L'intelligenza artificiale nel settore manifatturiero: Come si usa e perché è importante

• L'intelligenza artificiale (IA) non sostituisce l’intelligenza umana, ma permette ai robot e alle persone di collaborare meglio insieme.
• Man mano che le macchine diventano più intelligenti, saranno in grado di svolgere un numero sempre maggiore di compiti ripetitivi. In questo modo le loro controparti umane potranno dedicare più tempo alla risoluzione di altri problemi.
• La velocità, la precisione e il controllo della qualità nella produzione miglioreranno con l'implementazione dei sistemi di intelligenza artificiale.

La fabbrica completamente autonoma è sempre stata un’idea provocatoria. Si tratta di un luogo quasi privo di personale e gestito interamente da sistemi di intelligenza artificiale (IA) che dirigono linee di produzione robotizzate. Ma è improbabile che questo sia il modo in cui l'IA verrà impiegata nel settore manifatturiero.

La concezione realistica dell'IA nel settore manifatturiero assomiglia più a un insieme di applicazioni per sistemi compatti e discreti che gestiscono processi produttivi specifici. Questi sistemi opereranno in modo più o meno autonomo e risponderanno agli eventi esterni in modo sempre più intelligente e persino simile all'uomo, come ad esempio l'usura di un utensile, un'interruzione del sistema, un incendio o un disastro naturale.

Cos'è l'intelligenza artificiale nel settore manifatturiero?

L'intelligenza artificiale nel settore manifatturiero è la capacità delle macchine di svolgere compiti simili a quelli umani, rispondendo a eventi interni ed esterni e persino anticipando gli eventi. Le macchine sono in grado di rilevare l'usura di un utensile o qualcosa di inaspettato—forse anche qualcosa che ci si aspettava che accadesse—e possono reagire e risolvere il problema.

Gli storici seguono il progresso umano dall'Età della Pietra all'Età del Bronzo, all'Età del Ferro e così via, valutando lo sviluppo evolutivo in base alla padronanza umana dell'ambiente naturale, dei materiali, degli strumenti e delle tecnologie. Attualmente l'umanità si trova nell'Età dell'Informazione, nota anche come Età del Silicio. In questa era basata sull'elettronica, gli esseri umani sono collettivamente potenziati dai computer, sfruttano un potere senza precedenti sul mondo naturale e hanno la capacità di realizzare cose inconcepibili fino a poche generazioni fa.

Con il progredire della tecnologia informatica, che è sempre più in grado di svolgere le attività tradizionalmente svolte dall'uomo, l'intelligenza artificiale è stata un'evoluzione naturale. Le persone possono scegliere come applicare l'apprendimento automatico e l'IA. Una cosa che l'IA fa bene è aiutare le persone creative a fare di più. Non sostituisce necessariamente le persone; le applicazioni ideali aiutano le persone a fare ciò che sanno fare in modo unico - nel settore manifatturiero, potrebbe trattarsi della produzione di un componente in fabbrica o della progettazione di un prodotto o di un pezzo.

Sempre più spesso si tratta della collaborazione tra uomini e robot. Nonostante l'impressione diffusa che i robot industriali siano autonomi e "intelligenti", la maggior parte di questi robot richiedono ancora una grande supervisione. Ma stanno diventando sempre più intelligenti grazie all'innovazione dell'intelligenza artificiale, che rende la collaborazione tra uomini e robot più sicura ed efficiente.

Come si è evoluta l'IA nel settore manifatturiero?

Oggi la maggior parte dell'IA nell'industria manifatturiera viene utilizzata per la misurazione, i test non distruttivi (NDT) e altri processi. L'Intelligenza Artificiale aiuta nella progettazione dei prodotti, ma la produzione è ancora agli inizi dell'adozione dell'IA. Le macchine utensili automatizzate fanno notizia, ma molte fabbriche del mondo continuano ad affidarsi a macchinari vecchi, spesso con un'interfaccia meccanica o digitale limitata.

