IMA: sistema IoT di raccolta e analisi dati sui tagli laser
Per sapere se il macchinario reggeva servivano mesi di software embedded. La verifica è arrivata prima, con il 10% delle risorse.
- Anno
- 2024
- Cliente
- IMA
- Sviluppo
- Quinck
Il problema
Per capire se il macchinario reggeva servivano le misure di un software che ancora non esisteva, e per giustificare lo sviluppo di quel software servivano le misure del macchinario. IMA aveva individuato un sistema di controllo qualità dotato di laser ottico e voleva portarlo dentro l'automazione di linea, ma lo sviluppo embedded è la parte cara del lavoro e nessuno voleva affrontarla senza una conferma di fattibilità.
Come l'abbiamo risolto
Nel 2024 Quinck ha sviluppato per IMA, leader mondiale nelle macchine automatiche per il processo e il confezionamento di prodotti farmaceutici, cosmetici, alimentari, tè e caffè, il sistema IoT che misura la qualità dei tagli laser su pezzi in movimento. Il sensore rileva ogni pezzo che passa, il backend elabora i campioni uno per uno e li porta su una dashboard web, dove un sistema di allerta segnala le misurazioni fuori soglia mentre la linea continua a girare.
La ricerca e sviluppo sui macchinari costa soprattutto per l'ordine in cui si fanno le cose: si sviluppa il software da installare a bordo, lo si mette in campo, e solo allora si scopre se le prestazioni reggono. Il team ha rovesciato quell'ordine e ha costruito una simulazione web del software, poi l'ha usata per misurare raccolta, analisi e visualizzazione dei dati fino alle velocità di scorrimento più alte previste. Tre passaggi in tutto: algoritmo di simulazione, software di interfaccia, test sul campo.
Simulare il software costa una frazione di quello che costa scriverlo per il macchinario.
I risultati
L'ultima prova è avvenuta a bordo macchina, con misurazioni reali in velocità al posto dei dati simulati. Il test ha confermato le scelte tecniche e gli obiettivi prestazionali fissati all'inizio, e ha dato a IMA la verifica di idoneità del macchinario che serviva per decidere.
DEEP DIVE TECNICO
Il backend è scritto in Go, scelto per la natura concorrente e asincrona del software e per il volume di dati in ingresso, che il sistema deve misurare campione per campione in tempo reale. I componenti interni comunicano tra loro tramite canali sincronizzati e operazioni concorrenti. L'ingestione dei dati avviene via TCP su connessione diretta al sensore laser, e sempre via TCP passano l'invio e la ricezione dei comandi di settaggio. Il server espone API REST verso la dashboard web e un canale WebSocket che porta i dati in semi-real time. Sul parsing e sull'elaborazione delle misurazioni si innesta il sistema di alerting, con limiti configurati dall'utente. Il frontend è sviluppato in Svelte, con Chart.js per il grafico dei campioni in tempo reale, e gestisce anche le impostazioni del sensore e dell'utente.
DEEP DIVE TECNICO
Il backend è scritto in Go, scelto per la natura concorrente e asincrona del software e per il volume di dati in ingresso, che il sistema deve misurare campione per campione in tempo reale. I componenti interni comunicano tra loro tramite canali sincronizzati e operazioni concorrenti. L'ingestione dei dati avviene via TCP su connessione diretta al sensore laser, e sempre via TCP passano l'invio e la ricezione dei comandi di settaggio. Il server espone API REST verso la dashboard web e un canale WebSocket che porta i dati in semi-real time. Sul parsing e sull'elaborazione delle misurazioni si innesta il sistema di alerting, con limiti configurati dall'utente. Il frontend è sviluppato in Svelte, con Chart.js per il grafico dei campioni in tempo reale, e gestisce anche le impostazioni del sensore e dell'utente.
- Anno
- 2024
- Cliente
- IMA
- Sviluppo
- Quinck
Hai un progetto simile in mente?
Raccontaci cosa vuoi costruire: ti aiutiamo a capire il percorso più veloce.
