L’impatto dell’automazione basata sui dati in tempo reale sulle industrie sta diventando sempre più evidente. Nessuno è destinato a un’interruzione maggiore rispetto alle attività manifatturiere. A volte difficili, questi ambienti di produzione negli ultimi anni hanno visto drastici cali dei prezzi dei sensori e questo a sua volta ha aperto le porte ai dati in tempo reale pronti per l’analisi. Con una crescente necessità di consapevolezza situazionale e approfondimenti in tempo reale, le architetture di intelligenza artificiale stanno diventando sempre più importanti per dare un senso alle informazioni acquisite.
Ora, i produttori di tutte le dimensioni raccolgono dati basati sulla visione artificiale in ogni fase del processo di produzione. Il rilevamento visivo può essere il leader nella spinta in avanti. Tuttavia, pressione, calore, posizione e altri sensori di molti tipi creano flussi di dati che vengono digitalizzati e archiviati in grandi quantità. Di conseguenza, l’analisi manuale non è più fattibile per singole linee, tanto meno per intere fabbriche o reti di fabbriche.
In breve, il settore manifatturiero è in costante evoluzione e la linea di produzione sta andando online con effetti drammatici su processi, operazioni ed efficienze.
L’ampiezza del cambiamento a volte viene trascurata, ma i progressi sono evidenti. L’IoT globale nel mercato manifatturiero è stato valutato a 205,8 miliardi di dollari nel 2021, secondo Precedence Research. Si prevede che raggiungerà circa 1,52 trilioni di dollari entro il 2030, con una crescita del 24,91% [CAGR] tra il 2022 e il 2030.
Anche l’intelligenza artificiale nella produzione e nei relativi sistemi della catena di approvvigionamento è un punto di svolta. Secondo Gartner , entro il 2026 oltre il 75% dei fornitori di applicazioni commerciali per la gestione della supply chain offrirà analisi avanzate integrate (AA), intelligenza artificiale e/o scienza dei dati. Tali sistemi portano le decisioni dell’IA direttamente in flussi di lavoro complicati.
L’importanza del tempo reale
Nel mondo della produzione, il processo decisionale informato è stato a lungo fondamentale per mantenere la qualità, rispettare le scadenze e prevenire interruzioni impreviste, difetti o problemi di sicurezza. Gli approcci sono cambiati in modo significativo alcuni anni fa, quando le fabbriche e i relativi sistemi di supply chain hanno iniziato ad attingere all’Internet of Things e a trasformare i processi analogici in digitali. È in corso uno sforzo a livello di settore per supportare la risposta immediata e l’azione essenziale per identificare e risolvere i problemi prima che si aggravino.
L’uso di soluzioni basate sull’intelligenza artificiale nella produzione, nelle catene di approvvigionamento e nella logistica sta inaugurando una nuova era descritta come Industria 4.0, o IIoT, per l’Industrial Internet of Things. L’obiettivo è mantenere l’intera catena di approvvigionamento senza alcuna partecipazione manuale. Inoltre, le fabbriche intelligenti alimentate dall’intelligenza artificiale, la produzione possono funzionare in modo più efficiente, ridurre i tempi di inattività e migliorare l’esperienza complessiva del cliente.
Ad esempio, le soluzioni AI come l’elaborazione intelligente dei documenti (IDP) stanno guadagnando terreno, aiutando i produttori a ridurre al minimo il tempo impiegato nell’elaborazione dei documenti trasformando le informazioni non strutturate e semi-strutturate in dati utilizzabili in tempo reale. Questo non solo rivoluziona completamente il processo di acquisizione dei dati, ma elimina il comune collo di bottiglia della documentazione cartacea che le aziende manifatturiere devono affrontare quotidianamente.
Rolls-Royce rotola in tempo reale
Le aziende industriali innovative stanno ora elaborando i dati che raccolgono, spesso impiegando sistemi analitici avanzati che non molto tempo fa erano l’unica provincia di fornitori di cloud su larga scala e megaaziende di social media.
Come descritto da Shiv Trisal, leader del settore manifatturiero globale presso il fornitore di analisi dei dati Databricks, l’intelligenza artificiale e l’analisi dei dati sono fondamentali per offrire ai propri clienti risultati più personalizzati, fornitura proattiva di servizi sul campo e applicazioni mission-critical differenziate. Un esempio è Rolls-Royce.
