Dalla pianificazione della supply chain alla gestione automatizzata del magazzino. Dall’energy management alla energy management. Dalle macchine utensili alla manutenzione predittiva. Sono molteplici e di grande impatto sul business le possibili applicazioni dell’Intelligenza Artificiale nella produzione. Le ha studiate il World Manufacturing Forum, mettendole in evidenza in un paper intitolato Il manifatturiero nell’era dell’intelligenza artificiale, diffuso al termine dell’edizione 2020 della manifestazione, e che si può scaricare qui. Industria Italiana ha voluto andarle a leggere e divulgarle, con l’obiettivo di realizzare una guida pratica per imprenditori, chief information officer e chief technoloy offer, plant manager e responsabili del purchasing.
«L’intelligenza artificiale è l’ultima delle tecnologie arrivate a maturazione, e se vogliamo è talmente spinta come applicazioni e potenzialità che non è ancora per tutti. Infatti ci sono tante imprese italiane, piccole e medie, che hanno ancora bisogno di completare quella transizione verso il 4.0 implementando altre tecnologie che sono più fondamentali dell’IA, ma che sono altrettanto determinanti per fare quel salto di produttività di cui le aziende italiane hanno bisogno», spiega Marco Taisch – professore ordinario di Advanced & Sustainable Manufacturing del Politecnico di Milano e scientific chairman del World Manufacturing Foundation, nonché presidente del Competence Center MADE – lo stato dell’arte dell’intelligenza artificiale e il suo utilizzo all’interno delle imprese del nostro Paese. Un utilizzo che, soprattutto nel caso delle PMI (che costituiscono il tessuto economico della Penisola), non ha ancora raggiunto il suo apice. Questo perché molto spesso le realtà più piccole non hanno ottenuto la maturità digitale, portando a termine il percorso verso il 4.0.
E allora che cosa c’è di meglio che una guida pratica, la prima nel suo genere, che aiuti le imprese di ogni dimensione ad adottare nel modo più efficiente possibile l’IA?
Tre possibili livelli di applicazione dell’IA nella manifattura individuati nello studio: digital supply network (dns), factory shop floor (stabilimento di produzione) e machine tools (macchine utensili).
L’impiego dell’IA nell’industria porta infatti a diversi vantaggi, sia dal punto di vista organizzativo che da quello economico, tra cui: pianificazione della produzione, gestione ottimale del magazzino con conseguente miglioramento del comparto logistico, progettazione automatizzata, sviluppo di nuovi prodotti e servizi, efficientamento energetico. Senza contare che l’uso dell’IA in ambito manifatturiero permette di avere un maggiore controllo del plant tramite manutenzione preventiva e predittiva, con grande risparmio di tempo, risorse e costi.
«In primis – commenta Taisch – bisogna connettere le macchine tramite piattaforme di IoT. Quindi occorre creare dei sistemi di monitoraggio in tempo reale per poter visualizzare i dati prodotti a bordo macchina su un pc, su un tabet, su uno smartwatch: è questo il passaggio che oggi, credo, farebbe fare un salto quantico al sistema italiano. Perché in questo modo il tecnico può intervenire in real-time conducendo il macchinario a quella produttività che diversamente è difficile da ricavare».
Il secondo passo avviene quando le macchine vengono connesse, iniziando così a generare dati che devono poter essere immagazzinati, ad esempio in cloud, e successivamente analizzati. Questo permette di fare delle diagnosi e capire che cosa è successo e come intervenire: perché una macchina si è fermata, ad esempio, o perché è scesa la produttività. Chiaramente tutte queste analisi richiedono delle competenze.
«Nel caso delle skill il problema è duplice: da una parte occorre farsi installare questi sistemi da professionisti esterni all’azienda, ma dall’altra il problema è interno – evidenzia Taisch- Tutti questi dati che ho monitorato e immagazzinato come li uso? Sono in grado di esaminarli per aumentare la mia produttività? Per questo motivo gli imprenditori non devono investire solo in tecnologie, ma anche in formazione. Fortunatamente oggi il tema delle competenze, del reskilling e dell’upskilling del personale, è parte integrante delle strategie aziendali. Senza dimenticare che, al riguardo, ci sono benefici fiscali legati al Piano Transizione 4.0, che è in fase di discussione per il 2021, che prevedranno una serie di incentivi sulla formazione».
Ed ecco la guida pratica.
Primo livello di funzionamento della produzione con IA, la supply chain: digital supply network (Dsn), gestione intelligente del magazzino, progettazione automatizzata, servizi connessi
DSN, DIGITAL SUPPLY NETWORK
I Dsn (Digital Supply Network) letteralmente rete digitale di fornitura, stabiliscono un collegamento digitale attraverso canali fisici e digitali, tra informazioni, beni e servizi in modo potente. Interconnettendo così produttori, fornitori e clienti in un’unica rete, coprendo tutta l’attività di organizzazione della produzione, con una riduzione dei costi amministrativi delle operazioni dal 25% fino al 40%. L’integrazione, l’ambito e le dimensioni del Dsn variano notevolmente in base all’azienda e al settore e le diverse applicazioni di IA (pianificazione sincronizzata, realizzazione, fornitura intelligente, fabbriche intelligenti) vengono utilizzate insieme per offrire più vantaggi come la resilienza, l’agilità, il rischio ridotto e la flessibilità.
