Intelligenza Artificiale Resiliente

2ndSCIN® è un rivestimento protettivo per robot e altri componenti di automazione, che imita la pelle umana. © Fraunhofer IPA, Foto: Rainer Bez

Un team di ricerca guidato da Brandon Sai (a destra nell'immagine) ha sviluppato uno strumento che identifica le cause delle perdite di produttività nelle linee di produzione collegate e consente una rapida risoluzione dei guasti. © Fraunhofer IPA, foto: Rainer Bez

Il Future Work Lab di Stoccarda ospita la più grande collezione di dimostratori in Germania, che mostrano come probabilmente sarà il lavoro produttivo del futuro. © Fraunhofer IPA, Foto: Rainer Bez

L'intelligenza artificiale (IA) ottimizza i processi e rende l'intera produzione più affidabile, flessibile e resiliente. Come funziona esattamente, lo mostrano ricercatrici e ricercatori dell'Istituto Fraunhofer IPA dal 12 al 16 aprile alla Hannover Messe, che quest'anno si svolge in forma virtuale.

Da quando è scoppiata la crisi del coronavirus, il termine «resilienza» è molto in voga. Originariamente proviene dalla scienza dei materiali e descrive la capacità di un corpo di riprendere la forma originale dopo una deformazione. Trasferito a intere società, economia, singole aziende o anche alle loro linee e impianti di produzione, la resilienza indica la capacità di superare periodi di crisi e interruzioni senza danni duraturi.

Come l'IA può rendere la produzione industriale più resiliente e ottimizzare i processi, lo mostrano alcuni espositori presentati da ricercatrici e ricercatori dell'Istituto Fraunhofer per la tecnologia di produzione e automazione IPA dal 12 al 16 aprile 2021 alla Hannover Messe, che quest'anno si svolge in forma virtuale.

Il nome è un programma: Massimizzare l'efficacia complessiva delle attrezzature

Un team di ricerca guidato da Brandon Sai del dipartimento di pianificazione delle fabbriche e gestione della produzione ha sviluppato uno strumento che riconosce le cause delle perdite di produttività negli impianti collegati e consente di eliminare rapidamente le interruzioni. Con «Massimizzare l'efficacia complessiva delle attrezzature» (MOEE), gli algoritmi implementati analizzano automaticamente il comportamento di un impianto e creano un modello di processo personalizzato. Vengono visualizzati e valutati i vari passaggi di un ciclo di produzione.

«Gli algoritmi calcolano, ad esempio, quali operazioni avvengono, quando e in quale ordine, e quanto tempo durano», spiega Sai. «Se i passaggi del processo non avvengono alla velocità desiderata e non sono ottimizzati tra loro, ciò indica qualcosa sulle prestazioni», chiarisce. Inoltre, gli algoritmi di autoapprendimento forniscono informazioni sulla qualità ottenuta. «Attraverso una combinazione di creazione automatica di modelli di processo e tecniche di apprendimento automatico, riconosciamo le perdite di produttività nel momento in cui si verificano, contribuendo così a eliminare rapidamente l'interruzione», conclude Sai.

Uno sguardo al futuro: il Future Work Lab

In modo simile, sono innovativi gli strumenti di acquisizione dati flessibili sviluppati da un team di ricerca del dipartimento di pianificazione delle fabbriche e gestione della produzione. Gli scienziati combinano un sistema modulare di sensori con algoritmi di IA per il riconoscimento dei processi, al fine di individuare automaticamente potenziali di ottimizzazione nella produzione. Questo è solo uno dei circa 50 dimostratori presentati da ricercatrici e ricercatori dell'Istituto Fraunhofer IPA e dell'adiacente Fraunhofer IAO nel Future Work Lab, un laboratorio condiviso.

«Nel Future Work Lab mostriamo le potenzialità dei sistemi di assistenza cognitivi e dei metodi partecipativi di implementazione per l'uso nei sistemi di produzione aziendali», afferma Simon Schumacher, responsabile del progetto Future Work Lab presso Fraunhofer IPA. Ora, la più grande collezione in Germania di dimostratori che mostrano come probabilmente sarà il lavoro di produzione del futuro, è visibile alla Hannover Messe.

Insieme forti: rete AI4DT

Un gemello digitale è una rappresentazione virtuale di macchine, prodotti o sistemi reali come fabbriche o organizzazioni, con le loro caratteristiche, stato e comportamento. Serve come modello di dati che un'intelligenza artificiale analizza, da cui trae conclusioni e suggerimenti operativi. Tuttavia, le piccole e medie imprese (PMI) affrontano notevoli sfide nella progettazione, applicazione e utilizzo dei gemelli digitali e dell'IA.

Per affrontare queste sfide insieme, nel gennaio 2021 la regione del Baden-Württemberg e la provincia di Noord-Brabant si sono unite nel Fieldlab olandese-tedesco «Artificial Intelligence for Digital Twins (AI4DT)». Questa rete di aziende, esperti di settore e fornitori di tecnologia mira a sviluppare, testare e implementare soluzioni industriali intelligenti. Il responsabile del progetto AI4DT è il professor Daniel Palm del Fraunhofer IPA, che lo presenterà alla Hannover Messe.

Abbigliamento su misura per robot: 2ndSCIN®

Non solo una produzione più autonoma e resiliente, ma anche una produzione ultrapulita sta diventando sempre più importante: «Dalla produzione di batterie alla biotecnologia — solo ambienti di produzione puliti consentono la tecnologia avanzata del futuro», afferma Udo Gommel, responsabile del dipartimento di produzione pura e microproduzione presso Fraunhofer IPA. Tuttavia, per molti produttori, la sterilizzazione di robot e altri componenti di automazione in ambienti controllati è un processo complicato, che richiede tempo e costi elevati.

Per questo, Gommel e i suoi colleghi hanno sviluppato 2ndSCIN®, un vero e proprio vestito su misura per robot. Questa copertura protettiva è composta da un tessuto multistrato, permeabile e mobile, che imita il funzionamento della pelle umana. A seconda dell'applicazione, possono sovrapporsi due o più strati, separati da distanziatori. Nei vuoti tra gli strati, può essere aspirata o espulsa aria. In questo modo, è possibile rimuovere particelle provenienti dall'ambiente o dal componente di automazione stesso. Gli strati tessili sono inoltre dotati di sensori che misurano continuamente parametri come quantità di particelle, pressione o umidità. Attraverso algoritmi di IA, questi dati possono essere analizzati e consentono di adottare strategie di manutenzione predittiva.