AS_01_2021

Gennaio/Febbraio 2021 Automazione e Strumentazione MERCATI primo piano 22 L’impatto prodotto da Covid-19 sull’economia globale non sembra aver neppure sfiorato gli investimenti in intelligenza artificiale (AI), come emerge da un recente sondaggio di Gart- ner (cfr box). L’adozione di questa tecnolo- gia sta diffondendosi in una sempre più ampia varietà di settori, incluso il mondo industriale, dove può aiutare a migliorare i sistemi di con- trollo della qualità dei prodotti, e le procedure di testing e validazione. Nel settore manufacturing, un caso d’uso im- portante è il potenzialmento e l’innovazione dei sistemi d’ispezione ottica della qualità basati sull’analisi dell’immagine del prodotto. Qui l’in- troduzione di tecniche d’ispezione AI-enabled, basate ad esempio su deep learning (DL), per- mette di migliorare e automatizzare il riconosci- mento dei difetti, come le anomalie esistenti in una PCB (printed circuit board), o in un pannello in assemblaggio su una linea di produzione au- tomotive, senza la necessità di supervisione di operato- ri umani. In tale campo, ad esempio, la società tedesca Sick , fornitore di sensori e soluzioni per applicazioni in- dustriali, utilizzando teleca- mere e reti neurali , addestra algoritmi di apprendimento approfondito a questo tipo di applicazioni. Un altro interessante, ed emergente, ambito di applicazione della AI alle procedure di testing è l’utilizzo per razionalizzare la generazione dei test case, con l’obiettivo di automatizzare e accelerare le metodologie di testing e valida- zione in campo automotive . AI e testing automation nel settore auto Come in molti altri campi industriali ed aree di business, anche nel mondo automotive oggi l’im- perativo categorico delle aziende è sviluppare e commercializzare prodotti di elevata qualità, rispettando vincoli di time-to-market sempre più stringenti: nel caso specifico delle automobili, riuscire a mantenere un alto livello di qualità con cicli di sviluppo e test sempre più compressi, diventa una sfida via via più ardua, in quanto i prodotti di ultima generazione sono sistemi sem- pre più connessi, intelligenti e caratterizzati da un’elevata complessità tecnologica. CONTINUA IL TREND DI SVILUPPO DELLA AI NELL’INDUSTRIA Machine learning e deep learning sono sempre più utilizzati anche in campo industriale per ottimizzare i processi di quality assurance (QA) applicando quella che viene talvolta chiamata ‘cognitive QA’. Un ambito emergente e di particolare interesse riguarda l’uso della AI per ottimizzare le metodologie di validazione dei sistemi Adas destinati a gestire i veicoli a guida autonoma. Giorgio Fusari A FIL DI RETE www.gartner.com www.sick.com www.technavio.com Intelligenza artificiale, le potenzialità nel testing @Giorgio_Fusari Con l’evoluzione dei sistemi Adas verso la guida autonoma cresce sensibilmente la complessità tecnologica (fonte: Audi)