Grazie all’interconnessione è possibile fare previsioni sulla domanda e sulla relativa pianificazione sincronizzata all’interno delle reti di fornitura. La previsione è un fattore essenziale per consentire una pianificazione della produzione affidabile. Le applicazioni di intelligenza artificiale si concentrano sull’identificazione di modelli in grandi dataset per prevedere quale sarà la domanda in modo più preciso possibile, potendo così pianificare al meglio produzione, fornitori e logistica fino addirittura alle scorte giornaliere di determinati prodotti in negozi individuali. I miglioramenti previsti sono significativi secondo McKinsey, che stima un possibile 50% di riduzione degli errori di previsione della catena di approvvigionamento tramite l’IA, che si traduce direttamente in migliori risultati di business.
GESTIONE AUTOMATIZZATA DEL MAGAZZINO
La gestione automatizzata del magazzino è un altro aspetto. Infatti, qui e nei centri logistici automatizzati le applicazioni di IA sono abituate a identificare il posto migliore per conservare i prodotti al massimo della reattività, efficienza e sicurezza a seconda dell’obiettivo, risparmiando così tempo e denaro. Viste le dimensioni e il volume gestito da molti magazzini moderni per prodotti finiti, parti o materiali di consumo, gli operatori senza supporto dell’intelligenza artificiale non sarebbero in grado di svolgere efficacemente le operazioni. E le applicazioni di IA, nel frattempo, continuano a imparare e quindi a migliorare nel tempo, creando un “magazzino di apprendimento” più dinamico, agile e reattivo. Insieme all’artificial intelligence è possibile abilitare tecnologie come veicoli a guida automatica (agv) e soluzioni di realtà aumentata (ar).
PROGETTAZIONE AUTOMATIZZATA
La terza area è quella che riguarda la progettazione automatizzata e lo sviluppo di nuovi prodotti e/o servizi. I consumatori di oggi sempre più spesso richiedono prodotti customizzati: questo spesso si traduce in un nuovo processo di fabbricazione. Le applicazioni di IA possono fornire le capacità necessarie per scalare tale personalizzazione, automatizzando molte attività per aziende e designer evitando di produrre in surplus e risparmiando così risorse. Un esempio è l’ottimizzazione della progettazione basata sull’intelligenza artificiale inclusa in molte piattaforme cad: l’algoritmo di IA supporta il progettista riuscendo a ottimizzare l’obiettivo di progettazione per creare automaticamente nuovi prodotti basati su diversi input. In futuro – viene spiegato nel report – le varianti potranno essere adattate automaticamente in base ai nuovi requisiti degli strumenti basati sull’IA, che apprenderanno dalla cronologia decisioni progettuali di progettisti umani. «Se, ad esempio, io faccio vedere tanti rubinetti a un algoritmo di IA – spiega Taisch – quello che farà sarà imparare a progettare il rubinetto. A questo punto io, cambiando pochi parametri, posso creare molti progetti di rubinetti in maniera più veloce di quella che farebbe un qualunque bravo progettista. In questa generazione è chiaro che ci saranno forme belle e meno belle, scarto quelle meno belle e affino così l’algoritmo».
le aziende stanno ora implementando la tecnologia AI all’interno dei propri modelli di business a un ritmo modesto, ma costante. Queste Tecnologie AI utilizzate nelle applicazioni di produzione includono machine learning, deep learning, linguaggio naturale elaborazione, visione artificiale, ragionamento automatico e IA forte (ovvero una forma teorica di intelligenza artificiale che è uguale all’intelligenza umana)
SERVIZI CONNESSI
I servizi connessi sono il quarto e ultimo aspetto. Le applicazioni di IA sono in grado di eseguire automaticamente monitoraggio, raggruppamento e previsione dell’uso di macchinari e prodotti. Questa capacità è il fondamento dell’offerta manufacturing as a service (MaaS) e altri servizi correlati (anything as a service, XaaS). I product service systems (Pss) sono un esempio di come l’intelligenza artificiale venga utilizzata per offrire un valore aggiunto consentendo l’apprendimento continuo e un miglioramento del sistema. Un esempio è quello di Kone, società fondata nel 1910 e specializzata nella fabbricazione e manutenzione di ascensori, scale mobili e altri sistemi di trasporto guidati, che offre servizi connessi 24 ore su 24, 7 giorni su 7 che utilizzano l’Ia per migliorare la previsione della probabilità di guasti e esigenze di servizio. Grazie a queste informazioni sulla domanda futura, i loro clienti sono in grado di migliorare l’affidabilità e il tempo di attività delle apparecchiature Kone e fornire così un’assistenza al cliente notevolmente migliorata, ottimizzando l’efficienza e l’efficacia delle proprie operazioni di servizio.
