Networking e tecnologia

La Manutenzione Predittiva:
esperienze, sfide, valutazioni

9 Luglio 2021 • Dallara Academy, Varano de’ Melegari (PR)

Venerdì 9 luglio 2021 si è tenuto l’evento “La Manutenzione Predittiva: esperienze, sfide, valutazioni”, un’occasione di confronto tra le Imprese, gli Enti e i Laboratori del Clust-ER MECH.

L’incontro dedicato ai soci è stato organizzato presso la Dallara s.p.a. e si è svolto attraverso cinque principali attività:

  • la visita guidata all’azienda e al suo museo;
  • il workshop (trasmesso anche in streaming) sulle soluzioni tecnologiche dei soci selezionate attraverso una call for papers;
  • la premiazione di Sanchip, vincitrice della Startup Challenge lanciata nei mesi scorsi dal Clust-ER MECH;
  • l’allestimento di una exhibition area per la presentazione dei progetti proposti dai soci;
  • l’aperitivo finale di “networking tecnologico”.

In questa pagina sono disponibili tutti i materiali presentati, i video e la fotogallery dell’evento.

Manutenzione Predittiva di Linee di Imbottigliamento

Raccolta dati di linee di imbottigliamento per l’analisi delle performance, dei consumi energetici, della qualità e per l’ottimizzazione dei piani di manutenzione.

Smart IoT

Migliore efficienza degli impianti industriali grazie ad un sistema integrato di supervisione e gestione automatica delle attività di monitoraggio e manutenzione.

Manutenzione Preventiva per Computer Server Clusters

Lo scopo della ricerca è sviluppare un framework per abilitare la manutenzione predittiva basata su intelligenza artificiale e focalizzata su server machine ad alto rendimento ed elevato e frequente utilizzo.

Monitoraggio di vibrazioni per pompe oleodinamiche con portale di manutenzione

Sistema di manutenzione predittiva tramite misura e analisi dei dati vibratori su pompe per trasmissioni di potenza e portale di gestione riparazioni.

Tecniche di Features Extraction per la Diagnostica Predittiva

Tecniche di Features Extraction per la massimizzazione di efficienza ed efficacia degli algoritmi di Machine Learning per la Diagnostica Predittiva.

DiaPro4.0

Sistema ‘cost-effective’ multisensore di Diagnostica-Prognostica integrato in azionamenti meccanici dell’Industria 4.0.

Sensori e sistemi IIOT open source per la manutenzione predittiva

Sviluppo e integrazione di sistemi evoluti (sensori e dispositivi IIOT) per i processi di manutenzione predittiva, sfruttando tecnologie open-source.

DIGIMAN: Diagnostica e prognostica di utensili e componenti con tecniche di Digital Twin

DIGIMAN propone lo sviluppo di un Cyber Physical System che completi la macchina (parte Fisica) con una Augmented Manufacturing Platform (parte Cyber).

Innovativo visore a realtà aumentata per monitoraggio ambientale e analisi dati

Il progetto prevede la creazione di un visore a realtà aumentata come assistenza per l’operatore.

Laminato composito self sensing nano strutturato

Sviluppo di un laminato composito self-sensing che grazie all’integrazione di nanofibre piezoelettriche è in grado di di rilevare un impatto sulla sua intera superficie.

Soluzioni AR e VR a supporto della manutenzione e della progettazione

Soluzioni di VR e AR a supporto del personale manutentivo, responsabili di stabilimento e per la progettazione di componenti e plant.

Pellentesque porta turpis vitae massa lacinia.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur tristique tortor eget erat cursus, dignissim iaculis tellus rutrum.

Il paradigma prestazioni /costi, nella Manutenzione Predittiva della componentistica industriale

Paolo Cominetti – R&D Director Bonfiglioli
Adriano Costanzo – IoT Connected Products Development Manager Bonfiglioli

Monitoraggio di vibrazioni per pompe oleodinamiche con portale di manutenzione

Giovanni Mottola – Ricercatore UNIMORE
Marianna Brevini – CEO GB ServiceLab

Tecniche di Features Extraction
per la Diagnostica Predittiva

Matteo Sartini – Direttore LIAM Lab

DIGIMAN – Diagnostica e prognostica di utensili e componenti con tecniche di Digital Twin

Luca Bernini – PhD student Politecnico di Milano – Consorzio MUSP

Visore a realtà aumentata
per monitoraggio ambientale
e analisi dati

Giacomo Soprani – Coordinatore di Laboratorio

SanChip
– Beyond Sensing

Denise Pezzuoli –
CTO SanChip

Manutenzione Predittiva di
Linee di Imbottigliamento

Michele Amoretti – Professore Associato – Dipartimento di Ingegneria e Architettura
Valentina Tessoni – Data Analytics Specialist

Pellentesque porta turpis vitae massa lacinia.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur tristique tortor eget erat cursus, dignissim iaculis tellus rutrum.

IIoT-LOC device for Real-Time OCM

Soluzioni IIoT, basate sulla tecnologia Lab-on-Chip (LOC) e algoritmi di IA, per il monitoraggio e analisi degli oli lubrificanti in tempo reale e da remoto per strategie di manutenzione predittiva.

SanChip

SanChip è una start-up innovativa che opera nell’ambito della manutenzione predittiva (PdM) con particolare focus nell’ambito delle analisi dei fluidi di processo.

Pellentesque porta turpis vitae massa lacinia.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur tristique tortor eget erat cursus, dignissim iaculis tellus rutrum.

Pellentesque porta turpis vitae massa lacinia.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur tristique tortor eget erat cursus, dignissim iaculis tellus rutrum.

Il commento di Mariacristina Gherpelli

Il commento di Marco Bianconi

Le reazioni dei soci: Diego Bartolomé Espinosa, CRIT

Le reazioni dei soci: Paolo Cominetti, Bonfiglioli

Le reazioni dei soci: Paolo Albertelli, MUSP

Workshop “La Manutenzione Predittiva: esperienze, sfide, valutazioni”

Le reazioni dei soci: Diego Bartolomé Espinosa, CRIT

Le reazioni dei soci: Paolo Cominetti, Bonfiglioli

Photo Gallery

Vuoi ricevere i nostri aggiornamenti?

Cliccando su iscriviti dichiari di aver letto l'informativa e acconsenti al trattamento dei Dati Personali per l'esecuzione della richiesta effettuata al Titolare del sito

I Clust-ER sono finanziati dai Fondi europei della Regione Emilia-Romagna - POR FESR 2014-2020