AES_8

DOSSIER Primo piano 30 Novembre - Dicembre 2021 n Automazione e Strumentazione riferisce alla capacità di una macchina di imparare uti- lizzando i dati che le vengono forniti. Il grande vantag- gio del Machine Learning, oltre alla maggior aderenza alla realtà delle soluzioni trovate, è la possibilità di un continuo miglioramento nel tempo poiché il sistema utilizza le procedure applicate non solo per risolvere lo specifico problema produttivo ma per assimilare nuove informazioni sul processo che poi vengono uti- lizzate per migliorare la successiva applicazione. Infine, sempre in conseguenza della accresciuta dispo- nibilità di dati, si sta diffondendo il Deep Learning , una tecnologia che consente ai sistemi informatici di prendere decisioni e risolvere problemi elaborando i dati e analizzando esempi per rintracciare in essi degli schemi di comportamento. Questa tecnologia è parti- colarmente adatta per l’analisi di suoni e immagini e di conseguenza per tutte le possibili situazioni dove suoni e immagini hanno rilevanza, dai controlli di pro- cesso, al controllo qualità, alla manutenzione. Le applicazioni Sono molte ormai le aree della tecnologia industriale dove l’Intelligenza Artificiale può essere applicata con indiscussi vantaggi, attuando una piena convergenza con altre tecnologie di automazione e controllo. Ci limitiamo ad alcuni esempi applicativi con riferi- mento alle proposte e ai recenti annunci di aziende che da tempo si muovono in questa direzione. Stanno mantenendo le promesse i prodotti e ser- vizi lanciati qualche tempo fa da Hewlett Packard Enterprise (HPE) con l’intento di colmare il divario nell’impiego dell’AI tra le grandi aziende e le più pic- cole realtà industriali. Un prodotto interessante è la piattaforma Apollo 6500 Gen10, un sistema di elabo- razione ad alte prestazioni di nuova generazione creato appositamente per il Deep Learning che offre un adde- stramento del modello tre volte più veloce rispetto alle generazioni precedenti. L’addestramento di un modello di Deep Learning è un processo iterativo che richiede acceleratori di unità di elaborazione grafica (GPU) ad alte prestazioni in esecuzione in architetture parallele che gestiscono più attività contemporanea- mente; il sistema HPE ottiene notevoli aumenti delle prestazioni delle applicazioni grazie al supporto per otto GPU NVidia Tesla V100. Quanto ai servizi, il servizio di manutenzione pre- scrittiva digitale HPE prevede, suggerisce e automa- tizza l’azione giusta per risolvere il problema prima che causi danni. Sulla base dell’apprendimento supervisionato per la previsione dei guasti e dell’ap- prendimento non supervisionato per il rilevamento delle anomalie, HPE Digital Prescriptive Mainte- nance prescrive e automatizza azioni per prevenire guasti alle apparecchiature industriali e ottimizzarne la produttività. Un passo interessante nella direzione dell’appren- dimento automatico è quello compiuto da Omron col controller di Intelligenza Artificiale Sysmac che integra la funzionalità di apprendimento automatico in un controller industriale di livello edge. Il con- troller apprende i modelli di dati del comportamento nominale della macchina senza la necessità di essere programmato. Il suo valore - dicono alla Omron - è duplice: in primo luogo, poiché il controller AI sta raccogliendo dati grezzi proprio sul bordo della macchina, garantisce un’elevata fedeltà, coerenza e sicurezza dei dati. In secondo luogo, poiché è loca- lizzato e i dati non devono essere inviati al cloud, le anomalie possono essere rilevate con precisione in pochi millisecondi e attivate in tempo reale. Sfrut- tando il modello di apprendimento automatico di Omron e la libreria di manutenzione predittiva AI, il controller crea automaticamente modelli di dati dall’analisi di correlazione e monitora lo stato della macchina in base a quel modello per prendere deci- sioni basate sui dati relative a problemi specifici delle apparecchiature. Alcune problematiche legate al controllo dei robot industriali sono state affrontate e risolte da Siemens con l’Intelligenza Artificiale basata su reti neurali. La rete neurale è una tecnologia che imita il cervello umano in quanto è in grado di riconoscere schemi complessi; integrando reti neurali ai tradizionali pro- grammi di controllo, le capacità di un sistema pos- sono essere estese per cambiare in base ai parametri del prodotto o del processo. Le macchine diventano naturalmente flessibili: ad esempio un robot può rego- lare automaticamente la sua presa in base alle dimen- sioni e alla forma di un oggetto in modo da non farlo cadere, proprio come fanno gli umani. Con il rilascio del modulo dell’unità di elaborazione neurale (NPU) S7-1500 per il controller Simatic S7-1500 e il sistema I/O ET 200MP, Siemens ha portato l’intelligenza artificiale direttamente nel controller. Il modulo NPU S7-1500 è appropriato per l’uso a livello di campo sulla macchina e ovun- que siano necessarie decisioni affidabili, rapide e deterministiche in quanto consente il trasferimento delle competenze umane alla macchina attraverso la formazione. L’obiettivo di Siemens è applicare l’AI all’interno di applicazioni che spaziano da MindSphere - una piattaforma operativa Internet of