L’intelligenza artificiale avrà un impatto sull’industria e sulle nostre vite equivalente all’avvento del computer o di internet, e si sta diffondendo velocemente in moltissimi campi e settori. Quando si guarda all’industria – e non solo – c’è molta confusione e un altissimo interesse. In questo post cerchiamo di fare ordine tra le varie applicazioni dell’AI in industria, cercando di capire che benefici può portare.
L’intelligenza artificiale: cos’è e come impara
Ci sono moltissime definizioni per ‘Intelligenza Artificiale’. Ecco la mia preferita: l’insieme di tecnologie che rendono la macchina dotata di capacità cognitive simili a quelle umane.
ALAN TURING, 1950, THE IMITATION GAMEI propose to consider the question, ‘Can machines think?’ This should begin with definitions of the meaning of the terms ‘machine’ and ‘think’.
Quali sono le capacità cognitive umane quindi? Ad esempio…
- Apprendere
- Prendere decisioni
- Riconoscere immagini o suoni
- Interagire con il linguaggio naturale
- Creare (anche se…)
L’AI impara come un bambino (come dice Nidhi Cappell), per cui ha bisogno di fare esperienza per diventare sempre più brava a completare una specifica attività. Grazie ai metodi del machine learning e del deep learning l’AI può imparare dall’esperienza, ovvero, dai dati.
AI industriale e dati
L’AI deve fare esperienza per imparare. Questo significa che dobbiamo fornirle dei dati per fare sì che possa diventare sempre più brava a rappresentare il comportamento di un determinato sistema.
I dati, in industria, sono di tre tipologie principali:
- Dati dai sensori in campo: sonde di temperatura, pressostati, flussimetri, registrazione di aperture o chiusure delle valvole, vibrazioni e così via
- Dati dai sistemi di controllo: setpoint, log, segnali di accensione o spegnimento
- Dati dai sistemi di gestione: manutenzione, qualità, pianificazione e così via.
Fornendo questi dati alle soluzioni di AI, si può costruire una soluzione che sia in grado di predire qualcosa. Ma, cosa?
Le applicazioni dell’AI in industria
Esploriamo le principali applicazioni dell’AI in industria. In questo post voglio concentrarmi soprattutto su cosa si può fare e con quali benefici, per cui non mi dilungheró in noiosi dettagli tecnici. Prego!
Manutenzione predittiva e su condizione
Con la manutenzione predittiva AI-driven è possibile ridurre del 40% dei costi e del 50% i fermi macchina.
La più nota applicazione dell’AI industriale è la manutenzione predittiva. Cos’è? É in soldoni un sistema in grado di guardare in tempo reale come si sta comportando la macchina, e avvisare nel caso ci sia una probabilità anche minima che qualcosa si guasti prima che la macchina si debba fermare per il guasto. Quanto prima? Abbastanza per poter pianificare un’ispezione o una sostituzione in un momento comodo.
Le soluzioni di manutenzione predittiva, piuttosto complesse da implementare per bene, garantiscono però diversi benefici, confermati da McKinsey e Deloitte, oltre che dalla nostra esperienza:
- Aiuta a diminuire fino al 40% i costi di manutenzione
- Può diminuire fino al 50% i fermi macchina, e fino al 60% i guasti gravi
- Può aiutare a ottimizzare la pianificazione degli interventi di manutenzione – si fa solo quello che serve quando serve
- Porta anche ad un saving energetico indiretto da 1% a 5%
- Rende possibile creare servizi nuovi, ad esempio di vendita ricambi o post-vendita
Gestione ottimizzata dell’energia
Gestendo consumi e produzione energetica con l’AI, è possibile risparmiare fino al 20% dell’energia
Insegnando all’AI a prevedere i consumi di un determinato asset o linea, è possibile pianificare in modo strategico il budget energetico, capire se le linee stanno consumando più di quanto dovrebbero, o ottimizzare la produzione di potenza dalle proprie fonti – cogeneratore, fotovoltaico, solare termico, caldaie…
I modelli per la previsione dei consumi sono i più semplici da implementare – bastano pochi dati dal campo – e garantiscono che l’impianto consumi solo quanto necessario per il processo, senza extra-costi energetici.
In particolare, secondo il World Economic Forum e l’esperienza maturata:
- È possibile diminuire fino al 20% i consumi dello stabilimento
- Aiuta a diminuire fino al 40% il tempo dedicato allo studio del budget e la selezione degli investimenti energetici
- Rende ggli indicatori di performance energetica più performanti, raggiungendo previsioni del 90-95% rispetto ai consumi reali
- Riesce a intercettare fino all’85% delle inefficienze in anticipo sull’extra-costo in bolletta
Controllo qualità
Utilizzando l’AI nel controllo qualità, è possibile diminuire gli scarti dell’80% e aumentare la velocità delle linee di verifica tra il 25 e il 40%.
Il controllo qualità è un altro settore in cui l’AI é ampiamente utilizzata.
Grazie ai sistemi di visione e la raccolta dei dati é possibile intercettare con altissima precisione e in alcuni casi prevedere pezzi difettosi o scarti.
Sempre in base alle ultime ricerce di McKinsey, grazie ai sistemi di AI il controllo qualità può essere quindi ottimizzato garantendo:
- Meno tempo per identificare i pezzi difettosi, e quindi una linea più veloce fino al 25-40%
- Meno scarti nelle linee continue o nei batch, con una diminuzione fino all’80%
Ottimizzazione di impianto
Ottimizzando l’impianto con sistemi di AI, è possibile ridurre i costi del processo tra il 5 e il 15%.
Se vi dico intelligenza artificiale in industria, mi direte immediatamente: serve a ottimizzare l’impianto!
Ma cosa significa ottimizzare l’impianto? Nella pratica, significa suggerire agli operatori come regolare i setpoint dei sistemi per minimizzare il costo del processo, o massimizzare la qualità, o ancora diminuire le emissioni. In alcuni casi la regolazione può essere fatta in automatico direttamente dal sistema AI, con qualche grande attenzione.
I benefici sono palesi, e confermati di nuovo da McKinsey:
- Si può migliorare qualsiasi indicatore di performance, se c’è margine di controllo sui sistemi
- Le emissioni possono essere abbattute del 15-30% usando meglio le rinnovabili e regolando meglio cogeneratore, caldaie e altri sistemidi autoproduzione
- Si può gestire meglio anche tutta la catena logistica, con una diminuzione dei costi tra il 10 e il 15%
- In conclusione, si arriva quindi a diminuire il costo unitario di produzione fino al 20%
Una menzione d’onore nell’ottimizzazione di processo va a tutti i sistemi robotici e di addictive manufacturing. Queste tecnologie prevedono un investimento molto più alto e si ripagano quindi in piu tempo, e portano ad una radicale trasformazione dei processi.
Cosa si ottiene in più?
- Tempi di produzione molto inferiori grazie ai processi completamente automatizzati
- Meno materiale di scarto dalle lavorazioni
- Più possibilità di fare mass customization – ovvero inserire personalizzazioni sui prodotti direttamente nella produzione automatica
Quindi?
L’AI industriale applicata può diminuire i consumi energetici tra il 3 e il 20%, diminuire i costi di manutenzione fino al 40% e i fermi macchina fino al 50, con un costo per unità di prodotto diminuito del 5-15%.
La sfida vera è capire cosa fare, e con quali dati, facendosi orientare dall’obiettivo di business più che dalla tecnologia.
