RNA Digital Solutions<\/strong>. <\/p>\n\n\n\nDalla sinergia di risorse, RNA ha accelerato il suo sviluppo di tecnologie di simulazione e intelligenza artificiale <\/strong>per il mercato dell\u2019alimentazione. RNA che da sempre \u00e8 impegnata nello sviluppo di nuovi prodotti, dimostra la propria propensione alla innovazione, ha presentato al mercato una novit\u00e0 mondiale assoluta: un software di simulazione basato su Intelligenza Artificiale (AI) che semplifica, velocizza e ingegnerizza la realizzazione di sistemi di alimentazione. Questo software di simulazione 3D consente di sviluppare sistemi di alimentazione pi\u00f9 rapidamente e di garantire maggiore affidabilit\u00e0. Il software di simulazione<\/strong> si compone di due parti denominate Digital Motion e Digital Feeder<\/strong> che sono in grado di digitalizzare la progettazione e conseguente realizzazione dei feeder.<\/p>\n\n\n\nLe due anime del software<\/h3>\n\n\n\n
Digital Motion<\/strong> \u00e8 lo strumento che consente di settare e configurare nel migliore dei modi le unit\u00e0 RNA. Inoltre, consente di sopperire alla eventuale carenza di vibratoristi esperti poich\u00e9 la regolazione passa da una pratica empirica, basata spesso sull\u2019esperienza dell\u2019operatore di produzione, a una progettazione software strutturata che digitalizza e ottimizza l\u2019utilizzo dei prodotti RNA. \u00c8 uno strumento di simulazione cloud basato sul web per ottimizzare le unit\u00e0 di azionamento dei sistemi di alimentazione (basi vibranti, elevatori a piastra eccetera) in modo completamente digitale e con pochi clic del mouse. Ogni sistema di alimentazione contiene diverse unit\u00e0 di azionamento a vibrazione<\/strong> che fanno s\u00ec che le parti di alimentazione si muovano orientate lungo un canale di accumulo che nella parte finale rappresenta l\u2019interfaccia meccanica con la stazione di assemblaggio o lavorazione. Per mettere a punto e ottimizzare un\u2019unit\u00e0 di azionamento di questo tipo possono essere necessarie diverse ore. RNA ha decodificato la fisica non lineare<\/strong> alla base di questi sistemi e ha sviluppato questo modulo di simulazione Digital Motion per mettere a punto e ottimizzare le unit\u00e0 di azionamento in pochi secondi e con pochi clic del mouse. L\u2019utente carica semplicemente il file CAD 3D del canale di trasporto e lascia che il software valuti se l\u2019unit\u00e0 di azionamento vibrante funziona bene o meno. In caso contrario, l\u2019utente pu\u00f2 ottimizzare tutti i parametri che \u00e8 possibile manipolare in officina anche sul sistema reale. Ci\u00f2 significa che utilizzando la simulazione, l\u2019unit\u00e0 di azionamento pu\u00f2 essere ottimizzata prima della sua produzione <\/strong>e risparmiando una buona quantit\u00e0 di tempo e di denaro. Dopo l\u2019ottimizzazione digitale, \u00e8 possibile creare una documentazione di assemblaggio contenente istruzioni esplicite per l\u2019officina su come impostare e regolare l\u2019unit\u00e0 di azionamento (numero e inclinazione balestre, numero e peso delle contromasse). Ad oggi sono stati digitalizzati 54 azionamenti e sono disponibili 112 diverse combinazioni di molle a balestra per basi circolari e lineari. Il processo \u00e8 estremamente semplice e si svolge in quattro passaggi: costruzione del canale superiore, pre-elaborazione, ottimizzazione il comportamento di vibrazione, istruzioni e documentazione di montaggio. Digital Motion consente di mettere a punto le unit\u00e0 di RNA in modo chiaro e rapido. La documentazione semplice del coordinamento del vibratore, disponibile in qualsiasi momento nel cloud, semplifica notevolmente il servizio post-vendita. <\/p>\n\n\n\nDigital Feeder<\/strong> \u00e8 un software di simulazione fisica residente su hardware RNA locale finalizzato a calcolare la fisica<\/strong> di una grande quantit\u00e0 di parti di alimentazione. Dopo aver verificato con Digital Motion che l\u2019unit\u00e0 di azionamento vibrante funzioni in modo ottimale, si passa alla fase nella quale bisogna assicurarsi che il dispositivo di selezione e orientamento funzioni in modo affidabile e con le prestazioni richieste in ppm. \u00c8 in questa fase che si passa a utilizzare Digital Feeder. Con Digital Feeder \u00e8 possibile simulare il comportamento di diverse migliaia di pezzi <\/strong>in alimentazione. Ci\u00f2 significa che la simulazione non richiede parti campione reali da parte dei clienti per avviare un progetto di alimentazione. Tutto ci\u00f2 che serve per avviare lo sviluppo dei sistemi di alimentazione RNA sono i file CAD 3D del componente da alimentare e del dispositivo di selezione. Con Digital Feeder, \u00e8 possibile controllare ogni aspetto del processo di alimentazione che di solito pu\u00f2 essere valutato solo in officina dopo una produzione dispendiosa in termini di tempo e costi. Nel mondo digitale possiamo valutare se i pezzi in alimentazione causano inceppamenti o se la velocit\u00e0 di produzione in pezzi al minuto soddisfa le richieste del cliente. Un altro enorme vantaggio \u00e8 che tutti gli elementi del sistema di alimentazione sono progettati tramite CAD, il che porta a processi di alimentazione precisi e riproducibili<\/strong>.<\/p>\n\n\n\nL\u2019AI conserva la conoscenza empirica<\/h3>\n\n\n\n