“Stiamo collaborando con Rolls-Royce per analizzare centinaia di punti dati al secondo per ridurre al minimo i tempi di inattività e le emissioni dei loro motori aeronautici utilizzati dalle compagnie aeree di tutto il mondo. I produttori possono ora sfruttare questo tipo di dati per gestire un’attività di servizi abilitati alla tecnologia che dimostra una maggiore scalabilità “, ha dichiarato Trisal a VentureBeat.
In passato, si potevano prevedere che le macchine stessero creando un difetto, ma di solito la previsione arrivava troppo tardi nel processo di produzione. Quando sono stati rilevati i segni delle imperfezioni, il danno era già abbastanza significativo da richiedere l’arresto di una costosa macchina.
“Secondo l’ American Society of Quality , il costo della scarsa qualità può arrivare fino al 20% delle vendite. Il rilevamento proattivo di materiali non conformi nel processo di produzione può ridurre significativamente i costosi richiami, ridurre gli sprechi, aumentare la qualità del prodotto e migliorare la tracciabilità del prodotto”, ha affermato Trishal.
Secondo Trisal, i progressi nella raccolta e nell’analisi dei dati hanno rivoluzionato questo processo. In particolare, l’intelligenza artificiale è diventata anche uno strumento vitale nel controllo della qualità.
Utilizzando la visione artificiale, gli algoritmi AI possono rilevare anche i più piccoli difetti nel processo di produzione, come componenti disallineati o parti danneggiate. Ciò ha aiutato i produttori a produrre prodotti di qualità costantemente elevata, riducendo il rischio di costosi richiami di prodotti e migliorando la reputazione del marchio.
“Abbiamo visto sempre più aziende utilizzare strumenti e piattaforme di analisi dei dati per applicare con successo le capacità di visione artificiale nei loro impianti di produzione e automatizzare il processo per i controlli di qualità, analizzando immagini ad alta risoluzione a bassissima latenza”, ha aggiunto Trisal. Man mano che ogni prodotto si muove attraverso il processo di produzione, fornisce agli operatori informazioni approfondite in tempo reale.
Aumentare i fattori ESG e la sicurezza sul lavoro
Un altro vantaggio chiave dei dati in tempo reale e dell’intelligenza artificiale nella produzione è la capacità di migliorare la gestione della supply chain, compresi i processi precedentemente basati su carta. Con i dati in tempo reale, i produttori possono monitorare i livelli di inventario, tenere traccia delle consegne e prevedere la domanda, consentendo loro di prendere decisioni più intelligenti su quando e quanto produrre. Ciò ha ridotto il rischio di esaurimento scorte e sovrapproduzione, con conseguente riduzione dei costi e maggiore soddisfazione del cliente.
“I dati in tempo reale e l’intelligenza artificiale stanno aiutando la produzione attraverso la previsione dei guasti e la pianificazione della manutenzione, nonché l’identificazione, la contestualizzazione e l’elaborazione accurate del volume crescente di fatture e documenti per accelerare il processo di produzione”, Petr Baudis, CTO e chief AI architect di piattaforma di elaborazione dei documenti intelligente Rossum , ha detto VentureBeat.
Baudis ha spiegato che dalla gestione dell’inventario all’acquisto e alla spedizione, la documentazione è una vera linea di comunicazione tra fornitori, aziende e clienti e l’intelligenza artificiale basata sui dati è la base che comprende – e può agire su – ogni formato e punto dati univoco.
Allo stesso modo, Kjell Carlsson, responsabile della strategia e dell’evangelizzazione della scienza dei dati presso Domino Data Lab , ritiene che sfruttando il deep learning , i produttori abbiano notevolmente ampliato la gamma di attività di ispezione oltre ciò che potrebbe essere automatizzato con metodi di ispezione tradizionali non basati sull’apprendimento automatico.
“Un caso d’uso particolarmente affascinante qui è la capacità dei produttori di estrarre grandi quantità di dati non strutturati per ottenere un preavviso di potenziali interruzioni della catena di approvvigionamento”, ha affermato Carlsson. “Lockheed, ad esempio, sfrutta i metodi NLU (comprensione del linguaggio naturale) basati sull’apprendimento approfondito per estrarre una vasta gamma di fonti di dati, ad esempio notizie su acquisizioni di fornitori o ordini di grandi dimensioni; per i primi segnali di potenziali interruzioni.
