Nel settore manifatturiero e in particolare nel campo della mobilità, l’efficienza e la sicurezza dipendono in larga misura dalla capacità di analizzare rapidamente grandi volumi di dati di test complessi. Un esempio emblematico di questa sfida è la gestione delle immagini dei crash test veicolari, che storicamente sono state archiviate in modo disorganizzato, richiedendo ingenti risorse umane e tempo per la classificazione e il recupero ai fini dell’analisi ingegneristica. Per affrontare questo problema critico, Ellis Group, startup specializzata in intelligenza artificiale (AI), ha sviluppato una soluzione AI specifica per le immagini in collaborazione con il Namyang Research Center di Hyundai Motor Company.
Il progetto nasce dalla necessità di trasformare un archivio disordinato in un sistema di dati strutturato e immediatamente accessibile. La soluzione messa a punto da Ellis Group è un servizio integrato che combina due sistemi basati sul deep learning: un modello di classificazione delle immagini e un modello di ricerca delle immagini.
Tradizionalmente, per l’analisi dei crash test, i tecnici devono sfogliare manualmente migliaia di immagini per identificare frame specifici o tipi di danno. Il nuovo modello di classificazione automatizza questo processo, identificando e etichettando le immagini in base a criteri predefiniti. Successivamente, il modello di ricerca consente agli ingegneri di recuperare con precisione i dati necessari per l’analisi, riducendo drasticamente il tempo di retrieval dei dati.
L’approccio di Ellis Group è stato quello di fornire questi due sistemi come un unico tool integrato, semplificando il workflow degli ingegneri. L’azienda ha inoltre posto grande enfasi sulla sicurezza dei dati, applicando un sistema di sicurezza modulare per mitigare il rischio di fughe di dati sensibili di ricerca e sviluppo, rafforzando così l’affidabilità del servizio in un ambiente corporate di alto profilo.
Uno degli aspetti tecnici più rilevanti di questo progetto è la creazione di un modello personalizzato estremamente performante. Per superare le sfide legate alla natura specifica e spesso insufficiente dei dati interni ai crash test, Ellis Group ha adottato una strategia a più livelli:
- Base di Dati Pubblici: Il modello iniziale è stato costruito utilizzando i dati pubblici provenienti da istituzioni specializzate in crash test.
- Apprendimento Esistente: A questi dati sono stati aggiunti i dati pubblici ai modelli di apprendimento già esistenti dell’azienda.
- Ottimizzazione Ambientale: Infine, è stato completato un fine-tuning del modello per ottimizzarlo specificamente all’ambiente e alle metodologie di test uniche del Namyang Research Institute di Hyundai.
Questo approccio ha consentito di creare un modello robusto e preciso, capace di risolvere problemi di classificazione che i modelli commerciali off-the-shelf faticano a gestire. La soluzione ha raggiunto un’accuratezza superiore al 98% nella classificazione di circa 60 tipi diversi di immagini di test, garantendo che i dati siano etichettati in modo corretto e affidabile per le analisi critiche sulla sicurezza veicolare.
Il successo di questa collaborazione con Hyundai Motor Company funge da caso di studio fondamentale per l’applicazione dell’AI nel settore manifatturiero. Kim Jae-won, CEO di Ellis Group, ha chiarito che questo progetto è solo l’inizio di una strategia di espansione.
L’obiettivo dell’azienda è replicare e adattare questa soluzione di visione artificiale in altri settori industriali e della mobilità. La capacità di prendere dati visivi disordinati – siano essi immagini di difetti di produzione, footage di test o dati di screening di qualità – e trasformarli in asset informativi strutturati in modo automatico e sicuro, rappresenta una proposta di valore fondamentale per qualsiasi settore ad alta intensità di dati visivi. L’AI di Ellis Group non è solo un tool di archiviazione, ma un catalizzatore per l’analisi dei guasti e l’ottimizzazione della sicurezza nella produzione di veicoli e oltre.