AS_02_2020

Automazione e Strumentazione Marzo 2020 SCENARI primo piano 35 sformarla in intelligenza artificiale, occorre sfruttare il valore contenuto nei dati rilevati sul campo dai sensori, e la potenza di analisi degli algoritmi. Ad esempio, gli algoritmi di machine learning (ML) e deep learning (DL) , che sono una tipologia d’intelligenza artificiale, non richiedono nessuna programma- zione esplicita, ma utilizzano e ‘metabolizzano’ grandi volumi di dati, generando un processo di apprendimento automatico . Quest’ultimo è in grado di migliorare col tempo sulla base dei dati stessi, e, a partire da essi, di elaborare modelli predittivi capaci, ad esempio, di razionalizzare un dato processo industriale. Nemmeno ‘machine learning’ è un termine nuovo, ma nell’era digitale torna alla ribalta assumendo una rinnovata connotazione, legata soprattutto al progressivo incremento di capa- cità computazionale dei computer, e alla loro abilità di analizzare con efficienza grandi volumi di dati strutturati e non strutturati, per ricavare risultati e insight utili ad attuare un miglioramento dell’attività di business. Industrial AI: predictive maintenance applicazione numero uno La predictive maintenance (PdM), o manuten- zione predittiva , risulta essere il più impor- tante caso d’uso per la industrial AI, detenendo oltre il 24% del mercato globale: il dato emerge dallo studio “Industrial AI Market Report 2020- 2025”, pubblicato a dicembre 2019 e condotto PdM: dalla manutenzione reattiva a quella proattiva La manutenzione predittiva (PdM), scrive la società di consulenza Roland Berger nell’approfondimento “Predictive maintenance - From data collection to value creation”, è molto più di una tecnologia, perché offre alle organizzazioni l’opportunità di trasformare radicalmente il proprio servizio e modello di business. Tuttavia, la condizione necessaria è cominciare a concepire la PdM non come un mero sistema di raccolta di dati, ma come uno strumento per la creazione di nuovo valore, in attiva collaborazione con i propri clienti. Tradizionalmente, le imprese attivano un intervento solo nel momento in cui si verifica un problema o un’avaria, oppure quando alcuni parametri operativi predefiniti monitorati superano i limiti: tale approccio, tipicamente reattivo, chiarisce Roland Berger, può oggi evolversi sulla base del tempo e dei contenuti delle previsioni, diventando proattivo. Invece di gestire impianti e macchinari a intervalli di tempo regolari e statisticamente predefiniti, o di valutare lo stato di funzionamento e di salute di un sistema sulla base di dati fisici (vibrazioni, temperatura, resistenza ecc.), e di agire solo se i dati deviano da certe regole, la PdM consente realmente di prevedere i trend futuri nei parametri operativi dell’attrezzatura, e in tal modo di determinare con precisione la sua rimanente vita operativa. La industrial AI ha il potenziale d’innovare radicalmente i processi di manufacturing (fonte: Bosch)