RNA ha sviluppato la tecnologia AI <\/strong>dedicata alla tecnica di alimentazione. La conoscenza empirica viene archiviata nell\u2019intelligenza artificiale che la rende facile da utilizzare tramite software; questo aspetto avvantaggia le vendite, la pianificazione dei progetti e, in particolare, l\u2019ingegneria\/costruzione. Le decisioni prese in queste fasi determinano i costi successivi di un progetto. Minore \u00e8 la conoscenza empirica, maggiore \u00e8 la possibilit\u00e0 di decisioni errate e di cicli di correzione durante la successiva messa in servizio. RNA definisce questo effetto con il termine \u201cmangia-margine\u201d. La tecnologia AI di RNA \u00e8 sviluppata internamente al 100%. Per archiviare la conoscenza empirica nell\u2019intelligenza artificiale<\/strong>, RNA associa questa conoscenza con i dati CAD 3D dei componenti. Per l\u2019applicazione di AI nella tecnologia di alimentazione, RNA ha incorporato nel sistema i dati delle proprie applicazioni effettuate dal proprio gruppo negli ultimi 15 anni; oggi RNA \u00e8 in procinto di trasferire la propria tecnologia AI ad altri settori dell\u2019ingegneria meccanica. Per associare le conoscenze esperienziali di settore all\u2019intelligenza artificiale, il software RNA preleva i dati CAD 3D dell\u2019utilizzatore e li usa per adattare l\u2019intelligenza artificiale pre-istruita ai problemi dell\u2019utilizzatore. La tecnologia AI di RNA pu\u00f2 essere utilizzata ovunque prevalga la relazione tra beni di produzione e strumenti di produzione. RNA \u00e8 in grado di conservare e archiviare le conoscenze empiriche del cliente tramite l\u2019intelligenza artificiale: dichiarazioni pi\u00f9 rapide e precise nella fase iniziale del progetto; evita decisioni\/pianificazioni errate che divorano i margini del progetto; qualifica pi\u00f9 rapida dei nuovi dipendenti; eliminazione di effetti di drenaggio della memoria cerebrale.<\/p>\n\n\n\nRecentemente, RNA ha iniziato a utilizzare una ulteriore funzione software speciale sviluppata internamente per la simulazione della tramoggia<\/strong> completamente automatizzata nella pianificazione e nell\u2019ingegneria dei progetti. Con un semplice \u201cdrag & drop\u201d del materiale trasportato CAD 3D, la simulazione si avvia in modo completamente automatico e fornisce la densit\u00e0 di riempimento dei contenitori di stoccaggio. In questo modo vengono assicurati digitalmente i tempi di autonomia e le dimensioni del layout per i clienti. Con l\u2019aumentare del grado di automazione, aumenta anche il requisito del tempo di autonomia, che indica l\u2019intervallo di tempo fino al quale un sistema di alimentazione deve essere riempito con materiale sfuso da parte del personale di produzione; nella maggior parte dei casi, si tratta di almeno 60 o 120 minuti. Per garantire l\u2019autonomia di un sistema di alimentazione, RNA utilizza tramogge che sono posizionate a bordo del sistema di alimentazione e possono occupare molto spazio a seconda dell\u2019autonomia richiesta. Dato che lo spazio nelle fabbriche \u00e8 costoso e scarso, gli ingegneri dei sistemi di alimentazione si trovano sempre di fronte al complesso compito di decidere tra un dimensionamento sufficiente della tramoggia e il minimo ingombro possibile. Un errore di calcolo pu\u00f2 portare alla necessit\u00e0 di cicli di rifornimento pi\u00f9 brevi. Ci\u00f2 aumenta i costi di produzione per il gestore dell\u2019impianto e vincola ulteriore capacit\u00e0 dell\u2019impianto. Il risultato del riempimento, la densit\u00e0 di riempimento e il peso totale del riempimento vengono emessi in un report generato automaticamente, inclusa la visualizzazione. Grazie alle tecnologie digitali, RNA \u00e8 quindi in grado di garantire digitalmente le promesse di autonomia<\/strong> nelle primissime fasi del progetto e di discutere con il cliente l\u2019esatto layout dell\u2019impianto, anche prima che esistano i pezzi campione.<\/p>\n","protected":false},"excerpt":{"rendered":"L\u2019azienda tedesca RNA ha presentato un software di simulazione 3D basato su Intelligenza Artificiale che ottimizza la realizzazione dei sistemi di alimentazione. Questa soluzione si compone di due parti, Digital Motion e Digital Feeder, che sono in grado di digitalizzare la progettazione e conseguente realizzazione dei feeder.<\/p>\n","protected":false},"author":6,"featured_media":7968,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_seopublitec_title":"","_seopublitec_meta_desc":"","_seopublitec_keyphrases":"","_seopublitec_canonical":"","_seopublitec_noindex":false,"_seopublitec_nofollow":false,"_seopublitec_og_title":"","_seopublitec_og_desc":"","_seopublitec_og_image":"","_seopublitec_twitter_card":"","_seopublitec_cornerstone":false,"_seopublitec_score":""},"categories":[52,28],"tags":[7563,4002,639,7419,1924,7561],"class_list":["post-7967","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fabbrica-digitale","category-software","tag-digital-motion","tag-digital-twin","tag-intelligenza-artificiale","tag-rna","tag-simulazione","tag-sistemi-di-alimentazione"],"openstation_lock":null,"openstation_contributors":[],"openstation_attached_media":[7968],"_links":{"self":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts\/7967","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/comments?post=7967"}],"version-history":[{"count":1,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts\/7967\/revisions"}],"predecessor-version":[{"id":7969,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts\/7967\/revisions\/7969"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/media\/7968"}],"wp:attachment":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/media?parent=7967"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/categories?post=7967"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/tags?post=7967"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}