I sistemi di fabbricazione più recenti sono dotati di schermi, interfacce uomo-computer e sensori elettronici che forniscono informazioni sulla fornitura di materie prime, sullo stato del sistema, sul consumo energetico e su molti altri fattori. Le persone possono visualizzare ciò che stanno facendo, sia sullo schermo di un computer che sulla macchina. La strada da percorrere sta diventando chiara, così come la gamma di scenari per l'utilizzo dell'IA nel settore manifatturiero.

Gli scenari includono il monitoraggio del processo di lavorazione in tempo reale e il controllo degli input di stato come l'usura degli utensili. Queste applicazioni rientrano nel concetto di "manutenzione predittiva". Si tratta di un'opportunità ovvia per l'intelligenza artificiale: gli algoritmi che consumano flussi continui di dati dai sensori trovano modelli significativi e applicano analisi per prevedere i problemi e avvisare i team di manutenzione per risolverli prima che si verifichino. I sensori all'interno della macchina possono monitorare che qualcosa sta accadendo. Potrebbe trattarsi di un sensore acustico che rileva l'usura delle cinghie o degli ingranaggi, oppure di un sensore che monitora l'usura dell'utensile. Queste informazioni verrebbero collegate a un modello analitico in grado di prevedere la durata residua dell'utensile.

In officina, la produzione additiva sta diventando una modalità importante e ha spinto l'aggiunta di molti nuovi tipi di sensori al sistema, monitorando le nuove condizioni che riguardano i materiali e le tecnologie di fabbricazione adottate solo negli ultimi 10 anni.

Lo stato attuale dell'IA nella produzione

L'intelligenza artificiale sta rendendo possibile una progettazione molto più precisa dei processi di produzione, nonché la diagnosi e la risoluzione dei problemi quando si presentano, grazie all'utilizzo di gemelli digitali. Un gemello digitale è una replica virtuale esatta di un pezzo fisico, della macchina utensile o del pezzo in lavorazione. È molto più di un modello CAD. È una rappresentazione digitale esatta del pezzo e di come si comporterà se, ad esempio, si verifica un difetto. L'intelligenza artificiale è necessaria per l'applicazione di un gemello digitale nella progettazione e nella manutenzione dei processi produttivi.

Le grandi imprese hanno molto da guadagnare dall'adozione dell'IA, oltre ad avere la forza finanziaria per investire in queste innovazioni. Ma alcune delle applicazioni più fantasiose sono state finanziate da piccole e medie imprese (PMI), come i progettisti a contratto o i produttori che riforniscono industrie ad alta intensità tecnologica come quella aerospaziale.

Molte PMI cercano di superare i concorrenti più grandi adottando rapidamente nuovi macchinari o nuove tecnologie. Offrire questi servizi significa differenziarsi nello spazio della fabbricazione, ma in alcuni casi stanno implementando nuovi strumenti e processi senza le conoscenze o l'esperienza necessarie. Questo può essere vero sia dal punto di vista della progettazione che da quello della produzione; per questo motivo è difficile entrare nella produzione additiva. In questo scenario, le PMI potrebbero avere maggiori incentivi per l'adozione dell'IA rispetto alle grandi imprese: L'utilizzo di sistemi intelligenti in grado di fornire un feedback e di assistere nella configurazione potrebbe aiutare una piccola azienda ad affermarsi in modo dirompente sul mercato.

In sostanza, le competenze ingegneristiche end-to-end possono essere integrate in un processo di produzione. In altre parole, l'attrezzatura con l'intelligenza artificiale a bordo può essere fornita con le conoscenze necessarie per dirigerne l'installazione, l'adozione, i sensori e le analisi per rilevare i problemi operativi e di manutenzione. (Tali analisi includeranno probabilmente i cosiddetti “modelli non supervisionati,” addestrati a cercare modelli di feedback dai sensori non associati a problemi noti, cercando aspetti strani o "sbagliati" da indagare).

