Intelligenza artificiale, ecco la Top 10 dei casi applicativi più diffusi
14/01/2020

IoT Analytics ha di recente pubblicato il proprio Industrial AI market report 2020-2025, che classifica una serie di applicazioni di intelligenza artificiale in 10 principali categorie, segnando il trend in un mercato globale della AI che nel 2019 si attesta sui 15 miliardi di dollari.

Al primo posto nelle applicazioni di AI compare dunque la Manutenzione predittiva, che nel 2018 valeva già oltre il 24% del mercato complessivo. La manutenzione predittiva impiega advanced analytics, come il machine learning, per determinare le condizioni di un singolo asset o di un insieme di strumentazioni. Lo scopo è prevedere quando sarà necessario un intervento di manutenzione, combinando le rilevazioni di una serie di sensori con eventualmente anche fonti esterne di dati. La previsione della vita utile residua (remaining useful life, RUL) di un asset impiegando machine learning supervisionato è la tecnica di manutenzione predittiva più comune.

Il report cita il caso Deutsche Bahn, gestore delle ferrovie tedesche, che sfrutta i dati degli scambi ferroviari per prevedere i guasti, riducendo in tal modo i ritardi imprevisti. Un secondo caso è quello di Nissan, che grazie dalla manutenzione predittiva dichiara di aver ridotto del 50% i fermi macchina non programmati, con un payback inferiore a tre mesi. L’azienda ha quindi ampliato la soluzione da 20 asset critici a centinaia, senza aumentare la mole di lavoro del team di manutenzione in loco.

Top-10-industrial-AI-use-cases

Il Controllo qualità è la seconda area di applicazione più importante della AI, con il 20,5% delle occorrenze. La sottocategoria più diffusa è qui quella che fa uso dell’ispezione ottica automatizzata. Questa impiega visione artificiale e telecamere per la scansione in automatico degli oggetti da controllare, per la rilevazione di difetti critici, quali la mancanza di un componente, o minori. Una volta avvenuto il riconoscimento delle immagini, tecniche di machine learning con supervisione sono le più impiegate per procedere alla classificazione delle immagini in classi di guasto. La riduzione dei costi è il principale beneficio, soprattutto per produzioni su larga scala dove la riduzione nei tempi di test e degli scarti può portare enorme risparmi.

L’indagine cita il caso di Bosch, che grazie all’implementazione dell’ispezione visiva nei propri impianti ha conseguito risparmi di 1,3 milioni di dollari, in virtù di una riduzione del 45% dei tempi totali di test. IoT Analytics fa inoltre riferimento al caso di un importante costruttore automotive tedesco, che sta introducendo un sistema per il controllo qualità che sfrutta il deep-learning. Il sistema è integrato direttamente nel processo finale di assemblaggio, eliminando la necessità di avere un’aera separata dedicata al testing in ambiente controllato.

La ricerca pone quindi al terzo posto il ricorso alla AI per l’Ottimizzazione dei processi produttivi, ad esempio mediante implementazione di macchine e robot autonomi. Questi asset autonomi possono riprodurre le mansioni ripetitive tradizionalmente svolte dagli operatori, con risparmio di costi. Posti all’interno della produzione, le macchine e i robot autonomi apprendono e aumentano la loro accuratezza tramite la ripetizione del task, spesso anche mediante il supporto di tecniche di apprendimento rinforzato. In questo modo un robot può istruire se stesso abbastanza rapidamente nell’esecuzione di un compito sotto la supervisione di un operatore. I cervelli di tali macchine e robot autonomi impiegano solitamente reti neurali.

Il caso citato è qui quello di ABB, che nel nuovo plant di Shanghai sta investendo 150 milioni di dollari per la realizzazione di una fabbrica robotizzata avanzata, automatizzata e flessibile, dove i robot fabbricheranno robot grazie a elementi autonomi e collaborativi, ottenuti grazie ad AI e digital twin.

L’ottimizzazione della supply chain si trova quindi al quarto posto delle applicazioni della AI, dove Analytics predittivi vengono impiegati per la gestione predittiva dell’inventario e l’ottimizzazione degli approvvigionamenti. Seguono quindi nella classifica le soluzioni di cybersecurity e privacy abilitate dalla AI, ad esempio per l’individuazione degli attacchi informatici, così come l’uso della AI per applicazioni di sorveglianza e sicurezza fisica, per la gestione dei dati automatizzata e per lo sviluppo di assistenti smart. Infine, chiudono la top 10 dei casi applicativi della AI la ricerca e sviluppo guidate dall’intelligenza artificiale e l’esplorazione automatizzata delle risorse, di particolare rilievo nel settore minerario e Oil & gas.

Ideato nel 2016 il Piano Nazionale Industria 4.0 negli anni ha seguito l’evolversi dell’implementazione nel nostro Paese delle tecnologie abilitanti,…