L'uso pratico dell'AI

Il dibattito è ancora aperto: l’IA ci ruberà il lavoro? La verità è che le nuove applicazioni di intelligenza artificiale possono aiutare le imprese a ottimizzare i processi produttivi e ad abilitare nuovi modelli di business. Ne abbiamo parlato con Gianbattista Schieppati, Neosperience VP, che ci ha presentato casi concreti in ambito manifatturiero. Tenendo presente alcune accortezze come, per esempio, che i tassi di miglioramento dello strumento sembrano decrescenti, in quanto migliorare le attuali versioni potrebbe costare moltissimo (forse troppo) e non solo in termini energetici. Basti pensare che ChatGPT3 ha utilizzato un training dataset 78 volte maggiore di quello di ChatGPT2 e ChatGPT4 uno 571 volte quello di Chat- GPT3, pur mostrando importanti limiti nei casi d’uso. Il che si tradurrebbe in un data set di decine di migliaia di TB per passare a una prossima versione (Will Lockett – AI is hitting a hard ceiling it can’t pass).

di Daniele Bettini

MAGAZINE

05 set 2024

La capacità delle tecnologie, specialmente di quelle basate sull’intelligenza artificiale, è quella di riconoscere, interpretare e aiutare le persone che operano nel contesto dell’azienda. L’empatia che utilizza l’intelligenza
artificiale serve per espandere la capacità di rispondere alle esigenze del cliente e consente di anticiparne i comportamenti per migliorare l’offerta. L’empatia è anche un modo per approcciarsi ai progetti di intelligenza artificiale, creando sistemi e conoscenze che si inseriscano nell’azienda, senza sostituire, ma migliorando funzioni, ruoli, processi e prodotti.

Ma quali sono i contesti in cui l’IA può essere utilizzata con successo in ambito manifatturiero? Quali sono i nuovi ambiti di applicazione e quali gli sviluppi futuri che vedete?

Questo progetto nasce per offrire alle aziende risposte competenti a esigenze di conformità normativa che possono riguardare diversi ambiti dei processi di produzione quali validazione progettuale e di prototipi, qualifica di materiali
e componenti in ingresso, qualifica di processi produttivi, collaudo prodotti finiti, analisi delle cause di guasto, verifiche su sistemi e impianti in utilizzo.
Il tema della conformità normativa è sempre più strettamente connesso a competitività e performance delle imprese, anche a livello internazionale. Le prove industriali sempre più spesso incrociano tematiche di sostenibilità dal
momento che le aziende – per obblighi di legge, esigenze di business ed esportazioni o in risposta a trend di mercato – sono indotte a innovare, adottando materiali più attuali e nuove soluzioni e dunque ad avere necessità di test nuovi e diversi. Un altro ambito è la gestione del rifiuto, il comparto
del waste e l’economia circolare, comune a molti settori, in primis quello del food.

«Fin dalla sua nascita nel lontano 1971, OMECO ha accompagnato e spesso anticipato lo sviluppo dell’industria meccanica in Italia e all’estero» a parlare è Paolo Gianoglio, amministratore delegato della società «Negli ultimi anni l’accelerazione tecnologica ci ha portato a occuparci progressivamente e in modo sempre più ampio di nuovi ambiti e metodologie. Abbiamo inoltre affiancato le imprese nello sviluppo di prodotti per i quali abbiamo testato materiali e processi grazie ai nostri strumenti sofisticati e alle nostre competenze in innovazione che includono. Ad esempio, l’additive manufacturing e l’utilizzo di nuovi vettori energetici quali l’idrogeno, ma anche i più recenti sviluppi che riguardano il nucleare di IV generazione

L’IA è una tecnologia accessibile anche per le PMI? E quali sono i modelli di business connessi?

«È accessibile anche per le piccole e medie imprese» conferma il VP di Neosperience «e ci sono diversi modelli di business che possono essere implementati per sfruttarne i vantaggi. Grazie alla crescente disponibilità di strumenti e piattaforme di IA come servizio (AIaaS), le PMI possono ora accedere a tecnologie avanzate senza necessariamente investire in costose infrastrutture IT o in competenze specialistiche.

