L’Intelligenza Artificiale (IA) è una tecnologia rivoluzionaria e che promette di coadiuvare l’uomo in una nuova rivoluzione dello scenario industriale. Aumenti di produttività e dello standard qualitativo, automazione delle attività a basso valore aggiunto, riduzione delle inefficienze e miglioramento della pianificazione, sono solo alcune delle promesse che l’Intelligenza Artificiale per Industria 4.0 è in grado di mantenere.
L’Intelligenza Artificiale è una tecnologia complessa, derivante dalla commistione di Computer Science e Statistica e rappresenta il non plus ultra delle tecniche di indagine ed estrazione di informazione dai dati. Si tratta di un nuovo modo di pensare rispetto al coding classico; quest’ultimo consta di una serie di regole che la macchina deve eseguire, l’IA impara dai dati utilizzando algoritmi appositi come le reti neurali artificiali. Questa scienza ha applicazioni che attraversano tutti gli ambiti e i settori industriali e in tutte le funzioni aziendali.
Essendo oggi una tecnologia matura, i costi sono diminuiti negli ultimi anni, rendendola uno strumento alla portata di tutti. In particolare, è utile per le piccole e medie imprese che, attraverso l’utilizzo di strumenti di Intelligenza Artificiale per l’industria, potranno realizzare lo scatto di produttività richiesto dal mercato.
Intelligenza Artificiale come valore aggiunto
Il vantaggio competitivo fornito dall’Intelligenza Artificiale per Industria 4.0 è tale che chi sceglie di non beneficiarne rischia di rimanere fuori dal mercato in tempi brevi. Quali sono, quindi, gli esempi industriali in cui l’IA è in grado di dare un valore aggiunto? Ne vediamo alcuni esempi, suddivisi per ambiti:
- Quality Control (Controllo qualità):
- Visione artificiale. Gli strumenti di Intelligenza Artificiale ispezionano tramite telecamere prodotti sulla catena di montaggio, individuando difetti di fabbricazione in modo rapido e preciso. Analogamente, l’IA è in grado di capire lo stato di maturazione dei prodotti o la presenza di ammaccature e disomogeneità nel settore ortofrutticolo.
- Smart Farming (Agricoltura intelligente):
- Ottimizzazione delle colture. L'IA analizza dati come condizioni meteo, qualità del terreno e fabbisogno idrico per ottimizzare semina, irrigazione e uso di fertilizzanti, aumentando i raccolti e riducendo sprechi.
- Gestione della salute delle piante. Attraverso immagini satellitari e droni dotati di strumenti di Intelligenza Artificiale, si possono individuare precocemente malattie e parassiti, consentendo interventi mirati e riducendo l'utilizzo di fitosanitari.
- Cybersecurity (Sicurezza informatica):
- Riconoscimento delle minacce. L'IA analizza enormi quantità di dati per individuare schemi anomali e potenziali attacchi informatici in tempo reale.
- Protezione da malware. Gli strumenti di Intelligenza Artificiale identificano e blocca nuovi malware sconosciuti analizzando il loro comportamento.
- Autenticazione sicura. Sistemi di riconoscimento facciale e vocale basati su IA migliorano la sicurezza dell'accesso agli account.
- Personalized Recommendations (Raccomandazioni personalizzate):
- Analisi dei comportamenti. L'IA analizza la cronologia acquisti e le interazioni degli utenti per suggerire prodotti o servizi personalizzati, migliorando l'esperienza di acquisto.
- Motori di ricerca intelligenti. L'IA personalizza i risultati di ricerca in base alle ricerche passate e agli interessi dell'utente.
- Contenuti su misura. L'IA può personalizzare contenuti come news o video in base alle preferenze dell'utente.
- Robotica e Automazione:
- Robot industriali. Robot dotati di IA svolgono compiti pericolosi o ripetitivi in fabbrica, migliorando la produttività e la sicurezza.
- Veicoli a guida autonoma. L'IA permette lo sviluppo di veicoli autonomi per il trasporto merci o persone, con implicazioni per la logistica e la mobilità del futuro.
