AO_412

MARZO 2019 AUTOMAZIONE OGGI 412 131 zione in tempo reale delle fabbriche intelligenti (Industry 4.0). In questo caso l’intelligenza artificiale rappresenta un valido ausilio per ottimizzare i processi alla periferia della rete, incrementando il tasso di utilizzo delle macchine e quindi la produttività dell’intero stabilimento. L’uso dell’intelligenza artificiale in ambienti industriali richiede una logica integrata molto avanzata perché nei processi che vengono eseguiti ad alta velocità, come nel caso dei sistemi di ispezione, spesso non è previsto un ulteriore controllo. A diffe- renza di quel che accade, ad esempio, in campo medicale, dove i risultati dell’analisi automatica delle immagini ottenuti tramite l’uso dell’intelligenza artificiale sono sempre controllati da unme- dico oppure nei casi in cui il compito dell’intelligenza artificiale è fornire consigli per accelerare le fasi di valutazione dei dati di un processo. Per questa ragione, i sistemi di intelligenza artificiale utilizzati in ambienti industriali devono sempre garantire che i processi decisionali dell’AI siano tracciabili e, nel caso sia neces- sario soddisfare requisiti correlati alla sicurezza dei macchinari e alla salvaguardia del personale, siano corretti al 100%. Per questo motivo in ambito industriale l’addestramento dei sistemi di intel- ligenza artificiale risulta un compito molto più complesso. A que- sto punto è utile sottolineare il fatto che non è possibile fornire esempi negativi. Ciò a differenza di quanto accade ad esempio nell’ambito della tecnologia medicale, dove è possibile utilizzare parecchie migliaia di diagnosi positive e negative per addestrare e istruire i sistemi. Nel campo industriale, invece, gli errori devono essere evitati fin dall’inizio. Questo è il motivo per cui spesso si ricorre ai cosiddetti digital twin, gemelli digitali, ovvero a repli- che virtuali di macchinari e sistemi per simulare risultati negativi e quindi, ad esempio, escludere fin dall’inizio determinati movi- menti dei robot. A questo punto è utile esaminare le modalità da seguire per sviluppare e far funzionare soluzioni ‘perfette’ (ovvero esenti dal rischio di guasti) che utilizzano l’intelligenza artificiale per applicazioni industriali con requisiti realtime. Introdurre l’intelligenza artificiale nelle fabbriche Prima di proseguire, un breve ripasso dei concetti fondamentali che costituiscono la base dei moderni sistemi di intelligenza ar- tificiale è senza dubbio utile. In primo luogo è necessario distin- guere tra apprendimento automatico o machine learning, dove le conoscenze di un sistema vengono ampliate e arricchite su base continua con l’introduzione di nuove informazioni, e deep learning, che è una branca del machine learning, dove i sistemi si addestrano utilizzando grandi quantità di dati e interpretando in modo indipendente nuove informazioni. La procedura adottata per il deep learning è quasi sempre identica anche nel caso di espletamento di compiti molto diversi tra di loro. Un gran numero di unità di elaborazione, solitamente Gpgpu - General Purpore Graphics Unit, sono combinate per formare una rete neurale pro- fonda (DNN - Deep Neural Network, ovvero composte da molti La migrazione verso applicazioni basate sull’intelligenza artificiale è un processo molto semplice utilizzando i moduli COM in formato COM Express di Congatec basati sui processori AMD in quanto gli attuali progetti conformi a questo standard che utilizzano altre architetture di processore possono essere modificati con estrema facilità Lo schema illustra le operazioni di deep learning che avvengono in un data center e il trasferimento dell’intelligenza nel dispositivo industriale locale