Un esempio reale di questo concetto è DRAMA (Digital Reconfigurable Additive Manufacturing facilities for Aerospace), un progetto di ricerca collaborativo da 14,3 milioni di sterline (19,4 milioni di dollari) avviato nel novembre 2017. Autodesk fa parte di un consorzio di aziende che collaborano con il Manufacturing Technology Centre (MTC) per ideare una "fabbrica di apprendimento digitale". L'intera catena del processo di fabbricazione additiva verrà “gemellata digitalmente”; la struttura sarà riconfigurabile per soddisfare le esigenze di utenti diversi e per consentire la sperimentazione di diverse opzioni hardware e software. Gli sviluppatori stanno creando una "base di conoscenze" sulla produzione additiva per favorire l'adozione della tecnologia e dei processi.

In DRAMA, Autodesk svolge un ruolo chiave nella progettazione, nella simulazione e nell'ottimizzazione, tenendo pienamente conto dei processi a valle della produzione. Comprendere l'effetto del processo di produzione su ogni pezzo è un'informazione fondamentale che gli esseri umani possono automatizzare e poi inserire nel processo di progettazione attraverso il design generativo per consentire al progetto digitale di avvicinarsi alla parte fisica.

Come l'IA potrebbe trasformare l'industria manifatturiera

Questo scenario suggerisce l'opportunità di confezionare un processo di lavoro end-to-end da vendere a un produttore. Potrebbe includere tutto, dal software ai macchinari fisici della fabbrica, al gemello digitale dei macchinari. In sostanza, la creazione di sistemi “factory in a box”.

La fabbrica in una scatola

Un sistema di questo tipo consentirebbe a un produttore di guardare il pezzo realizzato oggi, di confrontarlo con quello realizzato ieri, di verificare la garanzia di qualità del prodotto e di analizzare la NDT effettuata per ogni processo della linea. Il feedback aiuterebbe il produttore a capire esattamente quali parametri sono stati utilizzati per la produzione di quei pezzi e quindi, in base ai dati dei sensori, a capire dove si trovano i difetti.

La visione utopica di questo processo consiste nel caricare i materiali da un lato e far uscire i pezzi dall'altro. Le persone sarebbero necessarie solo per la manutenzione dei sistemi, dove gran parte del lavoro potrebbe essere svolto dai robot. Ma nella concezione attuale, le persone continuano a progettare e a prendere decisioni, a supervisionare la produzione e a svolgere diverse funzioni di linea. Il sistema li aiuta a capire l'impatto effettivo delle loro decisioni.

Apprendimento automatico e IA autonoma

Gran parte della potenza dell'IA deriva dalla capacità dell'apprendimento automatico, delle reti neurali, dell'apprendimento profondo e di altri sistemi capaci di imparare dalle xesperienze, senza l'intervento umano. Questi sistemi possono scoprire rapidamente modelli significativi in volumi di dati che sarebbero al di là delle capacità degli analisti umani. Nel settore manifatturiero di oggi, tuttavia, gli esperti umani dirigono ancora in larga misura lo sviluppo di applicazioni di IA, codificando la loro esperienza da sistemi precedenti che hanno progettato. Gli esperti umani portano le loro idee su ciò che è accaduto, su ciò che è andato male e su ciò che è andato bene.

Alla fine, l'IA autonoma si baserà su questo insieme di conoscenze specialistiche, in modo che un nuovo dipendente, ad esempio nella produzione additiva, possa beneficiare di un feedback operativo mentre l'IA analizza i dati dei sensori di bordo per la manutenzione preventiva e per perfezionare il processo. Si tratta di un passo intermedio verso innovazioni come le macchine autocorrettive: Quando gli strumenti si deteriorano, il sistema si adatta per mantenere le prestazioni e consigliare la sostituzione dei componenti consumati.

Pianificazione della fabbrica e ottimizzazione del layout

Le applicazioni dell'intelligenza artificiale non si limitano al processo di produzione in sé. Pensa a questo aspetto dal punto di vista della pianificazione della fabbrica. Il layout della struttura è determinato da molti fattori, dalla sicurezza dell'operatore all'efficienza del flusso di processo. Potrebbe essere necessario che l'impianto sia riconfigurabile per adattarsi a una successione di progetti di breve durata o a processi che cambiano frequentemente.