Esistono due approcci fondamentali. Il primo approccio, applicabile per ogni PMI, comprese quelle che hanno prodotti a basso valore aggiunto, è quello di utilizzare l’IA per migliorare il processo interno, velocizzare le azioni, ridurre i costi, aumentare le efficienze. Un approccio teso a ottimizzare quanto l’azienda già fa ma che, sfruttando capacità di ragionamento e di “imitazione” dell’intelligenza dei sistemi, consente di avere esperti digitali in ogni azione che le persone dell’azienda effettuano.

L’impatto è anche sui servizi forniti: ad esempio consentire ai clienti di configurare i loro prodotti senza coinvolgere personale interno dell’azienda. Oppure, avere un sistema digitale in grado di comprendere la richiesta di offerta e di convertirla in specifiche tecniche in poco tempo, consente di alzare il livello di servizio. Il secondo approccio è quello della individuazione di nuovi modelli di business.

Inoltre utilizzando l’IA per analizzare dati complessi provenienti dai prodotti (ad esempio, sensori IoT integrati nelle macchine), le PMI possono offrire servizi di manutenzione predittiva. Questo non solo aiuta a prevenire guasti inaspettati, ma permette anche di pianificare gli interventi di manutenzione in momenti ottimali, riducendo i tempi di inattività e i costi per il cliente.

L’IA può analizzare i dati di utilizzo del cliente per personalizzare i servizi offerti, adattandoli alle specifiche necessità. Per esempio, una PMI che produce apparecchiature di fitness potrebbe usare l’IA per fornire consigli personalizzati ull’uso dei dispositivi, programmi di allenamento su misura, o addirittura suggerimenti per il benessere basati sull’analisi dei dati di performance dell’utente. L’integrazione dell’IA con sistemi IoT, inoltre, consente il monitoraggio in tempo reale delle condizioni di un prodotto.
Le analisi predittive possono identificare potenziali problemi prima che si verifichino, migliorando la qualità del servizio e la soddisfazione del cliente. Questo è particolarmente utile in settori come quello manifatturiero, dove l’efficienza operativa è critica».

È anche possibile la creazione di nuovi modelli di prezzo?

«Con l’IA, le PMI possono introdurre modelli di pricing dinamici basati sull’utilizzo, dove i clienti pagano in base al valore effettivamente percepito e ricevuto. Questo modello può essere particolarmente attraente in mercati competitivi, permettendo alle PMI di adattarsi meglio alle fluttuazioni della domanda e alle esigenze specifiche del cliente».

Le realtà che fanno macchine utensili/manifatturiere dicono che sia molto difficile fare analisi predittiva su larga scala perché ogni macchina in realtà è diversa dalle altre semplicemente per il contesto in cui è inserita, per i settaggi che ha, e che in pratica la predittività si riduce alla costruzione di intorni generi

«L’IA sta cambiando l’approccio stesso alla predizione del comportamento delle macchine. Innanzitutto è fondamentale creare modelli che si istanziano su ogni macchina, con algoritmi di re-training efficaci. Ad esempio, per un
nostro cliente abbiamo creato un unico modello in grado di apprendere differentemente per ogni macchina i consumi corretti di olio. Macchine dello stesso tipo consumano olio in modo differente in base all’età: il modello è in grado di individuare le soglie e il loro cambiare nel tempo. Abbiamo però anche scoperto che non è più sufficiente concentrarsi solo sui dati delle macchine: l’integrazione dei dati di processo con i dati della macchina consente di fare predizioni più reali.

Nelle nostre esperienze esistono molti dati “esterni” alle macchine che devono essere integrati per creare predizioni efficaci. Parliamo di variabili del PLC e allarmi delle macchine, ma anche le note delle manutenzioni effettuate sulla singola macchina e, soprattutto, l’analisi dei processi organizzativi che ruotano intorno alla macchina (ordini prodotti, fasi, operatori). Diventa agevole, ad esempio, predire i lead time reali delle stazioni di lavoro, comprendendo
quindi non solo il comportamento delle macchine, ma anche delle persone intorno alla macchina». Prosegue sempre Schieppati «Le nostre piattaforme nascono con l’obiettivo di analizzare correlazioni tra dati di sorgenti differenti, in progetti digitali che danno uguale importanza alla IA, all’integrazione dei sistemi, all’analisi e pulizia dei dati, e alla user interface che viene fornita al
personale aziendale. Progetti che richiedono competenze specializzate e un approccio collaborativo tra i produttori di macchine, gli operatori e gli esperti di analisi dati, di system integration e di user interface».

