AS_08_2018

Automazione e Strumentazione Novembre/Dicembre 2018 INDAGINE approfondimenti 39 funzioni di un’intera linea produttiva. La rivo- luzione dell’AI permetterà di avere macchine in grado di prendere decisioni basate sul loro livello di apprendimento, sostituendo in parte l’apporto umano e automatizzando task sempre più complessi. Nella fabbrica intelligente si parla più specifica- tamente di Machine Learning (ML), ovvero di un metodo di analisi dei dati, derivato e parte dell’AI, che consente di automatizzare la creazione di un modello analitico . Include logiche e servizi di apprendimento automatico applicati alle mac- chine. Queste possono essere programmate per apprendere e modificare le proprie azioni in fun- zione dell’analisi dei dati provenienti dalle nuove piattaforme tecnologiche di Industria 4.0 (es. IoT, Cloud, wearable technologies). Il Machine Lear- ning identifica analisi che utilizzano algoritmi di diverse tipologie per apprendere dai dati. In particolare il Machine Learning viene integrato con l’Intelligenza Artificiale e consente alle mac- chine di svolgere azioni anche senza l’intervento diretto di programmatori . Collegato al concetto di Machine Learning vi è quello di Cognitive Computing che indica la capacità di alcune soluzioni software di affron- tare situazioni complesse che sono caratterizzate da una grande quantità di dati non strutturati e soggetti a cambiamenti frequenti. Si parla inol- tre di Cognitive Manufacturing per designare sistemi di produzione e di automazione basati su apparati sviluppati per raccogliere dati, elabo- rarli a livello locale, trasformarli in conoscenza e applicarla ad azioni destinate alla produzione. Il Machine Learning per l’automazione di fabbrica Il Machine Learning è una componente impor- tante della moderna automazione di fabbrica basata su una rete di intelligenze distribuite per il rilevamento dei dati, le comunicazioni e il controllo. Tradizionalmente i complessi strumenti utiliz- zati nel campo della produzione industriale sono stati sviluppati per eseguire attività ripetitive, ma soggette anche a variazioni in termini di reazioni e feedback provenienti dai nodi di rilevamento e controllo appositamente progettati. Ripro- grammare i parametri di un sistema permette una variazione maggiore in modo che, ad esem- pio, un robot possa eseguire una diversa serie di movimenti oppure un sistema di controllo possa produrre lotti di tipo differente. I nuovi sviluppi nell’ambito dei sistemi di automazione e controllo rendono possibile realizzare macchine in grado di apprendere dal mutare delle condizioni , di minimizzare gli effetti secondari e di ridurre gli sprechi. Le grandi quantità di informazioni fornite ai data center remoti fungono da ‘materie prime’ per il data mining , per le reti neurali e per altre tec- niche di Intelligenza Artificiale utilizzate per migliorare il funzionamento dei sistemi auto- matizzati. Un esempio di applicazione dell’Intelligenza Artificiale in fabbrica è il miglioramento conti- nuo del riconoscimento di modelli visivi grazie agli algoritmi di deep learning che utilizzano reti neurali. Evoluzione Intelligenza Artificiale, Machine Learning, Deep Learning (Nvidia)