DODICESIMO ARTICOLO DI UN VIAGGIO SULL’IMPATTO DELL’IA SUL BUSINESS. NELLE PRECEDENTI TAPPE ABBIAMO RACCONTATO LA VISIONE DI MICROSOFT, SAS, GOOGLE, AUTODESK, SAP, IMPRESOFT, ORACLE, LENOVO, IBM, SALESFORCE E PORINI.
Algoritmi per migliorare la performance di un robot o di una macchina utensile, per la manutenzione predittiva, per il controllo di qualità e l’efficienza energetica. E anche algorigmi servo-tuning per la “ease of use”, per far eseguire in autonomia il settaggio dei parametri, ottimizzando le performance degli assi macchina. L’intelligenza artificiale può ormai essere integrata in tutta l’offerta Fanuc, nella robotica, nel mondo del controllo numerico e nelle macchine utensili, un installato globale che ha ormai raggiunto più di un milione di robot, oltre 5 milioni sistemi Cnc e 300.000 centri di lavoro RoboDrill.
Quale il futuro dell’intelligenza artificiale? «La via maestra è quella del machine e deep learning, dell’IA tradizionale. Per quanto riguarda la new wave dell’IA generativa la roadmap ne prevede invece l’uso per funzioni diagnostiche, per il service, per risolvere problemi che derivano da un allarme, con algoritmi che forniranno agli operatori informazioni contestualizzate alla specifica lavorazione», afferma Marco Bianchi, technical manager ed esperto di intelligenza artificiale di Fanuc Italia. Nei piani futuri anche la possibilità di rendere disponibile un’operatività vocale: servirà a semplificare l’utilizzo di robot senza che vi sia bisogno di avere in fabbrica e in officina personale con competenze ultra-qualificate.
Insomma, in linea teorica, se oggi disponiamo di robot industriali e collaborativi che vedono e sentono (vibrazioni, temperature o altro) un domani potremmo avere macchine che comunicano in linguaggio naturale. «L’interazione vocale rappresenta un’area di ricerca e sviluppo promettente con il potenziale di rivoluzionare l’interfaccia uomo-macchina – dice Bianchi -. Ma per utilizzarla in ambiente industriale dovranno essere superate tutta una serie di limitazioni. Non dimentichiamo che sono oggetti che devono lavorare in spazi spesso rumorosi e caotici, il che può rendere estremamente difficile il riconoscimento vocale». Generative AI o meno, è bene partire da una considerazione di fondo: l’intelligenza artificiale ha già raggiunto un potenziale applicativo altissimo che va ancora pienamente assimilato e valorizzato. «Attraverso l’acquisizione dati in logica Industrial Iot l’IA aiuta i robot a percepire e comprendere meglio l’ambiente circostante, racconta Bianchi. Grazie a tecniche di visione artificiale i robot possono prendere decisioni in tempo reale nella più completa autonomia. E in base alle informazioni raccolte, e alla loro capacità di ragionamento e apprendimento automatico, possono modificare la traiettoria dei movimenti in base alle caratteristiche del prodotto da realizzare».
Tra gli algoritmi di nuova generazione il Thermal Displacement Compensation (Tdc), che in ambito macchina utensile consente di eseguire una compensazione termica real time sul pezzo in lavorazione, un comportamento auto adattativo per avere pezzi con la qualità prefissata al variare della temperatura. O ancora, AI Box Locator, l’algoritmo per la depallettizzazione a supporto dei robot che prelevano i prodotti dal pallet per poi posizionarli su un nastro trasportatore o in un’altra posizione specifica.
Come dice Bianchi, «l’intelligenza artificiale sta rivoluzionando il settore logistico e uno dei campi di applicazione più promettenti è la localizzazione di scatole per monitorare e rilevare la posizione di colli e pacchi in tempo reale». Ecco il viaggio all’interno dell’intelligenza artificiale made in Fanuc e i possibili use case nell’ambito dell’intralogistica, nei processi di lavorazione e nella manutenzione predittiva.
Non aspettate l’AI generativa: machine e deep learning possono già oggi creare un vero valore competitivo
Nei confronti dell’intelligenza artificiale c’è tanto interesse ma non c’è nulla che si improvvisa. Ecco, quindi, che in questo contesto, Fanuc non agisce come puro fornitore, ma come un vero e proprio partner con un ruolo consulenziale. Come dice Bianchi, «affianchiamo i clienti in fase progettuale, studiamo insieme la corretta configurazione e sensorizzazione di macchina. Per sfruttare l’intelligenza artificiale in modo che possa dare un reale ritorno dell’investimento, occorre essere molto pragmatici e sapere vedere le opportunità nel loro giusto contesto».
Insomma, ci sono già oggi grandi potenzialità che possono tradursi in un vantaggio competitivo senza dover attendere che si concretizzi la promessa dell’IA generativa. Ci sono aziende che non prendono decisioni importanti nel timore che qualsiasi decisione presa si rivelerà sbagliata poiché si vanno convincendo che l’IA generativa cambierà tutto.
Un ragionamento controproduttivo: quando le aspettative sono così alte, la disillusione è spesso dietro l’angolo. E comunque, mai credere che le soluzioni si creino per magia. «Tutti corrono e dicono di volere l’intelligenza artificiale, ma bisogna sempre calare le cose nel contesto specifico. Ogni azienda deve identificare cosa vuole fare e sapere individuare i partner per mettere a fattor comune competenze e tecnologie abilitanti. La manutenzione predittiva non si crea per magia, è importante avere una grande raccolta dati, che magari dura anni, su macchine e lavorazioni diverse per poi fare lavorare i vari modelli su specifici data set e infine selezionare quelli più efficaci e importanti da portare in produzione. Basti pensare che gli algoritmi che abbiamo sviluppato, oggi diventati dei brevetti, hanno avuto un tempo di incubazione di circa due anni prima di essere rilasciati sul mercato», afferma Bianchi.
