AS_04_2021

Automazione e Strumentazione Maggio 2021 EDITORIALE primo piano 9 Intelligenza Artificiale e macchine industriali: il futuro che inizia dai dati CEO, 40Factory Srl www.40-factory.com Camillo Ghelfi negli smartphone, riconoscimento automatico delle immagini, sistemi di raccomandazione, in grado di suggerirci il prodotto più adatto sulla base delle nostre abitudini. Senza dimenticare la guida autonoma e il rilevamento di frodi finanziarie. L’intelligenza artificiale (AI) è oggi un attore silenzioso (ma non troppo) della nostra quotidianità, tanto che ci si interroga su come regolamentare l’uso da un punto di vista etico. Ma esattamente, cosa s’intende per intelligenza artificiale? Quali sono le tecnologie coinvolte? E soprattutto: come possiamo concretamente applicarla al mondo delle macchine industriali? Andiamo con ordine. Con Intelligenza Artificiale s’intendono tutte quelle tecniche computazionali in grado di eseguire compiti complessi, che, a un osservatore comune, sembrerebbero essere pertinenza esclusiva dell’intelligenza umana. La disciplina, nata ufficialmente nel 1956, è un insieme di informatica, statistica e matematica. Dalla sua nascita, molte tecniche di AI sono state teorizzate, studiate e implementate. Quella che oggi sembra essere più promettente e che spesso viene confusa con l’AI stessa è l’apprendimento automatico (o Machine Learning), ovvero la capacità di educare algoritmi a partire dai dati, in maniera autonoma e non da una serie di istruzioni codificate a priori. Reti neurali, reti bayesiane, Support Vector Machine (SVM) e clustering sono solo alcuni dei modelli e tecniche di apprendimento automatico più noti. Il mondo delle macchine industriali non fa eccezione; tutte le applicazioni che vedremo sono basate sull’apprendimento automatico. Ma quali sono queste applicazioni? Possiamo distinguerne quattro macro gruppi, in funzione dell’elemento della produzione su cui operano: macchina, processo, prodotto e operatore. Per quanto riguarda la macchina, ovvero i suoi componenti meccanici ed elettronici, l’applicazione dell’intelligenza artificiale è finalizzata a risolvere problemi di carattere manutentivo: l’approccio data-driven alla manutenzione predittiva consente di identificare in tempo reale comportamenti anomali di un componente macchina, permettendo all’utilizzatore di intervenire prima che il guasto si manifesti in modo critico. Gli algoritmi utilizzati, in questo caso, sono denominati di anomaly detection, e hanno il vantaggio di essere allenati utilizzando solo dati di normale funzionamento dell’asset. Lato processo, una possibile applicazione è quella della valutazione quantitativa della conformità del processo tramite l’utilizzo di algoritmi di clustering e similarità, specializzati nell’analisi delle serie temporali. Così facendo, i vari cicli macchina possono essere confrontati con un set di cicli ideali, al fine di ottenere un KPI riassuntivo e significativo da processi complessi. Dal punto di vista del prodotto, l’applicazione più nota è quella del monitoraggio di qualità, tramite l’utilizzo di algoritmi di regressione o classificazione per valutare il grado di qualità di un prodotto. In questo caso, i modelli vengono allenati utilizzando uno storico di valutazioni assegnate manualmente e vengono messi in produzione al fine di automatizzare questo controllo. Infine, lato operatore, un possibile esempio è l’utilizzo di chat-bot, basati sul riconoscimento del linguaggio naturale, per aiutarlo nell’utilizzo della macchina e del pannello, rispondendo a domande e fornendo indicazioni utili. Assistenti vocali integrati