Come si inseriscono i LLM in un contesto manifatturiero, quali applicazioni pensate che potrebbero avere?

«L’IA sta cambiando l’approccio stesso alla predizione del comportamento delle macchine. Innanzitutto è fondamentale creare modelli che si istanziano su ogni macchina, con algoritmi di re-training efficaci. Ad esempio, per un
nostro cliente abbiamo creato un unico modello in grado di apprendere differentemente per ogni macchina i consumi corretti di olio. Macchine dello stesso tipo consumano olio in modo differente in base all’età: il modello è in grado di individuare le soglie e il loro cambiare nel tempo. Abbiamo però anche scoperto che non è più sufficiente concentrarsi solo sui dati delle macchine: l’integrazione dei dati di processo con i dati della macchina consente di fare predizioni più reali.

Nelle nostre esperienze esistono molti dati “esterni” alle macchine che devono essere integrati per creare predizioni efficaci. Parliamo di variabili del PLC e allarmi delle macchine, ma anche le note delle manutenzioni effettuate sulla singola macchina e, soprattutto, l’analisi dei processi organizzativi che ruotano intorno alla macchina (ordini prodotti, fasi, operatori). Diventa agevole, ad esempio, predire i lead time reali delle stazioni di lavoro, comprendendo
quindi non solo il comportamento delle macchine, ma anche delle persone intorno alla macchina». Prosegue sempre Schieppati «Le nostre piattaforme nascono con l’obiettivo di analizzare correlazioni tra dati di sorgenti differenti, in progetti digitali che danno uguale importanza alla IA, all’integrazione dei sistemi, all’analisi e pulizia dei dati, e alla user interface che viene fornita al
personale aziendale. Progetti che richiedono competenze specializzate e un approccio collaborativo tra i produttori di macchine, gli operatori e gli esperti di analisi dati, di system integration e di user interface».

Come si inseriscono i LLM in un contesto manifatturiero, quali applicazioni pensate che potrebbero avere?

«L’IA sta cambiando l’approccio stesso alla predizione del comportamento delle macchine. Innanzitutto è fondamentale creare modelli che si istanziano su ogni macchina, con algoritmi di re-training efficaci. Ad esempio, per un
nostro cliente abbiamo creato un unico modello in grado di apprendere differentemente per ogni macchina i consumi corretti di olio. Macchine dello stesso tipo consumano olio in modo differente in base all’età: il modello è in grado di individuare le soglie e il loro cambiare nel tempo. Abbiamo però anche scoperto che non è più sufficiente concentrarsi solo sui dati delle macchine: l’integrazione dei dati di processo con i dati della macchina consente di fare predizioni più reali.

Nelle nostre esperienze esistono molti dati “esterni” alle macchine che devono essere integrati per creare predizioni efficaci. Parliamo di variabili del PLC e allarmi delle macchine, ma anche le note delle manutenzioni effettuate sulla singola macchina e, soprattutto, l’analisi dei processi organizzativi che ruotano intorno alla macchina (ordini prodotti, fasi, operatori). Diventa agevole, ad esempio, predire i lead time reali delle stazioni di lavoro, comprendendo
quindi non solo il comportamento delle macchine, ma anche delle persone intorno alla macchina». Prosegue sempre Schieppati «Le nostre piattaforme nascono con l’obiettivo di analizzare correlazioni tra dati di sorgenti differenti, in progetti digitali che danno uguale importanza alla IA, all’integrazione dei sistemi, all’analisi e pulizia dei dati, e alla user interface che viene fornita al
personale aziendale. Progetti che richiedono competenze specializzate e un approccio collaborativo tra i produttori di macchine, gli operatori e gli esperti di analisi dati, di system integration e di user interface».

interni, da giorni a pochi secondi, garantendo una produzione efficace e conforme alle esigenze espresse. Stiamo ampliando e rafforzando il concetto di basi di conoscenza intelligenti. Ciò comporta la realizzazione di progetti digitali capaci di aggregare e analizzare tutte le fonti informative disponibili all’interno dell’azienda. Questi sistemi non solo integrano e comprendono i dati, ma li rendono anche immediatamente accessibili attraverso interfacce
utente di tipo conversazionale. Questo approccio migliora notevolmente l’efficienza e l’interattività delle operazioni aziendali, potenziando le capacità decisionali e la velocità di risposta».

