Ottimizzare la produzione è possibile, Intelligenza Arificiale per la manifattura

Big data e intelligenza artificiale: un’alleanza utile non solo in campo informatico o dei servizi, ma anche nella manifattura, indubbio punto di forza del Made in Italy

Il rapporto tra settore manifatturiero e Intelligenza Artificiale è complesso; spesso l’IA sembra infatti uno strumento un po’ complicato, forse ancora troppo indietro o lontano dalla produzione industriale.

Andrea Bez di beanTech, nella sua relazione tenuta a Microsoft Circle, ha smontato questa visione ormai un po’ stereotipata spiegando quali siano, in linea di massima, i vantaggi che l’Intelligenza Artificiale può apportare, illustrando anche alcuni casi studio riguardanti la verticalizzazione manifatturiera.

Nel contesto di una fabbrica connessa, l’IA permette di analizzare rapidamente enormi quantità di dati: questa grande mole di informazioni rappresenta uno dei principali fattori abilitanti nella trasformazione digitale delle imprese industriali.

Il dato consente, infatti, di supportare le decisioni, arrivando a definire delle curve ideali a cui si devono conformare i processi. Queste linee di comportamento assolvono la funzione di benchmark, quanto più la curva reale è lontana da quella ideale, tanto più il processo sta andando incontro a problemi.

In termini concreti nel manifatturiero l’impiego dell’intelligenza artificiale attraverso l’utilizzo di algoritmi o tecniche di Machine Learning consente le applicazioni più disparate, come quelle che permettono di operare funzioni di manutenzione predittiva, con un generale efficientamento del processo produttivo.

L’obiettivo, più in generale, è perseguire una conoscenza profonda del sistema aumentando la qualità della produzione, riducendo lo scarto e gli sprechi.

Aziende specializzate, attraverso l’analisi dei dati, riescono a monitorare diversi parametri fondamentali: dalle variabili relative ai pezzi in produzione, al monitoraggio dello stato di usura della macchina e degli utensili che li producono (tutto, spesso anche in tempo reale).

Anche l’analisi del singolo pezzo è importante dal momento che un’eventuale difetto, in un dato momento, potrebbe essere determinato da una particolare usura del macchinario o evidenziare una necessaria manutenzione.

Bez nel corso della sua relazione ha descritto una serie di casi di successo che hanno visto la collaborazione tra beanTech e alcuni importanti attori industriali del territorio.

È fondamentale sottolineare come queste partnership, che uniscono il know how industriale a quello tecnologico, hanno portato a soluzioni con importanti impatti di performance nel settore metals, nella realizzazione di impianti protesici a uso medico e nel mondo delle macchine utensili.

Particolarmente interessanti i casi di integrazione sulla verticale metal: gli strumenti di analisi su questo settore sono stati arricchiti con una componente predittiva. La road map, piuttosto complessa si è articolata in diversi passaggi.

Come prima cosa, lavorando sui database, sono state recuperate informazioni utili a ricostruire le variabili di processo meccaniche, e relative alla composizione chimica del prodotto. Tutti questi dati debitamente integrati e lavorati sono serviti a costruire una serie di algoritmi, una serie di curve “ideali” che permettono di stabilire, dati determinati in-put, l’andamento della qualità del prodotto, in modo da prevedere eventuali aggiustamenti da effettuare nei processi intermedi.

In pratica, grazie all’analisi dei dati è possibile capire come gestire la materia prima e le fasi di lavorazione, in modo da ottimizzare il risultato finale o orientare la produzione in funzione degli obiettivi.

(Si ringrazia Andrea Bez per supporto redazionale)


CONTATTI

beanTech, case history

In this article