AS 4

Automazione e Strumentazione n Maggio 2024 Approfondimenti 43 FOCUS asset in tempo reale tramite le soluzioni di edge computing è diventato un requisito cruciale per le industrie che ricercano efficienza operativa e ottimizzazione dei costi. E ciò perché i sistemi di asset tracking for- niscono insight sull’ubicazione delle risorse aziendali, sul loro utilizzo e stato di funzio- namento, e permettono di migliorare l’alloca- zione delle stesse, nonché di attuare politiche di manutenzione preventiva. Si pensi, ad esempio, ai benefici raggiungibili negli ambienti di fabbrica, raccogliendo tra- mite i sensori installati su macchinari e attrez- zature non solo i dati storici, ma anche quelli real-time, e poi analizzando tali dati attraverso piattaforme e strumenti analitici coadiuvati da algoritmi di intelligenza artificiale e machine learning, in grado di predire quando si verifi- cherà un guasto, e di ottimizzare di continuo le strategie di manutenzione predittiva. Oltre al monitoraggio remoto in real-time, l’au- mento della domanda di elaborazione dati a bassa latenza è dovuto al fatto che le imprese fanno sempre più affidamento sull’analisi dei dati in tempo reale per amministrare appli- cazioni critiche, come l’automazione indu- striale e i sistemi autonomi. Da questo punto di vista, spostando l’elaborazione dati più vicino alla fonte che li genera, l’edge compu- ting riduce il tempo richiesto per analizzarli e attuare le azioni conseguenti. Capacità, questa, essenziale nelle applicazioni che necessitano di tempi di risposta immediati, con latenza e ritardo minimi. Visione integrata con l’edge Quando si parla di sistemi evoluti e intelligenti per migliorare l’automazione negli ambienti di fabbrica, una tipica applicazione dell’industrial edge computing è nell’ispezione e nel controllo di qualità. I sistemi di visione artificiale basati su AI con- sentono di automatizzare e velocizzare l’ispe- zione visiva dei prodotti sulle linee di produ- zione per rilevare eventuali difetti: combinando la computer vision con l’edge computing, le immagini possono essere analizzate localmente in real-time, senza necessità di inviare i dati a server remoti nel cloud. Si ottengono quindi insight istantanei, che pos- sono attivare azioni immediate, riducendo al contempo i costi di trasmissione, e migliorando anche la sicurezza e la riservatezza dei dati. In sostanza, con le moderne tecnologie embedded di visione artificiale ‘edge AI-based’, l’algo- ritmo di deep learning (DL) viene ancora adde- strato nel cloud dove sono disponibili potenti risorse computazionali, ma la fase di inferenza può essere eseguita direttamente nei dispositivi edge, quindi nelle telecamere edge AI dotate di risorse limitate e installate in loco. Un altro caso d’uso in ambienti di fabbrica, o magazzini, in cui il connubio tra visione arti- ficiale e edge computing si rivela vantaggioso è rappresentato dai robot mobili autonomi (AMR). Gli AMR, adottando un’architettura di industrial edge computing basata su infra- struttura di rete privata 5G, sono in grado di applicare la computer vision per identificare in tempo reale eventuali ostacoli sul proprio per- corso e muoversi nell’ambiente in sicurezza. n Sensori di visione IA Preciso. Flessibile. Intuitivo.