L’industria di processo è caratterizzata da enormi quantità di dati, decisivi per le attività di business. In questa ottica, oggi, l’intelligenza artificiale, abbinata a sensori e strumentazione avanzati, rinnova gli scenari applicativi all’interno degli stabilimenti e ne apre di nuovi, come spiega Matteo Suma, Global Strategy, Business Development & Sustainability Manager, Abb Measurement & Analytics.
Qual è il rapporto oggi tra la sensoristica e la strumentazione avanzata, da un lato, e l’intelligenza artificiale, dall’altro? Possiamo fare il punto della situazione?
In qualsiasi realtà industriale, il ruolo dei sensori di processo è quello di acquisire i dati relativi ai parametri critici in modo tempestivo ed accurato. Nella tradizionale concezione dell’automazione di processo, tutte le attività di verifica e processamento dei dati grezzi, che arrivano dal campo, sono demandate ai sistemi di controllo e supervisione, che hanno il compito di tradurre il flusso di dati, che arrivano dai sensori, in informazioni di più alto livello e in comandi, che vengono inoltrati ai sistemi di azionamento.
L’intelligenza artificiale (IA) sta modificando le tecnologie utilizzate nella gestione degli impianti di produzione, così come nelle fasi della stessa produzione. Tempi, costi, produttività e qualità sono i principali driver di tale cambiamento, in un contesto di aumento della domanda: limitarsi a raccogliere tutti i dati possibili e archiviarli nel Cloud, nella speranza che vengano successivamente valutati, analizzati e strutturati, è un metodo diffuso, ma non particolarmente efficace per estrarne valore.
La vera discontinuità viene, invece, da un profondo ripensamento delle modalità operative, abbattendo i confini classici all’interno dell’automazione di processo, con un conseguente impatto sulla natura stessa di quello che la sensoristica avanzata può e deve offrire. In particolare, è possibile individuare almeno tre aree di cambiamento ed evoluzione:
- Strumentazione Intelligente: dispositivi in grado di fornire una o più funzionalità aggiuntive rispetto al loro compito primario di elemento di misura, quali autodiagnostica, auto-calibrazione, connettività wireless, autosufficienza energetica, modalità avanzate di interazione e così via.
- Strumentazione “Immateriale”: casi in cui il misuratore fisico viene vantaggiosamente sostituito da algoritmi o modelli matematici che, sulla base di dati in tempo reale su parametri di contesto, forniscono una affidabile stima di variabili complesse.
- Strumentazione al tempo dell’IIoT: le accresciute capacità di comunicazione ed automazione dei sensori avanzati permettono di progettare reti di dispositivi, che possono interagire fra loro, per perseguire prestazioni superiori in termini di efficienza, disponibilità e sicurezza.
Machine vision, Natural language processing, Machine learning e Deep learning sono i principali elementi di intelligenza artificiale sviluppati oggi per integrare gli attuali sistemi di automazione e controllo dei processi produttivi.
Dall’incontro tra la sensoristica e la strumentazione avanzata e l’intelligenza artificiale, quali nuovi scenari applicativi nascono per gli ambienti di fabbrica?
L’IA ha già creato un enorme valore nelle società tecnologiche e ne genererà molto altro, mettendosi al servizio di altri settori industriali. I vantaggi per un’azienda posso essere molteplici, ma molto dipende dalle caratteristiche e dagli obiettivi dell’azienda stessa. L’industria di processo, caratterizzata da enormi quantità di dati raccolti dalla sensoristica di impianto, ha rappresentato un segmento del mondo industriale, che ha favorito lo sviluppo di metodi di Data Analytics, di Stream Analytics e di Controllo avanzato.
Tra le applicazioni dell’intelligenza artificiale, il Data processing ha larga diffusione. In tale ambito, troviamo modelli di Predictive Analysis, in cui si utilizzano e analizzano dati per fornire stime sull’andamento futuro del fenomeno. Tipiche le soluzioni per il Predictive Maintenance o, in ambito Demand forecasting, per la gestione ed ottimizzazione degli inventari e della logistica.
A questi si aggiungono sia i modelli di Pattern recognition, dove l’algoritmo analizza ed identifica schemi di comportamenti (pattern), all’interno di dati grezzi al fine di classificarli (tipico campo di applicazione la quality inspection), sia modelli di Anomaly Detection, il cui fine consiste nell’identificare elementi o osservazioni che non sono conformi ad un modello previsto.
Una seconda applicazione di IA, in forte crescita, sono le applicazioni di Computer vision o Machine vision: attraverso l’acquisizione di immagini e la loro successiva elaborazione, grazie ad algoritmi di image processing, si possono ricavare informazioni per l’ottimizzazione di prodotti e processi. Infine, tra le restanti classi di soluzioni dell’intelligenza artificiale, una discreta diffusione trovano gli Autonomous Robot, quale passo successivo alla Robotic Process automation e spinti dalla diffusione della robotica collaborativa.
Come si sviluppa al riguardo la vostra offerta di soluzioni?
Abb Ability è la piattaforma sviluppata da Abb per mettere a disposizione dei propri clienti, in maniera coesa e coordinata, le migliori soluzioni digitali. All’interno di tale contesto, è possibile declinare l’offerta di Abb secondo le tre direttrici evidenziate al primo punto, limitandoci ad esempi rappresentativi.
Per quanto riguarda la strumentazione intelligente, Abb sta gradualmente dotando i propri dispositivi dei più avanzati protocolli di connettività (NB-IoT, OPC UA, Bluetooth Low-energy), di interfacce Hmi intelligenti e di funzionalità che ne permettano la gestione da parte di applicativi per la configurazione e la verifica delle prestazioni da remoto (Verification tool, Field Information Manager). Abb è anche impegnata nel promuovere l’impiego di tecniche di Augmented Reality, per permettere azioni di manutenzione precise e tempestive sui propri prodotti.
Il ricorso a misure virtuali di parametri critici è un’area di elezione per le più sofisticate tecnologie di Machine Learning: il portafogli Abb per il monitoraggio ambientale è completato dai cosiddetti Pems (Predictive Emission Monitoring Systems), in grado di misurare le emissioni al camino tramite avanzati modelli a Rete Neurali, con accuratezza comparabile a quella degli analizzatori HW, ma con vantaggi in termini di costi e di disponibilità.
La terza direttrice di sviluppo è quella delle Reti di Sensori, dove l’enfasi si sposta dalle prestazioni del singolo dispositivo a quelle del sistema collettivo di sensori, capace di garantire una migliore copertura spaziale, una più elevata affidabilità e una migliore gestione degli asset aziendali. In quest’ottica, Abb ha sviluppato Abb Genix Datalyzer, una suite applicativa dedicata al monitoraggio (sia Cloud-based che on premise) e alla diagnostica predittiva dell’intero parco di analizzatori, che permette una gestione efficiente e redditizia dell’intera collezione di analizzatori di un sito o aziendale.
