Automazione e Analisi Dati nei Macchinari Industriali

This thesis explores automation and data analysis in industrial machinery, focusing on Rayonics' X-ray inspection systems for quality control in the food sector. During the internship, two main projects were developed: a text-to-XML recipe converter (ConverterTxtToXml) and a production log and alarm analysis using Python and Pandas. The ConverterTxtToXml improves readability and management of inspection recipes by converting them into a structured XML format. Implemented following the Facade Pattern, it ensures modularity and maintainability, optimizing configuration and integration with machinery. The production log analysis focused on detecting operational anomalies, particularly the "Reject Incoherence" alarm, which signals failures in the rejection process of defective products. Data analysis techniques allowed for identifying correlations between alarms and production recipes, enabling targeted interventions to optimize configurations and reduce machine downtimes. Finally, the project extension is discussed, introducing an automated data collection and analysis system, based on a NAS infrastructure for centralized storage, with potential AI integration for predictive maintenance. These developments aim to enhance efficiency, reliability, and operational continuity in industrial machinery.

Questa tesi analizza l'automazione e l'analisi dei dati nei macchinari industriali, con focus sui sistemi di ispezione a raggi-X di Rayonics per il controllo qualità nel settore alimentare. Durante il tirocinio, sono stati sviluppati due progetti principali: un convertitore di file di ricette da testo a XML (ConverterTxtToXml) e un’analisi dei log di produzione e degli allarmi tramite Python e Pandas. Il ConverterTxtToXml migliora la leggibilità e la gestione delle ricette di ispezione, trasformandole in un formato XML strutturato. Implementato seguendo il Facade Pattern, assicura modularità e facilità di manutenzione, ottimizzando la configurazione e l'integrazione con i macchinari. L’analisi dei log di produzione ha riguardato l’identificazione di anomalie operative, con particolare attenzione all’allarme "Incoerenza di Scarto", che segnala errori nel processo di espulsione dei prodotti difettosi. L’uso di tecniche di data analysis ha permesso di individuare correlazioni tra gli allarmi e le ricette di produzione, facilitando interventi mirati per l’ottimizzazione delle configurazioni e la riduzione dei fermi macchina. Infine, si esplora l’estensione del progetto con un sistema di raccolta e analisi automatizzata dei dati, basato su un’infrastruttura NAS per l’archiviazione centralizzata e la possibilità di integrare intelligenza artificiale per la manutenzione predittiva. Questi sviluppi mirano a migliorare efficienza, affidabilità e continuità operativa dei macchinari industriali.