#automazione

dicembre 19, 2018

5 min per la lettura

Libertà di pensiero

Libertà di pensiero

Sappiamo con certezza che consentire alle persone di rompere la monotonia ed effettuare le proprie scelte serve ad aumentare il coinvolgimento e la motivazione. È possibile applicare un principio simile anche alle macchine.

Grazie all'apprendimento automatico, le macchine possono eseguire compiti precisi in modo ripetitivo, raccogliere dati e utilizzarli per prendere decisioni informate sull'operazione successiva senza la necessità di essere programmate. In questo modo, riescono a correggere qualsiasi errore e migliorare i propri parametri operativi. Esistono tre aree chiave in cui i produttori possono trarre vantaggio da questa tecnologia.

Manutenzione industriale

Secondo McKinsey, l'intelligenza artificiale permette di ridurre del 10% i costi di manutenzione, di diminuire fino al 20% i tempi di inattività e del 25% i costi di ispezione. L'apprendimento automatico gioca un ruolo significativo nell'impatto positivo generato dall'intelligenza artificiale.

Nella manutenzione predittiva tradizionale, gli ingegneri programmano le soglie per la normale operatività di un componente all'interno di un sistema di controllo di supervisione e acquisizione dei dati (SCADA). Quando un componente si discosta dalla normale operatività, il sistema avverte un ingegnere dell'eventualità di un guasto.

Il difetto di questo approccio è la scarsa flessibilità. Non prende in considerazione le variazioni nell'attività dell'impianto o il contesto dei processi manifatturieri. Ad esempio, un sistema può rilevare un improvviso aumento della temperatura d'esercizio di un componente interpretandolo come un guasto imminente quando invece tale aumento è dovuto alla sterilizzazione della macchina in corso.

La tecnologia di apprendimento automatico evita la necessità di programmare i sistemi di manutenzione predittiva con le normali soglie operative. I sistemi si avvalgono dei dati provenienti dall'officina di produzione e dai sistemi IT per monitorare gli schemi operativi e prendere decisioni informate in merito a quali attività sono normali e quali sono anormali. 

Controllo qualità

L'apprendimento può migliorare la garanzia di qualità (QA) in due modi fondamentali. Prima di tutto, consente ai robot di assemblaggio di monitorare e ottimizzare in modo continuo i loro processi. In secondo luogo, l'apprendimento automatico aumenta le capacità dei sistemi di visione artificiale. Analogamente alla manutenzione predittiva, i tradizionali sistemi di visione artificiale per la QA sono poco flessibili. Ad esempio, se un prodotto viene presentato al sistema in condizioni di illuminazione più bassa del solito, il sistema può rilevare un difetto di qualità.

I sistemi di visione artificiale dotati di capacità di apprendimento automatico usano algoritmi per ottimizzare la videocamera e le impostazioni di illuminazione in funzione dell'oggetto da ispezionare e dell'ambiente in cui operano. Possono anche rilevare e localizzare oggetti senza necessità dell'intervento dell'operatore.

Robot collaborativi

I robot collaborativi lavorano accanto alle persone e hanno raggiunto questo traguardo solo grazie alla tecnologia di apprendimento automatico. Poiché lavorano in un ambiente dinamico, devono essere in grado di adattarsi a un'ampia varietà di circostanze, dalle situazioni più semplici come qualcuno che blocca loro la strada, alle situazioni più complesse come l'introduzione di un nuovo apparecchio nell'officina di produzione.

Tale adattabilità è importante per assicurare velocità e standard elevati nell'esecuzione del lavoro nonché per garantire la sicurezza delle persone. Se eseguissero le stesse azioni in modo ripetitivo senza considerare l'ambiente circostante, i robot potrebbero causare lesioni alle persone.

Il sistema robotico DexNet 2.0 di Siemens dimostra il valore dell'apprendimento automatico negli stabilimenti manifatturieri. Per insegnare a un robot a raccogliere un oggetto senza farlo cadere occorre una programmazione complessa. Il sistema DexNet 2.0 si serve di sensori 3D e apprendimento automatico per elaborare le informazioni relative ad aspetto e forma di un oggetto quindi per decidere come raccoglierlo. Di conseguenza, il robot riesce a raccogliere anche oggetti che vede per la prima volta.

I produttori devono continuare a consentire alle persone di avere le proprie idee e decidere autonomamente. Devono tuttavia estendere tale libertà alle loro macchine per aumentare la produttività, la qualità del prodotto e l'efficienza totale dell'impianto.

Fortunatamente non vi occorre un sistema all'avanguardia per introdurre la tecnologia di apprendimento automatico nel vostro stabilimento manifatturiero. I sistemi più datati possono essere rimodernati con la tecnologia intelligente per aiutarvi a sfruttare al massimo le capacità che tale tecnologia offre.

[{ "site.code": "it", "general.cookie_message": "Questo sito web utilizza i cookie per essere sicuri di ottenere la migliore esperienza sul nostro sito.", "general.cookie_learnmore": "Ulteriori informazioni", "general.cookie_dismiss": "Fatto!" }]