Secondo livello di funzionamento della produzione con IA, factory shop floor: gestione energetica e previsione della domanda
L’intelligenza artificiale può essere utilizzata per monitorare, valutare, prevedere e migliorare l’energia e l’efficienza energetica a livello di impianto o di linea in una produzione. L’Ia consente, infatti, di ricavare insight rilevanti per ridurre l’impatto energetico complessivo della struttura: le analisi e la previsione del consumo possono essere ricavati dai dati forniti da una serie diversificata di risorse di produzione (come ad esempio i centri di fresatura), attrezzature di supporto (agv), e altri (riscaldamento/raffreddamento). Un altro aspetto è la riduzione stimata del 30% dei tassi di scarto attraverso l’uso dell’Ia che ha un impatto diretto sull’energia utilizzata nella produzione.
C’è poi il tema della previsione della domanda: l’Ia consente di fondere dati storici con quelli in tempo reale e quindi prevedere il tempo di produzione in modo più preciso, aggiornando quindi la pianificazione. Ciò migliora il time-to-market, la qualità e il costo delle scorte e l’eventuale risparmio sullo stoccaggio e di un eventuale magazzino fisico.
Terzo livello di funzionamento della produzione con IA, macchine utensili: adattamento a materiali e condizioni di lavoro, manutenzione predittiva
Grazie all’Ia le macchine utensili possono adattarsi ai diversi materiali e alle diverse condizioni di taglio e all’usura. E si puo condurre una efficace manutenzione predittiva. Ad esempio le moderne Cnc sono dotate di sensori che forniscono dati da inserire negli algoritmi di apprendimento dell’Ia per prevedere in modo affidabile usura, condizioni e prestazioni del macchinario. In questo modo si evitano problemi di qualità del prodotto, alti consumi energetici ed eventi catastrofici come la rottura della macchina stessa.
Infine, ma non meno importante, le applicazioni di Ia hanno un impatto sull’efficacia complessiva delle apparecchiature (Oee) e sull’efficienza energetica delle macchine utensili. L’utilizzo dell’Ia guidata dai dati per monitorare i macchinari in modo olistico si è dimostrato molto efficace, con una diminuzione fino al 28% del consumo energetico complessivo.
Best practices della World Manufacturing Foundation
La World Manufacturing Foundation, nata nel 2018 per volontà di Confindustria Lombardia, Politecnico di Milano, Ims con il support di regione Lombardia e Commissione Europea, si avvale del contributo di 150 esperti (per il piano strategico 2020- 2025) da ogni parte del mondo, che hanno inviato le proprie opinioni, contribuendo a delineare le azioni e le best practices per affrontare le sfide dei cambiamenti in atto nel settore manifatturiero.
Ogni anno la Fondazione individua dieci raccomandazioni relative al focus dello studio: quelle del 2020 hanno come obiettivo un’adozione etica e affidabile dell’intelligenza artificiale nella produzione industriale. Il primo punto consiste nell’alimentare il dibattito pubblico per aumentare la comprensione e costruire la fiducia nei confronti dei sistemi di intelligenza artificiale. Il secondo riguarda la gestione delle aspettative dei produttori sulla capacità dell’Ia. Il terzo step riguarda l’implementazione di riflessioni etiche nell’intero ciclo di vita dell’Ia, mentre il quarto la garanzia della qualità, della privacy e della disponibilità dei dati. Mettere gli esseri umani al centro degli ambienti di lavoro Ia è la quinta raccomandazione, mentre la sesta è assicurare l’allineamento strategico dell’intelligenza artificiale in tutta l’organizzazione. Il settimo punto consiste nel sostenere le pmi manifatturiere nel loro percorso verso l’Ia, l’ottavo nel promuovere l’intelligenza artificiale per supportare reti di fornitura resilienti. Infine, la nona raccomandazione riguarda l’educazione e la formazione della forza lavoro attuale e futura per lavorare con l’Ia, e la decima concerne nell’implementare standard, politiche e regolamenti per guidare un’adozione sostenibile dell’artificial intelligence.
«Quando si usa una nuova tecnologia è facile che prevalga l’entusiasmo per cui si pensa che sarà una panacea e risolverà tutti i problemi – mette in guardia Taisch – Poi, utilizzandola, si comprendono i limiti e arriva la fase della disillusione per cui quella tecnologia viene momentaneamente accantonata. Adesso con l’intelligenza artificiale siamo nella fase dell’eccessivo entusiasmo, quindi il nostro invito è un invito alla cautela. Chiedetevi: dove può risolvere problemi? Dove io ho grosse moli di dati, perché questa è la condizione necessaria per addestrare un algoritmo di Ia. Ma ci vogliono chiaramente delle capacità per capire dove applicarla al meglio».
