L’attività in esame sviluppa e studia sistemi di supporto alle decisioni in ambito industriale in grado di considerare sia gli aspetti tecnico/ingegneristici che quelli economici. Verranno considerate tre aree di applicazione:
Ottimizzazione della manutenzione di sistemi industriali e produttivi
Posizionamento ottimo di strumenti di misurazione su reti elettriche
Scelta della tecnologia di manifattura additiva
In ciascuna area di applicazione, gli aspetti economici ed ingegneristici, spesso contrastanti, verranno conciliati attraverso tecniche di ottimizzazione multiobiettivo e di analisi di decisioni multi-criteriali. In questo senso, la Figura 19 visualizza l’applicazione di due politiche di manutenzione preventiva. La Minimal repair è ottima dal punto di vista ingegneristico, ma la Grouping, attraverso raggruppamenti di attività riesce a diminuire significativamente i costi di setup. In Figura 20 viene rappresentato il fronte di Pareto di un problema di piazzamento di unità di misurazione su una rete di distribuzione elettrica, e si nota il legame tra la qualità della stima, rappresentata da una diminuzione di sensibilità e incertezza, e l’aumento del numero richiesto di dispositivi di rilevazione (connessi a maggiori costi).
L’attività si colloca nella macroattività 3. La scelta di utilizzare sistemi di supporto alle decisioni multi-obiettivo può essere vista come un ponte per riconciliare aspetti economici e ingegneristici. Un altro fondamento dei sistemi proposti è che non dovranno essere “automatici” e rimpiazzare il decisore, ma fornire invece visualizzazioni del problema in modo da facilitare la discussione e la ricerca di una soluzione di compromesso. Ciascuna delle aree applicative individuate (manutenzione, strumenti di misurazione, manifattura additiva) ha inoltre una rilevanza interna nel contesto di Industria 4.0.
Referente: Matteo Brunelli
Gruppo di lavoro:
Ricercatori DII: Matteo Brunelli, Dario Petri, David Macii, Paolo Bosetti
Ricercatori esterni: Mikael Collan (LUT), Jyrki Savolainen (LUT), Antti Punkka (Aalto University)
Studenti PhD: Michele Urbani
Studenti di LM o LT: Riccardo Andreoni, Daniele Pedrotti
Partner esterni coinvolti
Istituzioni di ricerca straniere: Lappeenranta University of Technology, Aalto University (Finlandia)
Figura 1: piano di manutenzione ottimizzato secondo diverse politiche manutentive.
Figura 2: Proiezione in due dimensioni di un insieme di Pareto tridimensionale di un problema di piazzamento di Phasor Measurement Units (PMUs) su una rete di distrubuzione elettrica.
PhD: Michele Urbani
Argomento: Maintenance policy optimization in the Industry 4.0 paradigm.
Data inizio dell’attività: Novembre 2018
Stato di attività, obiettivi e scadenze: Sono stati pubblicati 2 articoli su rivista e due capitoli di libro. Un ulteriore articolo è stato sottoposto per la pubblicazione. Lo studente ha trascorso 12 mesi all’estero ha ottenuto, con lode, un dottorato in cotutela con la Lappeenranta University of Technology.
LM: Riccardo Andreoni
Argomento: Un approccio tri-obiettivo al piazzamento di PMU su reti di distribuzione elettrica.
Data dell’attività: Marzo 2020 – Nov 2022
Stato: lo studente ha discusso la tesi con una votazione finale di 110/110 e lode. I risultati preliminari della tesi sono poi stati ampliati in un articolo su rivista [5] e estensioni proposte per una conferenza del settore [6]
LM: Daniele Pedrotti
Argomento: Sistemi di supporto alle decisioni multi criterio applicati alla selezione della tecnologia di manifattura additiva.
Data inizio dell’attività: Febbraio 2021
Stato: lo studente ha discusso la tesi con una votazione finale di 110/110 e lode. I risultati verranno proposti in una pubblicazione scientifica.
Articoli scientifici:
[1] Urbani, M., Brunelli, M., & Collan, M. (2020). A comparison of maintenance policies for multi-component systems through discrete event simulation of faults. IEEE Access, 8, 143654-143664.
[2] Andreoni, R., Macii, D., Brunelli, M., & Petri, D. (2021). Tri-Objective Optimal PMU Placement Including Accurate State Estimation: The Case of Distribution Systems. IEEE Access, 9, 62102-62117.
[3] Urbani, M., & Collan, M. (2020). Additive Manufacturing Cases and a Vision for a Predictive Analytics and Additive Manufacturing Based Maintenance Business Model. In Technical, Economic and Societal Effects of Manufacturing 4.0 (pp. 131-148). Palgrave Macmillan, Cham.
[4] Urbani, M., Petri, D., Brunelli, M., & Collan, M. (2020). Maintenance-Management in Light of Manufacturing 4.0. In Technical, Economic and Societal Effects of Manufacturing 4.0 (pp. 97-111). Palgrave Macmillan, Cham.
[5] Savolainen, J., & Urbani, M. (2021). Maintenance optimization for a multi-unit system with digital twin simulation. Journal of Intelligent Manufacturing, 32, 1953-1973
[6] Andreoni, R., Bashian, A., Brunelli M., & Macii D., A biobjective optimal PMU placement strategy reconciling costs and state estimation uncertainty, submitted to SGSMA 2022.
Proposte di finanziamento presentate:
KET4CP
Coordinatore Brunelli/Pilati (Unitn)
Partners: ProM, VTT (Finlandia)
Non finanziato