Da diversi anni, l’Intelligenza Artificiale è uno dei principali driver d’innovazione dell’universo manifatturiero. Tuttavia, molte aziende ignorano quanto lo sia. Il mercato delle soluzioni di AI, che nel 2020 valeva 1,1 miliardi di dollari, dovrebbe raggiungere i 16,7 miliardi nel 2026, che corrispondono ad un tasso di crescita annuo medio (CAGR) del 57,2%. Il dato è sorprendente in sé, ma anche – e soprattutto – per il fatto che di Industria 4.0 e Intelligenza Artificiale si parla da almeno un decennio, eppure le potenzialità di crescita sono ancora straordinariamente ampie.
La pandemia, come in tanti altri ambiti, ha accelerato la trasformazione digitale anche nel nostro settore. È emersa ancor più di prima un’esigenza di ottimizzazione dei cicli produttivi, di soddisfacimento delle logiche high-mix low-volume tipiche di questo mercato, di automazione e di monitoraggio remoto, che sono fondamentali anche per contrastare lo skill gap dilagante in tutto il pianeta.
Afferente all’universo della Data Science e quindi, in senso lato, al concetto di valorizzazione dei dati, l’Intelligenza Artificiale non è una tecnologia bensì un insieme di tecnologie che, con modalità e metodi differenti, puntano all’ottimizzazione e all’efficientamento della produzione. Anzi, quest’ultimo è l’obiettivo primario, soprattutto nell’era dei lotti sempre più piccoli e dei tempi ristretti: l’impiego di AI nelle varie fasi della produzione consente di raggiungere gli obiettivi di efficientamento senza condizionare la sostenibilità economica dei processi. In altri termini, AI offre il doppio beneficio dell’aumento di produttività e della riduzione dei costi.
Nel macrocosmo dell’Intelligenza Artificiale rientrano i cosiddetti modelli di auto-apprendimento (Machine Learning), che di AI rappresentano la principale manifestazione. Non dimentichiamo, infatti, che smart manufacturing è un paradigma industriale fondato sulla produzione e la circolazione di immensi volumi di dati eterogenei (Big Data), che dai sistemi di controllo delle macchine (OT) e dalle piattaforme IoT (IIoT, Industrial Internet of Things) transitano all’interno delle reti industriali e vengono valorizzati proprio attraverso algoritmi di Machine Learning e modelli matematici sviluppati dai Data Scientist, una figura ricercatissima in questo mondo.
L’elaborazione dei dati, che può avvenire in loco (edge) oppure in cloud, consente alle imprese di adottare l’approccio predittivo tipico dell’Intelligenza Artificiale. La manutenzione predittiva, per esempio, fa sì che gli interventi vengano effettuati in funzione di una previsione di guasto rilevata dagli algoritmi in funzione di parametri fuori norma come rumorosità e vibrazione. Se, come nel caso dei servizi AMADA, l’operatività della macchina può essere monitorata da remoto, questo consente ai tecnici di riordinare le parti di ricambio in tempo utile e di effettuare le riparazioni in modo quasi trasparente rispetto all’operatività quotidiana. Nel caso in cui la macchina vada comunque arrestata, i tempi di fermo sono minimi rispetto ad un vero e proprio guasto.
AI sarà sempre più pervasiva nel contesto del manufacturing. All’interno delle operations, che comprendono la logistica di produzione e di magazzino, AI può ottimizzare i percorsi delle materie prime e dei semilavorati tra le varie isole di lavoro, ma anche perfezionare le varie attività della logistica interna.
I sistemi operazionali come i WMS (Warehouse Management System) per la logistica di magazzino e i MES (Manufacturing Execution System) per la produzione fanno largo uso delle doti predittive dell’AI: supervisionando in tempo reale le attività dell’impianto logistico, il primo suggerisce il miglior posizionamento delle merci in funzione delle rotazioni e i percorsi di picking ottimali, perfezionando tempi e costi delle movimentazioni e aumentando la sicurezza degli ambienti logistico-produttivi; il secondo può gestire al meglio le risorse, umane e materiali, in funzione di specifici obiettivi definiti dalle imprese e dei piani di lavoro esistenti. Se poi alziamo lo sguardo, osserviamo un impiego pervasivo di AI nel demand forecasting, una fase fondamentale e complessa del supply chain management.
AMADA crede fermamente nelle potenzialità dell’Intelligenza Artificiale come fondamentale fattore d’innovazione dell’era 4.0. Ne abbiamo parlato a proposito di supporto remoto, di manutenzione predittiva e, in termini più generici, per quanto concerne IoT e industria 4.0.
Tra i casi d’uso emergenti e di grande impatto, una menzione specifica va proprio al supporto remoto agile. Oggi è già possibile creare una connessione diretta tra l’operatore e il supervisore o il tecnico AMADA attraverso dinamiche di realtà aumentata.
L’operatore inquadra l’area di intervento con lo smartphone e viene guidato con indicazioni visive verso l’ottimizzazione del processo o la soluzione del problema. L’adozione sempre più pervasiva dell’Intelligenza Artificiale permetterà di automatizzare sempre di più la gestione dei casi di routine, affidando a tecnici esperti solo i casi più complessi. I benefici? Forte riduzione di costi, aumento esponenziale dell’efficienza e sviluppo progressivo di competenze interne, così da arginare il problema della carenza di professionalità specializzate.
Lo sviluppo è incessante. Dai processi R&D fino al controllo qualità, l’impiego dell’Intelligenza Artificiale rappresenta senza dubbio una risposta più che adeguata alle esigenze di mercati sempre più sfidanti e imprevedibili. AMADA, con le innovazioni di oggi e di domani, è ancora una volta in prima fila.