- Chirurgia robotica. Robot chirurgici assistiti da strumenti di Intelligenza Artificiale aiutano i medici in operazioni delicate, migliorandone precisione e riuscita.
- Supply Chain (Catena di fornitura):
- Ottimizzazione logistica. L'IA analizza dati in tempo reale per ottimizzare le rotte di trasporto e la gestione del magazzino, riducendo costi e tempi di consegna.
- Previsione della domanda. L'IA analizza i dati di vendita per prevedere la domanda di prodotti e ottimizzare la produzione e gli stock.
- Gestione del rischio. L'IA analizza potenziali rischi nella catena di fornitura, come ritardi o interruzioni, per sviluppare strategie di mitigazione.
- Predictive Maintenance (Manutenzione predittiva):
- Analisi delle vibrazioni. Sensori posti su macchinari rilevano vibrazioni anomale analizzate dall'IA per prevedere guasti e programmare interventi di manutenzione prima del fermo macchina.
- Ottimizzazione della manutenzione. L'IA analizza lo storico degli interventi per pianificare manutenzioni preventive e ridurre i costi associati.
- Miglioramento dell'affidabilità. La manutenzione predittiva basata su IA aumenta l'affidabilità di macchinari e impianti industriali.
Supporto alle imprese per l’introduzione dell’IA nei processi
Un polo per aiutare le aziende
Costituito da Politecnico di Torino e Università di Torino, supportato da 21 grandi imprese private nonché soci fondatori, qualificato da player industriali in qualità di activity partner, CIM4.0 accompagna le aziende nel loro percorso di maturazione tecnologica, di processo e di prodotto, aumentandone la competitività.
Il Competence Center dispone di due linee pilota, Digital Factory e Additive Manufacturing.
La linea pilota Digital Factory è dedicata alle tecnologie della fabbrica digitale e si configura come il luogo dove le imprese possono esplorare le tecnologie digitali in grado di aumentare l’efficienza produttiva e la competitività aziendale.
I servizi erogati da CIM4.0
CIM4.0 infatti fornisce il suo contributo alle aziende attraverso diverse fasi strutturate per garantire un supporto completo e mirato:
- Analisi dei Bisogni. In questa fase iniziale, CIM4.0 collabora con l’azienda per comprendere le sue esigenze specifiche e identificare le aree di miglioramento e le opportunità di innovazione.
- Progettazione della Soluzione. Una volta identificati i bisogni, CIM4.0 aiuta l’azienda a progettare soluzioni tecnologiche su misura. Queste possono includere l’adozione di tecnologie avanzate come Intelligenza Artificiale e Additive Manufacturing.
- Sviluppo e Test. In questa fase, CIM4.0 supporta l’azienda nello sviluppo di Proof of Concept (PoC) e nella realizzazione di prototipi. Le aziende possono utilizzare le linee pilota e le infrastrutture avanzate messe a disposizione da CIM4.0 per testare e validare le soluzioni proposte; inoltre possono avvalersi dei numerosi partner specializzati che compongono l’ecosistema CIM 4.0.
- Implementazione. Dopo aver testato il PoC in laboratorio, gli esperti del CIM 4.0 ne testano il funzionamento all’interno dei locali dell’azienda. Questo garantisce di essere certi che sia correttamente funzionante con le condizioni della linea produttiva.
- Formazione e Supporto.CIM4.0 offre formazione sui temi dell’Intelligenza Artificiale per Industria 4.0 per avere una comunicazione efficace col cliente col quale sarà possibile quindi avviare ulteriori progetti di innovazione che vedranno il Competence Center sempre più attivo su questi temi.
Queste fasi di intervento sono progettate per accompagnare le aziende in ogni passo del loro percorso di innovazione, garantendo un supporto completo e personalizzato. Inoltre, è importante ricordare che grazie ai fondi dell’iniziativa “Next Generation EU” - Piano Nazionale di Ripresa e Resilienza M4C2I2.3 eroghiamo servizi finanziati fino al 100%. Le imprese hanno la facoltà di accedere ai contributi di Stato per ottenere uno sconto e utilizzare risorse e infrastrutture offerte dal Competence Center CIM4.0.