Efficienza energetica, capacità di autoapprendere per una produzione ottimizzata e per facilitare la vita degli operatori
Repetita iuvant: le logiche di machine learning rendono il processo ottimale grazie a un apprendimento automatico, con algoritmi che individuano il perfect match dei parametri di lavorazione per produrre il pezzo in linea con gli obiettivi di qualità desiderati. Come dice Bianchi, «algoritmi di intelligenza artificiale semplificano la programmazione dei robot e migliorano l’efficienza della macchina, riducendo i consumi energetici». Come dire, l’intelligenza artificiale ottimizza processi e aggiunge valore: è la tecnologia disruptive, che le aziende devono capire in che modo declinare correttamente. «La facilità di programmazione con cui si addestrano i robot semplifica e velocizza la produzione o assemblaggio dei diversi lotti, dice Bianchi. I robot traducono dati in informazioni perché il braccio possa compiere un movimento da un punto ad un altro, considerando tutte le possibili variabili. Così come si devono formare le persone, così avviene con i robot, la cui logica di apprendimento è funzione degli algoritmi di machine learning: tanto più questi ultimi sono intelligenti tanto più i robot sono capaci di svolgere nel modo più efficiente, preciso e veloce, tutte le attività per cui sono stati ingaggiati».
Cobot + amr. Lavoro collaborativo con amr per linee di produzione con stazioni multiple
Nel Fanuc Experience Center 5.0, presso il quartier generale italiano di Fanuc a Lainate, è stata realizzata una linea di produzione interamente connessa in 5G all’interno della quale si muove un cobot montato su un amr. Grazie all’intelligenza artificiale è in grado di spostarsi evitando gli ostacoli (decide da solo in che modo farlo), e può quindi lavorare a contatto con l’uomo. Utilizzando sistemi di visione a bordo macchina si posiziona millimetricamente nel punto esatto in cui il cobot deve trovarsi per lavorare sulla macchina. «L’amr è istruito sul percorso, nel senso che sa quali sono le aree dove può e non può andare. Può muoversi liberamente, è in grado di decidere che percorso fare, per esempio evitando ostacoli, grazie a un algoritmo di intelligenza artificiale, racconta Bianchi. Sa anche quali sono le stazioni in cui si deve fermare, che nel caso specifico sono quattro: due macchine utensili, una marcatrice laser, un deposito». Per riassumere, il cobot comunica con l’amr dando il comando di fermarsi alla stazione in cui deve effettuare il lavoro, e quando ha terminato l’operazione si sposta verso il punto di lavoro successivo.
L’intelligenza artificiale incontra la robotica a supporto dei processi industriali: la nuova applicazione Fanuc sviluppata con IndexLab (spin-off PoliMI)
Un esempio di robotica supportata dall’intelligenza artificiale è la nuova applicazione sviluppata insieme a IndexLab, laboratorio di ricerca italiano nel campo del design e dell’innovazione e spin-off del Politecnico di Milano. La soluzione, progettata per inserirsi nel contesto della produzione industriale nel mercato dell’architettura e del design di interni, è basata su un robot per eseguire complesse operazioni. L’IA è in grado di interpretare informazioni acquisite sotto forma di pattern e texture, elaborarle rapidamente e tradurle in un linguaggio comprensibile ai robot. Il risultato è un processo di produzione avanzato, in cui i robot Fanuc riproducono i pattern di input attraverso lavorazioni di taglio a caldo. «Si tratta di un importante passo avanti nel panorama dell’automazione, in un mercato creativo e all’avanguardia come quello dell’architettura e del design di interni. Un esempio di come il combinato disposto di intelligenza artificiale e robotica riesca a ottimizzare l’efficienza e la precisione nei processi industriali», dice Bianchi
Manutenzione predittiva, monitoraggio IoT di macchine e robot e cambio preventivo di olio e cavi
I robot Fanuc possono essere monitorati attraverso piattaforme software IoT alla stessa stregua con cui si controlla il funzionamento di un qualsiasi asset di una linea produttiva. Acquisizione, elaborazione e analisi dati, supportata da algoritmi di intelligenza artificiale, consentono di fare manutenzione predittiva. Tutte le informazioni vengono rese disponibili su dashboard operatore per avere una visibilità completa sulle singole macchine. Un esempio, per quanto riguarda i robot, è il monitoraggio dei lubrificanti. In un robot industriale viene mediamente sostituito ogni 11 mila ore di servizio, ma potrebbe arrivare fino alle 20 mila ore. Tutto è funzione della temperatura: se aumenta sopra i 40 gradi il tempo di vita del lubrificante diminuisce, fino a dimezzarsi se si raggiungono i 60 gradi. Ecco, quindi l’importanza di un software Industrial IoT capace di suggerire la tempistica migliore per effettuare il cambio. Ma vi sono anche applicazioni sviluppate da terzi. Quelle di manutenzione predittiva dei cavi che sono posti sul braccio del robot o sulla catena portacavo, per esempio. L’obiettivo? Evitare che lo stress meccanico cui è sottoposto il cavo, tipicamente dovuto a torsioni o piegamenti, su un braccio di un robot o in catena portacavo, ne comprometta il funzionamento.
