Mitsubishi Electric annuncia di aver sviluppato un’intelligenza artificiale per l’analisi comportamentale in grado di analizzare in pochi minuti il livello di efficienza delle attività manuali eseguite nei siti produttivi, senza necessità da parte degli operatori di preparare in anticipo i dati di addestramento AI. Ciò è possibile grazie all’impiego di uno specifico modello generativo probabilistico.
Questa ulteriore innovazione apportata alla linea Maisart dell’azienda (Mitsubishi Electric’s AI creates the State-of-the-ART in Technology) in ambito di AI permette di analizzare rapidamente i video di persone che svolgono mansioni e attività ripetitive. Mitsubishi Electric ritiene che si tratti in assoluto della prima applicazione al mondo di un modello generativo probabilistico in grado di modellare le azioni fisiche cicliche (ripetitive) eseguite durante il lavoro in fabbrica. I test condotti hanno dimostrato come questa tecnologia, annunciata per la prima volta dalla società il 13 febbraio 2019, possa ridurre fino al 99% il tempo normalmente richiesto per l’analisi del lavoro effettuato.
Caratteristiche e funzionalità. L’innovativa tecnologia sviluppata da Mitsubishi Electric utilizza un modello generativo probabilistico in grado di modellare il processo relativo alla generazione dei dati di forma d’onda relativi ai vari movimenti del corpo eseguiti ripetutamente durante lo svolgimento di attività specifiche. Mediante l’utilizzo di un video che mostra il modo in cui viene eseguito un determinato lavoro, viene rilevata la struttura scheletrica dell’operatore e i relativi movimenti fisici vengono registrati come dati di forma d’onda. L’AI per analisi comportamentale analizza i dati avvalendosi di un modello generativo probabilistico basato su movimenti corporei ripetitivi. L’AI identifica e analizza l’esecuzione di attività ripetitive, come ad esempio spostare un oggetto o serrare una vite, basandosi semplicemente sul tempo approssimativo necessario per eseguire una sola volta un certo tipo di attività. L’AI può anche identificare attività non ripetitive che differiscono da quelle ripetitive in termini di tempistiche o forma d’onda.
I risultati analitici così ottenuti si possono incorporare in un video riguardante il lavoro in fase di esecuzione. Ciò consente agli utenti di confermare ogni fase dell’attività, assegnando persino specifiche etichette, come ‘serraggio viti’. A differenza dell’AI attualmente utilizzata per l’analisi del lavoro, la nuova tecnologia elimina la necessità di creare dati per l’addestramento dell’intelligenza artificiale, riducendo fino al 99% il tempo complessivo necessario per analizzare il compito. Inoltre, la complessità computazionale notevolmente ridotta della tecnologia in questione elimina la necessità di computer ad alte prestazioni, come le unità di elaborazione grafica (GPU). Rispetto all’analisi manuale, il livello di accuratezza dell’ispezione risulta pari o superiore all’80% per il lavoro svolto da operatori non qualificati, mentre è pari o superiore al 90% per il lavoro eseguito da personale esperto.
La soluzione rappresenta un prezioso supporto per migliorare vari livelli di abilità in ambito lavorativo e trasferire in modo proficuo capacità e competenze. Uno degli scopi dell’analisi del lavoro consiste infatti nell’aiutare i nuovi lavoratori ad acquisire abilità e competenze. Tuttavia, al fine di analizzare le differenze tra il lavoro svolto dai nuovi assunti e quello effettuato da personale esperto, per l’AI attualmente esistente occorrono dati di addestramento relativi a ciascun individuo. Tali dati vanno preparati in anticipo: ciò può richiedere molto tempo e un notevole impegno.
La nuova tecnologia elimina la necessità di ricorrere ai dati di addestramento: l’analisi si rivela quindi rapida anche quando si osservano più lavoratori. Effettuando il debito confronto con i lavoratori esperti, l’AI può facilmente identificare le differenze che si manifestano, nell’intento di aiutare i nuovi lavoratori ad acquisire competenze avanzate. Tutto questo genera un innalzamento dei livelli di abilità in un breve periodo di tempo. Inoltre, la nuova tecnologia può selezionare e riprodurre gli esempi più rappresentativi di lavoro ripetitivo qualificato e non qualificato tramite un apposito video, consentendo ai nuovi assunti di cogliere agevolmente e rapidamente le differenze, in modo da accelerare l’apprendimento di competenze avanzate.
Infine, è possibile creare rapidamente i dati necessari per correggere i metodi di lavoro errati e mantenere in tal modo un elevato livello qualitativo della produzione. L’AI attualmente in uso per identificare anomalie nei metodi di lavoro richiede la preparazione di appositi dati, per addestrare l’intelligenza artificiale sul modo di confrontare il lavoro in esecuzione rispetto a metodi operativi corretti e standard. Tuttavia, i metodi di lavoro possono differire a seconda della specifica versione del prodotto realizzato o, in alcuni casi, in ragione della peculiarità del luogo di lavoro. Di conseguenza, si rivela spesso necessario modificare i dati di addestramento in base alle circostanze specifiche. Questo può far aumentare considerevolmente il tempo e l’impegno richiesti per la preparazione dei dati.
La nuova AI di Mitsubishi Electric crea i propri dati di addestramento semplicemente utilizzando i risultati dell’analisi del lavoro. Anche se vengono modificati i processi di produzione o le diverse versioni del prodotto realizzato, il rilevamento in tempo reale dei processi anomali si può realizzare rapidamente e con il minimo sforzo. Ciò contribuisce, in definitiva, a prevenire eventuali difetti di qualità nella produzione.
Nell’immediato futuro, Mitsubishi Electric condurrà ulteriori verifiche riguardo alla sua nuova AI presso siti di produzione sia interni che esterni, compresi gli impianti gestiti da Sysmex Corporation e Sumitomo Rubber Industries Co., Ltd., con il preciso obiettivo di lanciare un prodotto commerciale nel corso dell’anno fiscale che avrà termine nel mese di marzo 2026, o successivamente.