Mitsubishi Electric Corporation ha annunciato di aver sviluppato un’intelligenza artificiale (IA) per l’analisi comportamentale capace di analizzare in pochi minuti il livello di efficienza delle attività manuali eseguite nei siti produttivi, senza che si riveli necessario, da parte degli operatori, preparare in anticipo i dati di addestramento IA. Ciò viene realizzato mediante l’adozione di uno specifico modello generativo probabilistico. Grazie a questa ulteriore innovazione apportata alla linea Maisart dell’azienda in ambito di intelligenza artificiale risulta possibile analizzare rapidamente i video di persone che svolgono attività ripetitive. In seguito vengono mostrate le modalità attraverso le quali simili attività si possono eseguire in modo più efficiente, per ottenere una maggiore produttività.
Si ritiene che questa sia in assoluto la prima applicazione al mondo di un modello generativo probabilistico in grado di modellare le azioni fisiche cicliche (ripetitive) eseguite durante il lavoro in fabbrica. I test condotti hanno dimostrato come questa tecnologia, annunciata per la prima volta da Mitsubishi Electric il 13 febbraio 2019, possa ridurre fino al 99% il tempo convenzionalmente richiesto per l’analisi del lavoro effettuato.
La commercializzazione è prevista per l’anno fiscale che termina a marzo 2026, o successivamente.
La tecnologia è stata presentata, con dimostrazioni pratiche, in occasione dell’Iifes 2024 (Innovative Industry Fair for E x E Solutions 2024), che si è tenuto a Tokyo Big Sight.
Caratteristiche e funzionalità
1) La prima applicazione al mondo di un modello generativo probabilistico per l’analisi del lavoro ripetitivo nei siti produttivi
Per la prima volta al mondo, Mitsubishi Electric ha utilizzato un modello generativo probabilistico in grado di modellare il processo relativo alla generazione dei dati di forma d’onda riguardanti vari movimenti del corpo eseguiti ripetutamente durante lo svolgimento di attività specifiche. Mediante l’utilizzo di un video che mostra il modo in cui viene eseguito un determinato lavoro, viene rilevata la struttura scheletrica dell’operatore e i relativi movimenti fisici vengono registrati come dati di forma d’onda. L’intelligenza artificiale (IA) per l’analisi comportamentale analizza i dati avvalendosi di un modello generativo probabilistico basato su movimenti corporei ripetitivi. L’IA identifica e analizza l’esecuzione di attività ripetitive, come ad esempio spostare un oggetto o serrare una vite, basandosi semplicemente sul tempo approssimativo necessario per eseguire una sola volta un certo tipo di attività. L’IA può anche identificare attività non ripetitive che differiscono da quelle ripetitive in termini di tempistiche o forma d’onda.
I risultati analitici così ottenuti si possono incorporare in un video riguardante il lavoro in fase di esecuzione. Ciò consente agli utenti di confermare ogni fase dell’attività, assegnando persino specifiche etichette, come “serraggio viti”. A differenza dell’IA attualmente utilizzata per l’analisi del lavoro, la nuova tecnologia elimina la necessità di creare dati per l’addestramento dell’intelligenza artificiale, riducendo in tal modo fino al 99% il tempo complessivo necessario per analizzare il lavoro effettuato. Inoltre, la complessità computazionale notevolmente ridotta della tecnologia in questione elimina la necessità di computer ad alte prestazioni, come le unità di elaborazione grafica (GPU). Rispetto all’analisi manuale, il livello di accuratezza dell’ispezione risulta pari o superiore all’80% per il lavoro svolto da operatori non qualificati, mentre è pari o superiore al 90% per il lavoro eseguito da personale esperto.
Risultati dell’analisi del lavoro ottenuti tramite l’intelligenza artificiale (IA) per l’analisi comportamentale
La nuova tecnologia elimina la necessità di ricorrere ai dati di addestramento: l’analisi si rivela quindi rapida anche quando si osservano più lavoratori. Effettuando il debito confronto con i lavoratori esperti, l’IA può facilmente identificare le differenze che si manifestano, nell’intento di aiutare i nuovi lavoratori ad acquisire competenze avanzate. Tutto questo genera un innalzamento dei livelli di abilità in un breve periodo di tempo. Inoltre, la nuova tecnologia può selezionare e riprodurre gli esempi più rappresentativi di lavoro ripetitivo qualificato e non qualificato tramite un apposito video, consentendo ai nuovi assunti di cogliere agevolmente, all’istante, le differenze esistenti, in modo da accelerare l’apprendimento di competenze avanzate.
3) Rapida creazione dei dati necessari per correggere i metodi di lavoro errati e mantenere in tal modo un elevato livello qualitativo della produzione
L’IA attualmente utilizzata per identificare anomalie nei metodi di lavoro richiede la preparazione di appositi dati, per addestrare l’intelligenza artificiale sul modo di confrontare il lavoro in esecuzione rispetto a metodi operativi corretti e standard. Tuttavia, i metodi di lavoro possono differire a seconda della specifica versione del prodotto realizzato o, in alcuni casi, in ragione della peculiarità del luogo di lavoro. Di conseguenza, si rivela spesso necessario modificare i dati di addestramento in base alle circostanze specifiche. Questo può far aumentare considerevolmente il tempo e l’impegno richiesti per la preparazione dei dati.
La nuova IA di Mitsubishi Electric crea i propri dati di addestramento semplicemente utilizzando i risultati dell’analisi del lavoro. Anche se vengono modificati i processi di produzione o le diverse versioni del prodotto realizzato, il rilevamento in tempo reale dei processi anomali si può realizzare rapidamente e con il minimo sforzo. Ciò contribuisce, in definitiva, a prevenire eventuali difetti di qualità nella produzione.
Sviluppi futuri
Nell’immediato futuro, Mitsubishi Electric condurrà ulteriori verifiche riguardo alla sua nuova IA presso siti di produzione sia interni che esterni, compresi gli impianti gestiti da Sysmex Corporation e Sumitomo Rubber Industries Co., Ltd., con il preciso obiettivo di lanciare un prodotto commerciale nel corso dell’anno fiscale che avrà termine nel mese di marzo 2026, o successivamente.
L’effettivo contesto
Negli ultimi anni, la tecnologia e il know-how impiegati nell’automazione della produzione hanno fatto registrare considerevoli progressi, ma gli investimenti di capitale non hanno tenuto il passo a causa dei costi elevati, per cui molti processi vengono tuttora eseguiti manualmente. Le prestazioni dell’essere umano tendono a variare in termini di tempistiche e qualità del lavoro effettuato. Tutto questo può creare problematici colli di bottiglia nell’ambito dei processi produttivi. Per ridurre al minimo le variazioni in termini di performance dell’essere umano e mantenere quindi un elevato livello qualitativo, si rende necessaria la conduzione di un’accurata analisi, volta a quantificare e standardizzare le tempistiche e i metodi occorrenti per eseguire determinate attività di base, come spostare oggetti o serrare viti. Tuttavia, l’analisi manuale dei processi lavorativi risulta particolarmente laboriosa e comporta un notevole dispendio di tempo. In risposta, si stanno compiendo significativi sforzi per automatizzare tale analisi, anche attraverso l’uso dell’intelligenza artificiale. Ma fino ad ora, l’adozione dell’IA è stata ostacolata dall’irrinunciabile necessità di ricorrere all’effettiva creazione dei dati di addestramento occorrenti all’intelligenza artificiale per poter interpretare le differenze esistenti sia tra ciascun lavoratore, sia tra i diversi processi produttivi eseguiti.