Automazione Oggi 456

AUTOMAZIONE OGGI 456 SOLUZIONI SOFTWARE PER L’INDUSTRIA 77 S SI tutorial: intelligenza artificiale Fonte: foto Shutterstock la conoscenza che potrà derivare dall’analisi dei dati del patrimo- nio informativo aziendale. Se da una parte è ancora presto per de- finire con precisione chirurgica come verrà applicata la new wave algoritmica nei processi manifatturieri, non vi sono dubbi su quello che potrà essere l’esito finale: modelli linguistici e strumenti di in- telligenza artificiale aiuteranno le aziende a velocizzare le attività lavorative liberando le persone da moltissime attività ripetitive. E ragionando per processi verticali si potrebbe arrivare a scoprire che vi sono attività automatizzabili al 100%. Con l’AI generativa vengono sviluppati agenti conversazionali in grado di comprendere il significato di voce e testo e agire di conseguenza, estraendo informazioni significative, effettuando ricerche all’interno delle knowledge base aziendale. Gli ambiti applicativi comprendono la creazione di interfacce intelligenti che possono interagire con applicazioni industriali. Non ci sono i dati? Li si creano attraverso processi di simulazione. Il processo di sviluppo di una soluzione GenAI segue sempre la stessa logica di un progetto software tradizionale, determinando l’obiettivo che si vuole raggiungere attraverso la valorizzazione di una base dati specifica, di macchina o di processo. Dataset che possono derivare dal customer support, dalla manualistica, dalla documentazione ingegneristica. I modelli devono infatti essere puntuali e specifici. Devo risolvere un problema di ottimizzazione di risorse, di utilizzo dell’energia, di performance di processo, di manutenzione o di qualità finale? Ogni use case va pensato e configurato con grande attenzione. Come dire, non sono progetti che possono essere af- frontati in modalità fai da te. Serve conoscenza di processo ed ex- pertise software. Individuare il problema, scegliere il modello più corretto. Si tratta di definire lo use case e mettere a terra un set di competenze adeguato. Tre le opzioni principali nella scelta large language model. La prima consiste nell’utilizzare un modello ge- neralista, ChatGpt o altro, per poi essere adattato e addestrato per soddisfare al meglio le specifiche esigenze; la seconda prevede l’utilizzo di un modello open-source, anch’esso adattabile; la terza strada è infine quella per coloro che cercano di avere un maggiore controllo e personalizzazione attraverso lo sviluppo di un proprio Llm. Modelli manifatturieri per i quali è previsto lo sviluppo di data lake dedicati. Nella maggior parte dei casi la collezione dati la si fa in cloud mentre l’execution, la parte cosiddetta inferenziale, la si può far fare all’edge. Distribuire la capacità elaborativa all’edge e al cloud di una soluzione AI generativa in funzione di performance e latenza richiede un’attenta progettazione e pianificazione: ca- pire quanto velocemente devono essere elaborate le richieste AI è fondamentale. Ad esempio, se l’applicazione richiede risposte in tempo reale, sarà necessario avere più capacità edge per ridurre al minimo la latenza. Quali applicazioni? Assistenti digitali per automatizzare la scrittura di programmi e ren- dere flessibili e meno energivori i cicli di lavorazione. Le applicazioni di GenAI aumentano l’efficienza in attività di programmazione o di manutenzione delle macchine. Solitamente, per macchine a con- trollo numerico che hanno a bordo un PLC, gli ingegneri dell’auto- mazione programmano le macchine attraverso procedure manuali: Le applicazioni di GenAI aumentano l’efficienza in attività di programmazione o di manutenzione delle macchine