I cambiamenti frequenti possono portare a conflitti imprevisti di spazio e materiali, che possono creare problemi di efficienza o di sicurezza. Ma questi conflitti possono essere tracciati e misurati con l'ausilio di sensori e l'intelligenza artificiale può avere un ruolo nell'ottimizzazione dei layout di fabbrica.

I sensori catturano i dati per l'analisi IA in tempo reale

Quando si adottano nuove tecnologie in cui c'è molta incertezza, come la produzione additiva, un passo importante è l'utilizzo di NDT dopo la realizzazione del pezzo. I test non distruttivi possono essere molto costosi, soprattutto se incorporano scanner CT (utilizzati per analizzare l'integrità strutturale dei pezzi prodotti). I sensori presenti nelle macchine possono collegarsi a modelli costruiti a partire da un'ampia serie di dati appresi dal processo di produzione di parti specifiche. Una volta che i dati dei sensori sono disponibili, è possibile costruire un modello di apprendimento automatico utilizzando i dati dei sensori, ad esempio per correlarli a un difetto osservato nella scansione CT. I dati del sensore possono segnalare le parti che il modello analitico indica come probabilmente difettose, senza richiedere la scansione del pezzo. Solo questi pezzi verrebbero scansionati, invece di scansionare di routine tutti i pezzi che escono dalla linea.

L'operazione può anche monitorare il modo in cui le persone utilizzano le attrezzature. Quando si progettano le attrezzature, gli ingegneri di produzione fanno delle ipotesi su come verranno utilizzate. Con l'analisi umana, potrebbe esserci un passaggio in più o un passaggio saltato. I sensori possono catturare accuratamente queste informazioni per l'analisi dell'IA.

L'intelligenza artificiale ha anche un ruolo nell'adattamento dei processi produttivi e degli utensili alle varie condizioni ambientali in cui potrebbero essere applicati. Prendiamo ad esempio l'umidità. Gli sviluppatori di tecnologie di produzione additiva hanno scoperto che alcune macchine non funzionano come progettato in determinati paesi. I sensori di umidità nelle fabbriche sono stati utilizzati per monitorare le condizioni, scoprendo a volte cose controintuitive. In un caso, l'umidità ha creato problemi in quello che doveva essere un ambiente a umidità controllata: Si è scoperto che qualcuno lasciava la porta aperta quando usciva a fumare.

L'utilizzo efficace dei dati dei sensori richiede lo sviluppo di modelli di intelligenza artificiale efficaci. Questi modelli devono essere addestrati per capire cosa vedono nei dati, cosa può causare questi problemi, come rilevarne le cause e cosa fare. Oggi i modelli di apprendimento automatico possono utilizzare i dati dei sensori per prevedere quando si verificherà un problema e avvisare un addetto alla risoluzione dei problemi. In definitiva, i sistemi di intelligenza artificiale saranno in grado di prevedere i problemi e di reagire ad essi in tempo reale. I modelli di intelligenza artificiale avranno presto il compito di creare modi proattivi per prevenire i problemi e migliorare i processi produttivi.

Progettazione generativa

L'intelligenza artificiale ha un ruolo importante importante nella progettazione generativa, un processo in cui un ingegnere progettista inserisce una serie di requisiti per un progetto e il software di progettazione crea più iterazioni. Di recente, Autodesk ha raccolto grandi volumi di dati sui materiali per la produzione additiva e li sta utilizzando per creare un modello di progettazione generativa. Questo prototipo ha una "comprensione" del modo in cui le proprietà dei materiali cambiano a seconda di come il processo di produzione influisce sulle singole caratteristiche e sulla geometria.

