cambi produzione. E’ quel che avviene, non a caso, ai “Pit Stop” dei gran premi. Per superare questa sfida bisogna attrezzarsi di strumenti e metodi: tecnologie per l’assistenza efficace, ma anche, non banale, una “codifica degli imprevisti”. La presente “challenge” propone di sviluppare un prototipo di sistema, integrato a strumenti software, per la gestione dei guasti macchina nelle condizioni peggiori, ossia dovuti a difetti non ancora codificati, e di cui, quindi, non se ne conosce a priori la soluzione. Ma di cui sono cruciali, per quanto detto, i tempi di intervento. Il sistema dovrà prevedere due scenari, e relativi strumenti, in versione prototipale: Lato cliente: una APP (su tablet) per l’acquisizione dati dal campo e invio “scheda guasto” al costruttore impianto. Il sistema deve consentire anche l’assistenza da remoto in Realtà Aumentata da parte del costruttore, con possibilità di quest’ultimo di vedere e guidare l’intervento del cliente e di inviargli quindi eventuali documenti tecnici in tempo reale; Lato costruttore impianto: una piattaforma software per la raccolta dei dati della “scheda guasto” e per la Knowledge Management aziendale, utile per la gestione del guasto, nonché per l’interazione con il cliente durante l’intervento di assistenza. Il sistema deve essere in grado di acquisire dal campo (1) i dati relativi al guasto, sia quantitativi (parametri di funzionamento impianto in tempo reale da PLC, ma anche se necessario da storico), sia qualitativi (foto del guasto, descrizione guasto, possibile ricambio), per poi trasmetterli ad un portale gestito dal costruttore dell’impianto (2), sia per il supporto all’assistenza in remoto, dove necessario, che poi per fini statistici. Input e Vincoli Guasti non codificati: si assume che l’impianto possa individuare automaticamente la stazione relativa al guasto, e che sulla stessa sia presente un QR code. Al QR code della stazione sia associato un troubleshooting (pdf) per la ricerca guasto in RA. Gestione della “scheda guasto”: matricola impianto, parametri di funzionamento da PLC (per esempio corsa, forza, coppia, temperatura, numero cicli), un campo editabile per la descrizione guasto, un’altro per i ricambi eventualmente utilizzati. La sfida consiste nel disegnare un’ipotesi di processo e di sviluppo del sistema di condivisione delle informazioni e delle interazioni cliente-costruttore durante tutto il processo, o parte di esso.

BLM Group è un gruppo aziendale che da oltre 60 anni sviluppa sistemi all’avanguardia per la lavorazione di tubi, profili speciali e barre per rendere più innovativi, efficaci e semplici i processi produttivi dei propri clienti. La lavorazione del tubo è il nostro punto di forza: taglio laser e a disco, curvatura, sagomatura… per ogni esigenza, abbiamo una gamma completa di risposte. L’azienda ha tre principali sedi produttive:

• BLM, a Cantù (CO), specializzata nella produzione di macchine curvatubi e piegafilo a CNC, sagomatubi, unità di misura e relativi dispositivi di integrazione e automazione, macchine laser per il taglio di tubi curvati e pezzi tridimensionali
• ADIGE, a Levico Terme (TN), produce sistemi di taglio laser per tubi e macchine per il taglio a disco di tubi, pieni e profilati. Completano la gamma spazzolatici, sistemi di misura, lavaggio e raccoglitori.
• ADIGE SYS, a Levico Terme (TN), dedicata ai sistemi “misti” di taglio laser per tubo e lamiera, impianti per la lavorazione laser di tubi di grandi dimensioni e linee di taglio e asportazione alle estremità per tubi e barre.

Innovare per noi non significa solo produrre nuove idee e prodotti con tecnologie all’avanguardia o sempre più ottimizzate. Per noi la vera innovazione si deve anche poter misurare in termini di efficienza ed efficacia dei processi produttivi, quindi tradurre in benefici diretti e concreti per i nostri clienti. A questo proposito, una delle macchine più innovative proposte da BLM Group è la LT-FREE, una cella per il taglio laser di pezzi tridimensionali. La cella è composta da una macchina a 5 assi, di cui 3 cartesiani e 2 rotativi, su cui è montata una testa di taglio collegata a una sorgente laser in fibra. A seconda delle configurazioni, la cella viene completata da tavole fisse, rotanti o traslanti più eventuali robot. Il sistema è naturalmente confinato in una cabina che garantisce la massima sicurezza dell’operatore. Il volume di lavoro della macchina è diviso in due stazioni (destra e sinistra), ciascuna delle quali è inoltre divisa in zona di lavoro e zona di carico come si vede nella figura sottostante. La cabina ha un’apertura frontale con doppia porta scorrevole; ciascuna stazione può essere aperta e chiusa in maniera indipendente. Il volume di lavoro della macchina è diviso in due stazioni (destra e sinistra), ciascuna delle quali è inoltre divisa in zona di lavoro e zona di carico come si vede nella figura sottostante. La cabina ha un’apertura frontale con doppia porta scorrevole; ciascuna stazione può essere aperta e chiusa in maniera indipendente.

Fabio Perini and its group companies have over 21.000 machines installed worldwide in over 100 countries. The customers of Fabio Perini are more than 1200. Each of the customers may have employee strength from tens to thousands of employees. Further still, the products made out of Fabio Perini machines such as kitchen towel, toilet paper rolls, napkins, etc are used by billions of people worldwide every single day. The company is more than 50 years old and is well known in the tissue community. Until recently most machinery manufacturers and other companies expect innovations to come out of their R&D departments. They invest a significant part of their revenue in R&D. As a result, the innovations and ideas from the customers’ employees, or product improvement ideas from end users, have difficulty finding their way into the Fabio Perini organization. The same difficulty exists for machine issues which are happening at our customers’ sites and which our customers are solving on their own. These learnings stay with the maintenance staff or the operators at the customers’ sites. There is no specific ‘’antenna’’ which is watching out for ideas or issues from outside, or means for employees at the customers’ factories, or the end users of final products, to provide their feedback to improve either the final products or the machinery.