“Come tecnologa, comprendo come l’intelligenza artificiale e la quarta rivoluzione industriale avranno un impatto su ogni aspetto della vita delle persone”
(Fei-Fei Li, co-direttrice dello Stanford Institute for Human-Centered
Artificial Intelligence e dello Stanford Vision and Learning Lab)
Nello scorso post di questo blog abbiamo descritto le differenze tra Intelligenza Artificiale, Machine Learning e Deep Learning in questo invece troverai un approfondimento su come queste tre discipline possano essere correntemente adottate in ambito industriale, indicando i possibili ambiti applicativi osservabili in futuro.
Il passato (prossimo): l’AI come supporto decisionale
Tra le prime e più tipiche applicazioni dell’Intelligenza Artificiale in ambito industriale vi è sicuramente la sua integrazione all’interno di strumenti di ERP (Enterprise Resource Planning), EAM (Enterprise Asset Management) e SCM (Supply Chain Management).
A partire dalla fine degli anni ‘90 sono stati, infatti, messi a punto vari algoritmi di Intelligenza Artificiale e di Machine Learning per poter migliorare pianificazione, gestione e valutazione dei processi industriali e della logistica, con la possibilità di un’ulteriore integrazione di questi algoritmi in plance di Business Intelligence per il supporto al decision-making a tutti i livelli.
Gli algoritmi di AI sono inoltre frequentemente integrati in sistemi di CRM (Customer Relationship Management) per analizzare comportamenti e bisogni tipici della propria clientela, con lo scopo di ottenere previsioni relative alle possibili vendite di un nuovo prodotto, ottimizzare le strategie di vendita per le varie categorie di clienti, stimare il customer churn (ossia tasso d’abbandono percentuale dei clienti) entro un certo lasso di tempo in futuro, eccetera.
Il presente: l’AI nell’Industria 4.0
Dal 2010 in poi algoritmi di Intelligenza Artificiale e (in particolare) di Machine Learning e Deep Learning sono stati applicati sempre più frequentemente come mezzo per l’evoluzione dei processi industriali, diventando una delle forze motrici della cosiddetta “Quarta Rivoluzione Industriale”.
I campi d’applicazione più tipici di tali algoritmi sono il controllo automatizzato della qualità di un prodotto, la manutenzione predittiva dei macchinari industriali, il loro l’utilizzo congiunto con un Digital Twin e come strumento per lo sviluppo di Operator Guidance Systems .
Nell’ambito del controllo qualità è possibile applicare algoritmi di Deep Learning per identificare in modo automatizzato difetti e crepe sulla superficie di un semilavorato che non sarebbero altrimenti visibili all’occhio umano, velocizzando e automatizzando il processo di identificazione di anomalie nel corso del ciclo produttivo.
La manutenzione predittiva consiste, invece, nello sviluppo di algoritmi di Machine – Deep Learning capaci di prevedere il guasto di un macchinario prima che avvenga, allo scopo di far diminuire il numero degli interventi di riparazione a favore di quelli di manutenzione, tipicamente più brevi e meno costosi.
Molto utilizzati sono anche i Digital Twin (DT, “Gemelli Digitali”), simulazioni digitali di prodotti, sistemi, macchinari e/o processi reali.
AI e Digital Twin godono di una relazione reciprocamente vantaggiosa: gli algoritmi aziendali di intelligenza artificiale possono beneficiare dalla mole di dati sintetici prodotti dal gemello digitale per affinare il proprio addestramento e per ottenere dati relativi a scenari d’uso e/o produttivi difficilmente riproducibili con il macchinario/ processo/prodotto simulato.
Allo stesso tempo i DT traggono beneficio dagli algoritmi di Intelligenza Artificiale in quanto tali algoritmi possono rivelarsi necessari per modellare alcuni aspetti del gemello digitale, aiutando i progettisti a valutare le possibili alternative nel design del digital twin e velocizzandone le tempistiche di sviluppo.
Il termine Operator Guidance System (OGS, “Sistemi di guida dell’operatore”) racchiude tutti i sistemi pensati per supportare le mansioni svolte da un operatore.
Tipicamente gli OGS monitorano in tempo reale le attività di un operatore, assistendolo nel corso delle sue attività al fine di prevenire e correggere possibili errori tramite opportuni avvisi e spiegazioni.
Gli OGS sono potenti strumenti nel processo di standardizzazione della produzione industriale, permettendo di uniformare la qualità dei semilavorati e di migliorare l’efficienza produttiva.
La frontiera: l’AI in un futuro non troppo lontano
Il mondo dell’Intelligenza Artificiale è in continua evoluzione, permettendo la scoperta di applicazioni industriali sempre nuove e differenti per gli algoritmi di AI, Machine Learning e Deep Learning.
Sicuramente nei prossimi anni assisteremo a uno sforzo concreto per migliorare l’efficienza di soluzioni basate su AI già esistenti ma che necessitano ancora di miglioramenti per permetterne l’adozione al grande pubblico. Degli esempi sono i sistemi intelligenti per la guida autonoma e quelli per la traduzione simultanea di scritto e parlato.
Il fronte più avveniristico nella ricerca in ambito AI è quello fondato sull’individuazione e integrazione di algoritmi di Intelligenza Artificiale, Machine Learning e Deep Learning per il Quantum Computing e per il Metaverso. Il Quantum Machine Learning (QML) è il ramo di ricerca volto a integrare algoritmi di Machine Learning preesistenti e a idearne di nuovi per il loro utilizzo in computer di tipo quantistico.
Il QML, come dal resto il Quantum Computing, è ancora in fase embrionale e la ricerca in tale ambito è prevalentemente di tipo teorico; nonostante ciò, il QML offre delle prospettive esaltanti, promettendo algoritmi di apprendimento più precisi ed efficienti di quelli “classici” attualmente disponibili.
Il Metaverso si pone come l’evoluzione naturale di Internet, portandolo dall’ambiente bidimensionale delle pagine web allo spazio tridimensionale delle “meta-stanze” in cui gli utenti possono interagire liberamente.
L’utilizzo da parte delle aziende di un proprio Metaverso, da utilizzare per esempio per effettuare riunioni a distanza o per presentare una nuova linea di prodotti in tutto il mondo in modo simultaneo, ha aperto l’accesso a una nuova categoria di dati da analizzare mediante algoritmi di Machine e Deep Learning.
Conclusioni
In questo articolo abbiamo visto alcune delle applicazioni dell’AI in ambito industriale, partendo da quelle più classiche fino ad arrivare agli scenari applicativi futuri, mentre nel prossimo discuteremo con un grado di dettaglio maggiore le possibili applicazioni dell’Intelligenza Artificiale per il Metaverso, argomento appena sfiorato in questo post.