Alcune applicazioni pratiche:

Assistenza e formazione

I LLM possono essere utilizzati per sviluppare sistemi di assistenza virtuale che guidano gli operatori durante complesse procedure. Attraverso l’interazione in linguaggio naturale, i lavoratori possono ricevere risposte istantanee a domande tecniche, suggerimenti su come risolvere problemi
specifici o assistenza passo-passo durante l’esecuzione di compiti complicati.

Ottimizzazione dei processi di progettazione e offertazione

I LLM possono analizzare grandi quantità di documentazione e consentono di analizzare capitolati tecnici anche complessi per estrarre le specifiche tecniche utili per la costificazione e offertazione. L’integrazione con i sistemi esperti consentirà di creare offerte quasi in automatico.

Supporto decisionale

I LLM possono assistere i manager nel processo decisionale fornendo analisi complesse in formato facilmente comprensibile, basate su un’ampia gamma di dati aziendali e di mercato. Integrazione con Sistemi ERP e CRM
Utilizzando LLM, le aziende manifatturiere possono
migliorare l’efficienza dei loro sistemi ERP (Enterprise
Resource Planning) e CRM (Customer Relationship Management)
attraverso una migliore analisi

Integrazione con Sistemi ERP e CRM
Utilizzando LLM, le aziende manifatturiere possono migliorare l’efficienza dei loro sistemi ERP (Enterprise Resource Planning) e CRM (Customer Relationship Management) attraverso una migliore analisi dei dati e interfacciamento più naturale e intuitivo.

Quali sono i casi più significativi che vi vedono protagonisti?

È possibile fare una descrizione dettagliata di quattro casi di utilizzo di intelligenza artificiale in diverse aziende:

Azienda di produzione Macchine di Sollevamento
Un’azienda specializzata in macchine di sollevamento ha implementato un sistema di intelligenza artificiale per migliorare l’efficienza nella gestione delle commesse. Questo sistema utilizza i sistemi esperti per configurare, dimensionare e costificare carriponte. Sono sistemi molto complessi
le cui tempistiche di progettazione e offertazione sono passate da giorni a qualche minuto.

Configuratore di prodotto di sistemi per la trasmissione del gas
L’IA può essere utilizzata per creare digital twin dei sistemi di gestione della pressione nei sistemi di distribuzione del gas, un sistema in grado di simulare il comportamento del prodotto, date le condizioni ambientali e le necessità
del cliente, consentendo la creazione di una UIX speciale per scegliere, dimensionare e poi configurare il prodotto migliore per le esigenze del cliente, con tanto di creazione della scheda tecnica di funzionamento.

Computer Vision per il Controllo Qualità
Alisea, impegnata nel controllo qualità, ha implementato un sistema di computer vision basato su IA per migliorare l’ispezione dei prodotti. Questo sistema utilizza telecamere ad alta risoluzione e algoritmi avanzati di visione artificiale per esaminare i prodotti durante la produzione. L’IA analizza le immagini per identificare difetti, discrepanze o imperfezioni, garantendo che solo i prodotti che soddisfano gli standard di qualità elevati lascino la linea di produzione. Questa tecnologia non solo aumenta la precisione del controllo qualità, ma riduce anche i costi e i tempi associati al controllo manuale, garantendo una coerenza senza precedenti in tutto il processo produttivo.

Knowledge Base intelligente
Un sistema di raccolta, catalogazione e monitoraggio della letteratura scientifica brevettuale e non brevettuale. L’IA viene impiegata per leggere, riassumere e catalogare i contenuti, individuando il livello di interesse. Un’ interfaccia di interazione Chat Like consente di diffondere con facilità
conoscenze a tutto il gruppo R&S delle aziende.