Il design generativo è una tecnica di ottimizzazione adattabile. Molte delle tecniche di ottimizzazione tradizionali si basano su approcci più generali all'ottimizzazione dei pezzi. Gli algoritmi di progettazione generativa possono essere molto più specifici, concentrandosi su una singola caratteristica, applicando una conoscenza delle proprietà meccaniche di quella caratteristica basata su test sui materiali e sulla collaborazione con le università. Sebbene i progetti siano idealizzati, i processi di produzione avvengono nel mondo reale e le condizioni potrebbero non essere costanti. Un algoritmo di progettazione generativa efficace incorpora questo livello di comprensione.

La progettazione generativa può creare un progetto e delle specifiche ottimali in un software, per poi distribuire tale progetto a più fabbriche con attrezzature compatibili. Ciò significa che fabbriche più piccole e geograficamente disperse possono produrre una gamma più ampia di pezzi. Queste fabbriche potrebbero essere vicine al luogo in cui sono necessarie; un giorno una struttura potrebbe produrre pezzi per il settore aerospaziale e il giorno successivo pezzi per altri prodotti essenziali, risparmiando sui costi di distribuzione e spedizione. Questo concetto sta diventando importante, ad esempio, nell'industria automobilistica.

Processi e piani di fabbrica flessibili e riconfigurabili

L'intelligenza artificiale può essere utilizzata anche per ottimizzare i processi produttivi e renderli più flessibili e riconfigurabili. La domanda attuale può determinare il layout della fabbrica e generare un processo, cosa che può essere fatta anche per la domanda futura. Questi modelli possono poi essere utilizzati per confrontarli. L'analisi determina se sia meglio avere meno macchine additive di grandi dimensioni o molte macchine più piccole, che potrebbero costare meno ed essere dirottate su altri progetti quando la domanda rallenta. L'analisi "what-if" è un'applicazione comune dell'IA.

I modelli verranno utilizzati per ottimizzare il layout della fabbrica e la sequenza dei processi. Ad esempio, l'applicazione del trattamento termico su un pezzo additivo può essere effettuata direttamente dalla stampante 3D. Può darsi che il materiale arrivi già temperato o che debba essere nuovamente temperato, richiedendo un altro ciclo termico. Gli ingegneri potrebbero eseguire vari scenari "what-if" per determinare il tipo di attrezzatura di cui dovrebbe disporre la struttura: potrebbe essere più sensato subappaltare parti del processo a un'altra azienda vicina.

Queste applicazioni di intelligenza artificiale potrebbero cambiare il business case che determina se una fabbrica si concentra su un unico processo o se si occupa di più prodotti o progetti. Quest'ultima soluzione renderebbe la fabbrica più resistente. Nell'esempio dell'industria aerospaziale, che sta vivendo un periodo di crisi, è possibile che le sue attività produttive si adattino producendo anche parti mediche.

Produzione e IA: applicazioni e vantaggi

La progettazione, il miglioramento dei processi, la riduzione dell'usura dei macchinari e l'ottimizzazione dei consumi energetici sono tutte aree in cui l'IA verrà applicata alla produzione. L'evoluzione è già iniziata.

Le macchine sono sempre più intelligenti e integrate tra loro, con la catena di approvvigionamento e con altre automazioni aziendali. La situazione ideale sarebbe quella di materiali in entrata, pezzi in uscita, con sensori che monitorano ogni anello della catena. Le persone mantengono il controllo del processo ma non lavorano necessariamente nell'ambiente. In questo modo si liberano risorse produttive e personale fondamentali per concentrarsi sull'innovazione—creating nuovi modi di progettare e produrre componenti—piuttosto che sul lavoro ripetitivo, che può essere automatizzato.

Come per ogni cambiamento fondamentale, c'è stata resistenza all'adozione dell'IA. Le conoscenze e le competenze necessarie per l'IA possono essere costose e scarse; molti produttori non dispongono di queste capacità interne. Si considerano efficaci nelle competenze specializzate, quindi per giustificare l'investimento per creare qualcosa di nuovo o migliorare un processo, hanno bisogno di prove esaustive e possono essere avversi al rischio di ingrandire una fabbrica.

