Tags: Intelligenza Artificiale

Per comprendere il ruolo del data enrichment e dell’intelligenza artificiale nel contesto manifatturiero si deve partire dalla centralità del dato in un progetto di Industria 4.0. Come in ogni altro contesto, infatti, anche nel manifatturiero la trasformazione digitale non significa “aggiunta” di tecnologie a un impianto consolidato, bensì un cambiamento ben più ampio e profondo, sia pur abilitato dalla tecnologia stessa. Industria 4.0, smart manufaturing, data enrichment e AI possono esistere senza la robotica ma non senza la centralità del dato, che si pone come minimo comune denominatore di un modello di successo. Basti pensare, a tal proposito, che in Italia i progetti di Industria 4.0 hanno fatto registrare un brillante +35% nel 2018 rispetto all’anno precedente (fonte: Osservatorio Industria 4.0).

Una struttura di smart manufacturing è una sorgente infinita di dati: buona parte sono quelli acquisiti dai sensori IIoT e dai macchinari industriali ed elaborati con un modello cloud o edge a seconda delle esigenze, ma in realtà le sorgenti sono moltissime e comprendono i sistemi MES (Manufacturing Execution System), l’ERP aziendale, tutti i sistemi di Supply Chain Management, anche i WMS per la gestione del magazzino e via dicendo. Senza dimenticare, poi, i dati che possono essere acquisiti direttamente dal prodotto finale, dal customer care dell’azienda (i chatbot sono una fonte inesauribile…), addirittura da Internet tramite i crawler per comprendere le tendenze e le abitudini degli utenti finali.

Basterebbe questa descrizione per comprendere la quantità di dati che gravita attorno a un progetto di Smart Manufacturing e, soprattutto, quanto sia fondamentale un progetto di arricchimento dei dati (data enrichment) che ne trasformi la complessità in informazioni di valore ai fini della pianificazione della produzione, della logistica oppure degli obiettivi di business. L’elaborazione, l’arricchimento e la sintesi dei dati, tipiche attività di data science, sono fondamentali per sfruttare appieno i vantaggi di un modello 4.0, che come anticipato non si limita ad aggiungere sensori e robot alle linee di produzione ma fa affidamento sul ‘tesoro informativo’ presente nei dati disponibili, che provengono dall’interno dell’azienda ma anche dall’esterno. Oltretutto, se si è in grado di coordinare i dati che provengono dall’impianto produttivo con quelli delle vendite e con quelli esterni è possibile raggiungere quel concetto di produzione personalizzata che è un altro dei grandi obiettivi del modello 4.0.

 

Il ruolo dell’Intelligenza Artificiale

Quando l’azienda decide di adottare un approccio data-driven, in quel momento si inizia a parlare di Intelligenza Artificiale. Nel contesto manifatturiero, che come anticipato è una vera miniera di dati, le tecnologie che rientrano nella definizione di Intelligenza Artificiale trovano ampie possibilità applicative. Inoltre, essendo il tema in continuo divenire, si può ipotizzare che gli attuali use case verranno gradualmente estesi con nuove interessanti implementazioni.

A livello pratico, l’Intelligenza Artificiale è alla base della manutenzione predittiva dei macchinari, tipico caso da manuale quando si parla di approccio data-driven in ambito manifatturiero. Qui, gli algoritmi di Machine Learning possono evidenziare sottili anomalie nelle macchine e predisporre un intervento di manutenzione prima che il guasto si verifichi. Tutto ciò porta a due benefici per l’azienda: intanto si evita il guasto, con potenziale fermo macchine, e non si è più vincolati ai criteri della manutenzione programmata, che causa rallentamenti alla produzione anche quando non ce ne sarebbe bisogno.

Pur trattandosi di un esempio tipico, la manutenzione predittiva non è che una delle manifestazioni di AI nel contesto produttivo: si può pensare, per esempio, di impiegarla come supporto decisionale per la gestione di sistemi automatici, siano essi di produzione o di stoccaggio, oppure ancora al controllo qualità che si avvale di tecnologie di Computer Vision per rilevare imperfezioni del tutto invisibili all’occhio.

Altro trend del momento sono i Digital Twin: il ‘gemello digitale’ è una riproduzione virtuale di un oggetto o di un sistema reale, gestito da un software che ne replica fedelmente la dinamica di fronte a input esterni: questo permette alle aziende di simulare il comportamento di un dispositivo o di un prodotto di fronte a particolari condizioni di test senza dover impiegare oggetti reali, con tutti i benefici che ciò comporta in termini di costi e, talvolta, di sicurezza.  La “virtualizzazione” della fabbrica consentirà nuovi modelli di automazione che porteranno sempre più alla creazione di un “cervello” digitale (il company brain) che potrà orchestrare in modo armonico processi aziendali e produttivi creando un continuum tra due monti (OT e IT) che fino ad oggi hanno vissuto in modo autonomo. Inoltre la creazione di un gemello digitale permetterà l’introduzione del concetto di cyber range, un modello virtuale della fabbrica finalizzato alla simulazione di attacchi cyber ed all’implementazione di processi di awareness fondamentali per gestire al meglio il fattore umano nei processi di sicurezza.