L’intelligenza artificiale potrebbe aiutare a ottimizzare l’intera catena del valore della produzione industriale – attraverso la produzione, le catene di approvvigionamento, la ricerca e sviluppo e le vendite. Gli esperti di Emerton e Startupinside hanno illustrato il ruolo dell’IA nei processi industriali post-pandemici.
Il contesto è un clima economico dirompente, in cui l’ottimizzazione è diventata il fulcro della prosperità aziendale. La produzione industriale è notoriamente ad alta intensità di tempo e capitale, lasciando ampi margini di miglioramento durante e dopo la crisi del Covid-19.
Aimé Lachapelle, managing partner della pratica di scienza dei dati e intelligenza artificiale di Emerton, ha evidenziato le sfide affrontate nel 2020. “La produzione si è fermata, la catena di fornitura globale si è interrotta e le donne e gli uomini al centro di queste industrie sono stati fortemente destabilizzati. “
È giunto il momento di ricostruire e gli esperti posizionano l’IA come il futuro. Emerton e Startupinside suddividono la catena del valore della produzione industriale in quattro parti: produzione, catena di approvvigionamento, ricerca e sviluppo e vendite, ognuna delle quali può trarre vantaggio dall’intelligenza artificiale.
Un uso spesso citato dell’IA nella produzione è la manutenzione predittiva, in cui l’IA raccoglie ed esamina vasti pool di dati di produzione per i modelli che portano a guasti. In realtà, i ricercatori osservano che i guasti si verificano una manciata di volte all’anno, fornendo agli algoritmi di intelligenza artificiale pochi dati con cui lavorare. Allo stato attuale, una manutenzione predittiva di successo potrebbe essere in qualche modo su tutta la linea.
Il rapporto evidenzia invece il valore dell’utilizzo dell’IA per ottimizzare la produzione, una priorità per il 60% dei leader industriali. L’intelligenza artificiale può aiutare con una migliore pianificazione, aumentare la produttività, ottimizzare il consumo di energia e migliorare i parametri di produzione. Secondo il rapporto, il mezzo migliore a tal fine è implementare l’IA al centro dei processi di produzione.
“La catena di approvvigionamento, per la sua natura complessa all’interfaccia di molti processi, offre un terreno fertile per gli algoritmi di intelligenza artificiale che consentono la simulazione e l’ottimizzazione di un gran numero di scenari”, ha spiegato Lachapelle.
Ad esempio, la natura predittiva dell’IA e dell’apprendimento automatico può essere utilizzata per prevedere la domanda dei clienti o i tempi di consegna, consentendo precisione, flessibilità e agilità lungo l’intera catena di fornitura. Altre applicazioni includono l’uso dell’intelligenza artificiale per informare le decisioni critiche o la sua implementazione per prendere la decisione stessa.
L’adozione dell’IA nella ricerca e sviluppo è minima, sebbene le applicazioni siano illimitate. L’intelligenza artificiale può essere utilizzata per condurre test; selezionare gli esperimenti di laboratorio più rilevanti; e persino prevedere i loro risultati. Aviazione, alimentare, chimica e farmaceutica sono alcuni dei settori in cui la ricerca e sviluppo basata sull’intelligenza artificiale sta trovando le sue gambe.
E ci sono anche applicazioni nel design. La tecnologia può generare piani per una parte di auto in base alle specifiche, ad esempio, o prevedere se un profumo sarà chimicamente stabile. Combinati con i progressi nella stampa 3D, questi metodi potrebbero accelerare il processo di prototipazione secondo Lachapelle.
“Alcune società industriali, come i beni di consumo più orientati al B2C, stanno iniziando a implementare strumenti di intelligenza artificiale per migliorare le loro vendite. In particolare, è il caso dei settori della cosmetica e della profumeria che utilizzano algoritmi per l’iper-personalizzazione dei prodotti o l’analisi delle recensioni online ”, ha affermato Lachapelle.
Quindi l’intelligenza artificiale ha un enorme valore da portare per l’industria, sebbene esista un divario tra questo potenziale e la scala di implementazione. Esistono alcune barriere, in particolare problemi di sicurezza dei dati relativi a vasti pool di dati di produzione archiviati nello spazio digitale; variazioni tra i siti di produzione che rendono difficile lo sviluppo di soluzioni scalabili; e resistenza da parte della forza lavoro a causa dell’elevata complessità e della mancanza di fiducia.
Queste sfide rappresentano una chiara tabella di marcia per le aziende industriali. Le soluzioni infrastrutturali devono essere progettate per l’archiviazione sicura dei dati, la collaborazione e l’armonizzazione possono portare alla scalabilità e durante l’implementazione dell’intelligenza artificiale deve essere adottato un approccio incentrato sull’uomo. Una volta eliminati questi ostacoli, le imprese industriali potrebbero acquisire un valore sostanziale adattandosi alla nuova normalità.