Questo può rendere il concetto di "fabbrica in scatola" più attraente per le aziende. Un numero maggiore di imprese, soprattutto le PMI, possono adottare con fiducia un processo confezionato end-to-end in cui il software lavora con le attrezzature, utilizzando sensori e analisi per migliorare la produzione. L'aggiunta della funzionalità di gemello digitale, che consente agli ingegneri di provare un nuovo processo di produzione sotto forma di simulazione, rende la decisione meno rischiosa.

Un'altra area chiave di interesse per l'IA nel settore manifatturiero è la manutenzione predittiva. Ciò consente agli ingegneri di dotare i macchinari di fabbrica di modelli di intelligenza artificiale preaddestrati che incorporano le conoscenze cumulative di quell'attrezzatura. Sulla base dei dati provenienti dai macchinari, i modelli possono apprendere nuovi modelli di causa ed effetto scoperti in loco per prevenire i problemi.

L'intelligenza artificiale può avere un ruolo anche nell'ispezione della qualità, un processo che genera molti dati e che si presta naturalmente all'apprendimento automatico. Considera la produzione additiva: Una produzione genera fino a un terabyte di dati su come la macchina ha prodotto il pezzo, sulle condizioni in loco e su qualsiasi problema scoperto durante la produzione. Questa mole di dati è troppo grande perché le persone possano analizzarla facilmente, ma i sistemi di intelligenza artificiale possono farlo. Ciò che funziona per gli strumenti additivi può facilmente funzionare per la produzione sottrattiva, la fusione, lo stampaggio a iniezione e una vasta gamma di altri processi produttivi.

Quando si aggiungono tecnologie complementari come la realtà virtuale (VR) e la realtà aumentata (AR), le soluzioni di IA riducono i tempi di progettazione e ottimizzano i processi delle catene di montaggio. Alcuni lavoratori sono già stati dotati di sistemi VR/AR che consentono loro di visualizzare il processo di assemblaggio, fornendo una guida visiva per migliorare la velocità e la precisione del loro lavoro. L'operatore potrebbe avere degli occhiali AR che proiettano diagrammi che spiegano come assemblare i pezzi. Il sistema può monitorare il lavoro e offrire suggerimenti all'operatore: Hai girato abbastanza questa chiave, non l'hai girata abbastanza o non hai premuto il grilletto.

Le grandi aziende e le PMI hanno aree di interesse diverse per l'adozione dell'IA. Le PMI tendono a produrre molti pezzi, mentre le aziende più grandi spesso assemblano molti pezzi provenienti da altre parti. Ci sono delle eccezioni: le aziende automobilistiche eseguono molte saldature a punti del telaio, ma acquistano e assemblano altre parti come cuscinetti e componenti in plastica.

Per quanto riguarda i pezzi stessi, una tendenza emergente è l'uso di componenti intelligenti: pezzi con sensori incorporati che monitorano le loro condizioni, lo stress e così via. Questa idea è particolarmente provocatoria per la produzione di automobili, in quanto questi fattori dipendono più dal modo in cui l'auto viene guidata che dal numero di chilometri percorsi; se viene guidata ogni giorno su molte buche, probabilmente sarà necessaria una maggiore manutenzione.

Un componente intelligente può notificare al produttore che ha raggiunto la fine del suo ciclo di vita o che deve essere ispezionato. Piuttosto che monitorare questi dati all'esterno, il componente stesso si confronterà di tanto in tanto con i sistemi di intelligenza artificiale per segnalare lo stato normale fino a quando il componente inizierà a richiedere attenzione. Questo approccio riduce il volume del traffico di dati all'interno del sistema, che su larga scala può diventare un freno significativo alle prestazioni dell'elaborazione analitica.

L'opportunità più grande e immediata per l'intelligenza artificiale di aggiungere valore è la produzione additiva. I processi additivi sono l'obiettivo principale perché i loro prodotti sono più costosi e di volume ridotto. In futuro, con la crescita e la maturazione dell'uomo, l'IA diventerà probabilmente importante in tutta la catena del valore manifatturiero.

Questo articolo è stato aggiornato. È stato pubblicato originariamente nel gennaio 2021.