A machine learning solution for machine tool assistance : the R.F. Celada experience

The advent of Industry 4.0 offers companies the opportunity to manage their activities by adopting artificial intelligence techniques, automating one or more phases of their processes to improve efficiency. In the context of machine tools, one of the strategic assets is the servicing; this must be quick and able to satisfy as many requests as possible. Usually this is managed with direct interaction with the customer, an approach that requires the presence of expert personnel who analyze each request to find a solution. In this way, each request goes through a complex process to be queued up to the moment it is taken over, and it is also complex to collect a fault history and related resolution procedures. An alternative approach, objective of the project, is to train an artificial intelligence system so that it is possible to provide customer assistance automatically, with the aim of solving the simplest requests, i.e. those that do not need qualified personnel to be handled. To make this possible it is necessary to build a complete mapping of all the fault cases to which the assistance tickets may be refer. Based on this mapping, a ticket classification system is designed to receive new assistance requests from customers in order to identify the fault that occurred and to decide how to intervene. Once a request to be automatically managed is gathered, the system will show the customer the documentation necessary for the resolution, possibly surrounded by a set of aggregate data extracted from the intervention history. The Clusterada project is the implementation of this type of system in the context of R.F. Celada SpA, a leading company in the field of machine tools, with the aim of improving its assistance service. The developed system allows the company to provide potentially immediate answers, filtering less complex requests, and incorporates the experience gained over the years into the recognition process.

L’avvento di Industria 4.0 offre alle aziende la possibilità di gestire le proprie attività adottando delle tecniche di intelligenza artificiale, automatizzando una o più fasi dei propri processi per migliorarne l’efficienza. Nel contesto delle macchine utensili, uno degli asset strategici è costituito dal servizio di assistenza; questo deve essere rapido ed in grado di soddisfare il maggior numero di richieste possibile. Solitamente tale servizio viene gestito con un’interazione diretta con il cliente, un approccio che richiede la presenza di personale esperto che analizzi ogni richiesta per trovare una soluzione. In questo modo ogni richiesta attraversa un iter complesso per essere messa in coda fino al momento in cui verrà presa in carico, ed è inoltre complesso collezionare uno storico dei guasti e relative procedure risolutive. Un approccio alternativo, obiettivo di questo progetto, è quello di istruire un sistema che sia in grado di fornire assistenza in modo automatico con lo scopo di risolvere le richieste più semplici, le quali non necessitano di personale qualificato per essere risolte. Per fare ciò è necessario costruire una mappatura completa di tutti i possibili casi di guasto che possono portare all'apertura di un ticket di assistenza. Basandosi su tale mappatura, viene progettato un sistema di classificazione di ticket che, ricevendo in input una nuova richiesta di assistenza, identifichi il guasto segnalato e decida come intervenire. Una volta riconosciuta una richiesta gestibile in modo automatico, il sistema mostra al cliente la documentazione necessaria per la risoluzione, possibilmente contornata da un insieme di dati aggregati estratti dallo storico di interventi. Il progetto Clusterada è l'implementazione di questo tipo di sistema nel contesto di R.F. Celada SpA, un'azienda leader nel campo delle macchine utensili, con l'obiettivo di migliorare il suo servizio di assistenza. Il sistema sviluppato consente all'azienda di fornire risposte potenzialmente immediate, filtrando le richieste meno complesse, e ingloba nel processo di riconoscimento l’esperienza di assistenza maturata negli anni.