L’uso di dati in tempo reale e intelligenza artificiale nella produzione ha anche aumentato la sicurezza sul posto di lavoro. Gli algoritmi di intelligenza artificiale alimentati dai sistemi di sensori di visione possono rilevare situazioni pericolose, come malfunzionamenti dei macchinari o errori umani, e allertare i lavoratori affinché intraprendano le azioni appropriate. Inoltre, l’utilizzo di robot basati sull’intelligenza artificiale ha ridotto la necessità per i lavoratori umani di svolgere compiti fisicamente impegnativi, riducendo il rischio di lesioni.
“L’intelligenza artificiale aiuta a mantenere la sicurezza sul posto di lavoro identificando le anomalie dei dati in tempo reale. Grazie ai dati in tempo reale e all’intelligenza artificiale, i produttori hanno la possibilità di monitorare costantemente e risolvere i problemi in tempo reale, risolvendo eventuali problemi di produzione prima che si verifichi un’interruzione o un pericolo”, ha affermato Baudis.
Inoltre, l’integrazione di dati in tempo reale e intelligenza artificiale ha aiutato i produttori a ridurre la loro impronta di carbonio. Analizzando i dati in tempo reale, gli algoritmi AI possono rilevare modi per ottimizzare il consumo energetico e ridurre gli sprechi. Ciò ha consentito ai produttori di adottare pratiche più sostenibili, riducendo il loro impatto ambientale e contribuendo a costruire un futuro più verde.
Chiaramente, i produttori in prima linea nei dati, nell’analisi e nell’intelligenza artificiale stanno fissando obiettivi basati sulla scienza e ottenendo risultati di sostenibilità favorevoli oggi, ricavando informazioni migliori dal loro funzionamento, dalla catena di fornitura e dai risultati che i loro prodotti generano per i loro clienti finali.
I dati in tempo reale e l’intelligenza artificiale formano una nuova normalità
Mike Babiak, direttore della strategia tecnologica della catena di fornitura presso la società di consulenza e tecnologia Longbow Advantage , ha affermato che presto vedremo i dati in tempo reale e l’intelligenza artificiale nel settore manifatturiero diventare lo standard anziché essere qualcosa di “bello da avere”.
“Grazie alla visibilità in tempo reale (RTV), i turni, i giorni e le settimane hanno più successo. I gestori di magazzino non inizieranno più con un deficit. L’intelligenza artificiale aiuta anche ad adattarsi al volo senza dover dipendere dall’intestino o da segnali visivi “, ha detto Babiak a VentureBeat.
Babiak prevede che la nuova normalità utilizzerà dati prescrittivi e analisi durante le operazioni. Ci si aspetterà inoltre che i dati possano lavorare insieme su più tecnologie e posizioni e che vengano comunque visualizzati in tempo reale.
“Il nuovo sviluppo qui sarà l’adozione in rapida crescita di modelli di visione artificiale basati su deep learning sulle linee di produzione per il rilevamento automatizzato dei difetti”, ha affermato Kjell Carlsson di Domino Data Lab.
La produzione, per ragioni molto comprensibili, è un campo molto conservatore, ha osservato. Ma opportunità di incorporare l’intelligenza artificiale nei processi quando una linea viene stabilita o completamente riprogettata.
Prevede una crescita costante. “Ciò significa che l’adozione richiede tempo, ma è solo una questione di tempo”, ha affermato.
Allo stesso modo, Petr Baudis di Rossum ritiene che sia fondamentale perseguire una tecnologia IA basata sui dati piuttosto che ambiziosa, soprattutto durante una recessione economica.
“Per alcune aziende, l’implementazione può richiedere mesi. Se non riesci a far funzionare i tuoi nuovi robot nella tua azienda entro i primi 30 giorni, dimostrarne il valore, l’impatto e il ritorno sull’investimento può sembrare scoraggiante”, ha affermato.
I produttori hanno bisogno di una tecnologia AI che risolva i grattacapi aziendali pratici da un’unica piattaforma di facile utilizzo e richieda tempi di implementazione minimi, ha affermato. “Ma questo è il futuro.”
di Victor Dey da venturebeat.com
