Smart Plant Machinery & Smart Products
Intelligenza Artificiale e Machine Learning ottimizzano i processi produttivi
News
Ottobre 26, 2022
Nell’industria manifatturiera identificare il set di parametri macchina migliore per ottenere il risultato desiderato si traduce spesso in un processo lungo e complesso. Gli operatori, infatti, utilizzano frequentemente un approccio basato su prove ed errori che li può portare a ottenere un risultato non necessariamente ottimale con un grande dispendio di tempo e risorse. Tale approccio risulta fortemente basato sull’esperienza del singolo operatore e richiede un continuo passaggio di informazioni per poter essere replicato. Inoltre, nel caso di processi dipendenti da variabili che cambiano nel tempo, quanto acquisito con l’esperienza può risultare inesatto e portare a risultati non ottimali.
“Un sistema di ottimizzazione del processo basato su algoritmi di Intelligenza Artificiale e Machine Learning – spiega Andrea Villa, Project Manager, Cefriel – è in grado di individuare il set di parametri utili per efficientare il processo sulla base di quello che è successo in passato e delle condizioni attuali”.
Quali i vantaggi nell’introdurre Intelligenza Artificiale in produzione?
Un sistema di Intelligenza Artificiale, grazie ai modelli di Machine Learning basati sullo storico del processo, è in grado di fornire all’operatore un set di parametri ottimizzati che consentono di risparmiare tempo nella fase di configurazione, migliorando la qualità del prodotto.
“Attraverso il modello di Machine Learning, un algoritmo di Intelligenza Artificiale è in grado di elaborare i dati provenienti in tempo reale dalle macchine ed effettuare delle previsioni sulle quali sarà basato il risultato finale. Così facendo, è possibile individuare possibili anomalie nel processo di produzione, intervenire prontamente ed evitare blocchi di produzione”, prosegue Andrea Villa.
Introdurre AI in produzione genera anche effetti positivi in termini di sostenibilità, grazie a una riduzione degli sprechi e alla possibilità di esplorare l’utilizzo di nuove tecniche o materiali riciclati.
“Attraverso il modello di Machine Learning, un algoritmo di Intelligenza Artificiale è in grado di elaborare i dati provenienti in tempo reale dalle macchine ed effettuare delle previsioni sulle quali sarà basato il risultato finale. Così facendo, è possibile individuare possibili anomalie nel processo di produzione, intervenire prontamente ed evitare blocchi di produzione”, prosegue Andrea Villa.
Introdurre AI in produzione genera anche effetti positivi in termini di sostenibilità, grazie a una riduzione degli sprechi e alla possibilità di esplorare l’utilizzo di nuove tecniche o materiali riciclati.
Come migliorare l’efficienza dei processi e la qualità dei prodotti?
“Cefriel – commenta Nadia Scandelli, responsabile practice Smart Factory di Cefriel – ha sviluppato un sistema di ottimizzazione del processo basato sulla integrazione e analisi di diverse fonti dati, che permette di rispondere a molteplici bisogni: dal determinare il set di parametri ottimale da fornire alla macchina per ottenere un prodotto che risponda a parametri di qualità predefiniti, al comprendere, in corso di produzione, quale risultato aspettarsi al completamento del ciclo produttivo per decidere, di conseguenza, se agire sul processo o riqualificare il prodotto”.
Attraverso la raccolta e l’elaborazione dei dati di processo è possibile ottenere un set di conoscenze e interventi a supporto delle specifiche fasi ed attività che altrimenti resterebbero legate all’esperienza dell’operatore. “Si pensi, per esempio – dice Nadia Scandelli – alla possibilità di digitalizzare e strutturare la conoscenza di processo basata sull’esperienza: il sistema permette di condividere questa conoscenza, di oggettivarla e di farla crescere con il supporto dei dati. Le analisi sui dati permettono di esaminare il processo e valutare l’impatto dei cambiamenti. Attraverso lo storico del processo è possibile analizzare i diversi andamenti e individuare le cause di eventuali anomalie, oppure tramite lo sviluppo degli algoritmi è possibile identificare quali sono i fattori di maggior impatto sul processo”.
Ulteriori vantaggi sono legati all’opportunità di stabilizzare il processo: i modelli di Machine Learning possono individuare comportamenti inattesi ed essere continuamente aggiornati per far fronte alle nuove necessità.
Infine, in termini di sostenibilità ambientale, il sistema di ottimizzazione del processo produttivo consente di stimare nuovi parametri per ottimizzare il consumo energetico mantenendo la qualità richiesta.
Attraverso la raccolta e l’elaborazione dei dati di processo è possibile ottenere un set di conoscenze e interventi a supporto delle specifiche fasi ed attività che altrimenti resterebbero legate all’esperienza dell’operatore. “Si pensi, per esempio – dice Nadia Scandelli – alla possibilità di digitalizzare e strutturare la conoscenza di processo basata sull’esperienza: il sistema permette di condividere questa conoscenza, di oggettivarla e di farla crescere con il supporto dei dati. Le analisi sui dati permettono di esaminare il processo e valutare l’impatto dei cambiamenti. Attraverso lo storico del processo è possibile analizzare i diversi andamenti e individuare le cause di eventuali anomalie, oppure tramite lo sviluppo degli algoritmi è possibile identificare quali sono i fattori di maggior impatto sul processo”.
Ulteriori vantaggi sono legati all’opportunità di stabilizzare il processo: i modelli di Machine Learning possono individuare comportamenti inattesi ed essere continuamente aggiornati per far fronte alle nuove necessità.
Infine, in termini di sostenibilità ambientale, il sistema di ottimizzazione del processo produttivo consente di stimare nuovi parametri per ottimizzare il consumo energetico mantenendo la qualità richiesta.