Intelligenza artificiale: speranza, hype e FOMO
Pubblicato il 22 settembre 2022 a AI
Dieci anni fa, quando ricevevamo richieste di informazioni su progetti basati sull'intelligenza artificiale, erano principalmente spinte dall'hype o dal FOMO. Quando chiedevo perché fossero interessati all'intelligenza artificiale, la risposta spesso era "perché il mio capo me l'ha chiesto", "perché possediamo molti dati" o "perché sembra un argomento interessante". Nessuno di questi era un motivo particolarmente valido e certamente non giustificava il forte investimento che le applicazioni AI avrebbero richiesto in quel momento.
La situazione sta cambiando e, anziché l'hype o il "FOMO", è la speranza il fattore trainante. I clienti non chiedono più se possiamo aiutarli con l'intelligenza artificiale. Bensì se possiamo aiutarli con la manutenzione predittiva, il controllo della qualità o l'ottimizzazione dei processi. Si presentano con un problema che sperano possiamo risolvere. L'adozione dell'intelligenza artificiale non è più un obiettivo in sé. Al contrario, l'intelligenza artificiale è diventata un "fattore abilitante".
Indipendentemente dal settore, che sia alimentare, farmaceutico, elettronico o automotive, l'obiettivo finale è lo stesso: produrre prodotti di alta qualità, privi di difetti a un costo inferiore, utilizzando meno energia e meno manodopera. L'intelligenza artificiale può essere una di una serie di soluzioni per raggiungere tali obiettivi.
Passato, presente e futuro
Così come gli approcci, anche la tecnologia si è evoluta. Sebbene l'intelligenza artificiale esistesse come concetto dal 1957, le prime applicazioni erano troppo costose e lente: era necessario un mese per ottenere i risultati di un semplice calcolo a causa delle limitazioni della potenza di elaborazione. Grazie ai progressi della tecnologia mobile, alla memoria dei computer e alle velocità di elaborazione, oggi i calcoli possono essere eseguiti in millisecondi e i costi sono notevolmente diminuiti.
Anche se colossi tecnologici come Amazon e Google la utilizzano da tempo, l'Intelligenza Artificiale è ancora agli albori in un contesto industriale o di fabbrica. La fase del suo ciclo di vita è paragonabile a quella della robotica di 15 anni fa, quando era necessaria una laurea in matematica per comandare un robot a sei assi. Per implementare sistemi basati sull'intelligenza artificiale, servono ancora degli esperti. È necessario capire cosa si sta facendo e ciò ha senso solo nelle applicazioni di nicchia in cui il prezzo di ingresso può essere giustificato dai benefici.
Intelligenza artificiale per problemi invisibili
È inoltre importante ricordare che l'intelligenza artificiale non è una panacea. In qualità di costruttori di macchine, data scientist e ingegneri, possiamo essere colpevoli di rivolgerci di default alla tecnologia quando abbiamo bisogno di risposte, quando la soluzione meno complicata potrebbe essere qualcosa di molto più semplice e meno sofisticata.Prendiamo, per esempio, un nastro trasportatore rotto e piegato. Si tratta di un problema tecnico che può essere identificato e risolto utilizzando una soluzione meccanica tradizionale. Si tratta di problemi meno ovvi e intermittenti, ad esempio che si manifestano in micro-interruzioni, in cui l'intelligenza artificiale può aggiungere valore.
Problem solving basato sull'intelligenza artificiale nella pratica
Ecco un esempio concreto: siamo stati contattati per aiutare un cliente del settore automotive che aveva problemi di micro-interruzioni. Dopo aver eseguito una scansione dei dati, abbiamo eseguito un "controllo dell'integrità". Ciò prevedeva il collegamento delle sonde alla macchina per creare immagini dei segnali generati per stabilire cosa stava accadendo rispetto a cosa sarebbe dovuto accadere. Abbiamo quindi sviluppato un esperimento per individuare le cause principali. Questo ci ha consentito di identificare e risolvere circa dieci problemi. Quello che mi è rimasto impresso riguardava il malfunzionamento del sensore: uno dei sensori che stavamo monitorando sembrava non funzionare. Quando abbiamo chiesto al cliente di controllare, era presente un connettore rotto. Abbiamo anche identificato alcuni problemi di programmazione, tra cui un errore logico che era ripetuto in molti computer in loco, che è stato quindi possibile risolvere. Nel complesso, sono stati risparmiate decine di migliaia di euro in prodotti di scarto e sono stati ridotti i tempi di inattività del 50%; il che si è tradotto in ulteriori quattro ore di produzione al mese.
Un altro caso di applicazione: attualmente stiamo collaborando con un cliente del settore alimentare per migliorare l'integrità dei sigilli. Applicando un approccio AI alle operazioni di sigillatura, aumenteremo la durata di conservazione di diversi giorni e ridurremo al minimo eventuali sigilli difettosi, eliminando così il rischio che i clienti al dettaglio respingano un intero lotto di prodotti.
Raccogliere, analizzare e utilizzare
Per la maggior parte dei progetti, finora è stato implementato il controller AI di OMRON, la prima soluzione di intelligenza artificiale al mondo che funziona "in modalità Edge" (con l'hardware basato su IPC NY5 e la CPU NX7 Sysmac. Questo controller riconosce gli schemi in base ai dati di processo raccolti direttamente sulla linea di produzione. È integrato nella nostra piattaforma di controllo di fabbrica Sysmac, pertanto può essere utilizzato direttamente nella macchina per evitare perdite di efficienza.
Con esempi simili a questi e con l'intelligenza artificiale che è un argomento molto affrontato dai media, si potrebbe facilmente pensare che ogni azienda manifatturiera ne preveda l'impiego, mentre invece non è così. Gli esempi di intelligenza artificiale in uso in fabbrica sono davvero pochi e i progetti dipendono fortemente dall'esperienza del fornitore di tecnologie. Tra altri dieci anni sarà molto diverso. Verranno sviluppati strumenti che renderanno l'intelligenza artificiale molto più accessibile e intuitiva, consentendo ai produttori di possederla e di utilizzarla quotidianamente.
Ulteriori informazioni sui servizi relativi alle scienze di gestione dei dati OMRON