Racconti dalle imprese
L'Intelligenza Artificiale nei controlli di qualità per Honda Italia
Nel contesto della attività legate al programma “Digital Factory”, su richiesta di Honda Italia, il CIM4.0 ha sviluppato una soluzione prototipale per il controllo qualità durante la fase di montaggio di uno dei modelli di moto assemblati nello stabilimento di Atessa. Il progetto è stato sviluppato su due task differenti che si avvalgono dell’Intelligenza Artificiale nell’Industria di precisione: il controllo della presenza o assenza dei bulloni sul disco della ruota anteriore e il controllo della cablatura anteriore sullo sterzo.
Evitare i rischi causati dalla ripetitività
Il processo dello stabilimento Honda di Atessa si avvale prevalentemente di postazioni a lavoro manuale, così come il controllo di qualità, che viene svolto con azioni ad alta ripetitività. A causa di questo aspetto dell’attività lavorativa, è difficile mantenere un livello di attenzione alto per lunghi periodi e questo espone il processo ad errori che vengono evidenziati solo alla fine della linea, durante la fase di testing. Le conseguenze di ciò sono potenzialmente la necessità di ricorrere ad un reverse engineering con lo scopo di individuare e correggere l'errore che rende il prodotto inadatto alla vendita, o addirittura il blocco dell’intera linea di produzione.
Inserire controlli basati sull'Intelligenza Artificiale diventa quindi necessario per affiancare gli operatori e sfruttare al meglio le loro capacità: mentre la macchina si occupa dei processi ripetitivi, la persona usa le proprie capacità cognitive per controllare solo i campioni scartati dal processo automatico. Esistono diversi motivi per cui sarebbe dannoso sostituire completamente il lavoro umano, soprattutto nelle fasi di controllo qualità, tra cui il fatto che i sistemi basati sull'IA non sono deterministici ma probabilistici, e questo significa che possono commettere errori. In quest'ottica, vengono inseriti valori di soglia che permettono l'intervento umano nei casi di "dubbio" della macchina.
Intelligenza Artificiale per l'object detection
Per il progetto HONDA è stato quindi sviluppato un PoC atto a creare un prototipo funzionale da testare in stabilimento durante il processo di assemblaggio e quindi coerente con il Takt Time di produzione.
Come primo step, lo studio dello stato dell’arte ha riguardato sistemi di Intelligenza Artificiale basati sull’analisi di immagini in tempo reale provenienti da una telecamera. In particolare, la scelta è ricaduta su algoritmi che fossero capaci di riconoscere differenti oggetti all’interno dell’immagine (object detection) a velocità elevata, mantenendo al contempo anche una buona precisione. Sia per il task relativo ai bulloni che a quello sul cablaggio è stata quindi necessaria la creazione di un dataset ad hoc, come base per l’allenamento del software.
Intelligenza Artificiale a scuola
A tal scopo, il sistema di controllo è stato concepito basandosi su una parte hardware, il sistema di visione (telecamera), e su un software opensource di object detection. Al fine di adattare il sistema al task specifico, è stata necessaria una fase di allenato su immagini collezionate presso la linea pilota Digital Factory del CIM4.0 e opportunamente etichettate[1]. La parte più onerosa dello sviluppo è stata quindi relativa proprio al processo di etichettatura in cui è necessario l’intervento umano e che non è automatizzabile.
Successivamente, il sistema di controllo è stato testato in laboratorio per poter gestire la presenza di eventuali riflessi che, sicuramente presenti in una realtà di produzione, avrebbero potuto originare falsi positivi. Quindi, il processo di ottimizzazione del modello e il test finale si sono svolti all’interno dello stabilimento dove il PoC è stato provato dagli operatori e dai tecnici che sono rimasti soddisfatti del risultato.
[1] Si intende che all’interno di ogni fotografia è necessario indicare i nomi degli oggetti d’interesse (in questo caso bulloni, cavi e clip) al fine di insegnare alla macchina quali immagini li contengono.
