PR_434
interessanti, che mirano a innovare l’interfacccia uomo-macchina, utiliz- zando il linguaggio naturale come strumento per interpellare un centro di lavoro e richiedere statistiche sulla produttività e sui volumi realizzati. Spostandoci dal settore dei costrut- tori di macchine, il quadro applica- tivo si amplia ulteriormente: l’azien- da bresciana Gnutti Carlo, attiva nel settore automotive, sta lavorando a una applicazione di AI che, addestrata grazie all’interazione con l’operatore, sia in grado non solo di riconoscere se un pezzo ha una morfologia ano- mala, ma di valutare se questa sia di natura funzionale o solo estetica, per cui il pezzo possa essere comunque considerato ammissibile. “Un altro caso molto interessante che abbiamo studiato - continua Miragliotta - face- va infine uso di una videocamera in fase di smontaggio o montaggio di un prodotto, potendo riconoscere il prodotto stesso e quindi suggerire i componenti corretti della distinta ba- se da incorporare. In tutti i casi citati, parliamo di algoritmi che apprendo- no da soli, imparano e migliorano a mano a mano che lavorano a fianco dell’operatore”. Capacità decisionale da istruire Attualmente di AI si parla moltissimo, ma è doveroso fare chiarezza su cosa oggi debba veramente intendersi per AI, come spiega Miragliotta facendo una triplice distinzione. Da un certo punto di vista, alcune metodologie che rientrano sotto la famiglia della Una tecnologia non già pronta out- of-the-box, ma un progetto aperto e in continua evoluzione. L’Intelligenza Artificiale è la frontiera delle meto- dologie di apprendimento che oggi conta già molte applicazioni concrete tra i costruttori di macchine. Occorre però fare chiarezza su cosa oggi si debba intendere come AI, ovvero sistemi intelligenti che non si limitano alla ottimizzazione di processo ma che imparano a prendere decisioni in autonomia, grazie soprattutto al feedback quotidiano dato dagli ope- ratori. Giovanni Miragliotta, direttore dell’Osservatorio AI del Politecnico di Milano, spiega quali sono le aree su cui le aziende devono lavorare per garantire il successo di un proget- to di AI nell’industria manifatturiera, raccomandando in particolare alle a- ziende di costruire un nuovo modello organizzativo che veda sempre più gli uomini impegnati a far migliorare gli algoritmi, e su cui occorre pianificare degli investimenti non meno che sui dati, sui metodi e sulle competenze. AI nelle macchine utensili Nella rilevazione dell’ultima survey stilata dall’Osservatorio AI del Po- litecnico di Milano, che ogni anno saggia lo stato del mercato della AI in Italia, l’ambito che conta il maggior numero di applicazioni è il dominio dell’intelligent data processing, all’in- terno della famiglia dei metodi di apprendimento. Inoltre, più del 25% delle aziende italiane attive nella AI appartiene al comparto manifattu- riero, con una forte presenza anche dei costruttori di macchine e sistemi per produrre. “Industria di proces- so e automotive sono sempre state molto attente alla raccolta e gestio- ne dei dati, oltre che al controllo e alla presa di decisioni in automatico - spiega Giovanni Miragliotta -. La AI ha qui trovato un terreno fertile per gli investimenti, e le applicazioni più importanti in questa fase storica riguardano tutto il tema del data pro- cessing, con finalità di controllo di processo emiglioramento della quali- tà. Altro tema più complesso è quello dell’impiego di analytics per la ma- nutenzione predittiva, che per essere sfruttata pienamente richiede anche di lavorare su processi di contorno, come il forecasting della domanda e l’ottimizzazione della schedulazione della produzione”. Tra i costruttori di macchine sono quindi molte le realtà che hanno già realizzato applicazioni concrete di AI, con un focus stabile su progetti di stream analytics per fare previsioni su quando un certo com- ponente si potrà guastare. Iniziano però a vedersi applicazioni di AI più Giovanni Miragliotta è direttore dell’Osservatorio Intelligenza Artificiale del Politecnico di Milano. progettare 434 NOVEMBRE / DICEMBRE 2020 35
Made with FlippingBook
RkJQdWJsaXNoZXIy MTg0NzE=