Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#News
{{{sourceTextContent.title}}}
L'apprendimento automatico porta i processi industriali a un nuovo livello
{{{sourceTextContent.subTitle}}}
Oggi l'apprendimento automatico e le tecnologie di intelligenza artificiale stanno aiutando a risolvere alcuni dei più grandi problemi che le aziende devono affrontare in tutto lo spettro industriale
{{{sourceTextContent.description}}}
Aumentare l'efficienza e la produzione in settori quali la manutenzione predittiva e la riparazione, il rilevamento dei difetti e l'ottimizzazione delle catene di fornitura, stanno iniziando ad avere un impatto anche sui sistemi automatizzati.
In un mondo sempre più digitalizzato e ipercollegato, quasi ogni azienda genera e raccoglie dati. Algoritmi sempre più sofisticati di machine learning (ML) possono analizzare questi dati per fare previsioni e perfezionare i processi. In combinazione con altre tecnologie avanzate come l'internet degli oggetti, questo sta aiutando i produttori a prendere piede nell'odierna rivoluzione dell'industria 4.0.
AI è uno dei momenti clou della Hannover Messe di quest'anno. Per Marc Siemering, Senior Vice President - Industry, Energy, Logistics, Logistics for trade show organizer Deutsche Messe AG,
La connettività è fondamentale per i nuovi modelli di business, come il numero crescente di persone che beneficiano ora dell'applicazione di ML e AI.
Sistemi intelligenti
Molti degli algoritmi ML in fase di sviluppo sono iterativi. "Apprendimento" a velocità superveloci, possono regolare i sistemi e fornire soluzioni ottimali in pochi secondi.
Mindsphere è un sistema operativo IoT aperto basato su cloud, abilitato all'AI, rilasciato all'inizio di quest'anno da Siemens. Offre vantaggi che vanno dalla manutenzione predittiva avanzata all'ottimizzazione in tempo reale di sistemi e strutture. Per Paul Hingley, Data Services Business Manager di Siemens Digital Factory UK,
Collegando prodotti, impianti, sistemi e macchine, Mindsphere consente agli utenti di analizzare la ricchezza di dati generati dall'internet degli oggetti con analisi intelligenti, aumentando così l'efficacia complessiva delle apparecchiature.
Mindsphere può essere utilizzato anche su sistemi più vecchi collegando sensori e nodi di comunicazione a motori e sistemi di trasmissione. È stato impiegato in settori diversificati come le reti elettriche (per classificare e localizzare le interruzioni) e i parchi eolici (per ottimizzare la posizione delle turbine in base ai dati meteorologici).
Avanzamento dell'automazione
ML e AI sono già stati applicati in applicazioni industriali che vanno dal riconoscimento vocale fino alla gestione dell'energia. Nella robotica ML è attualmente impiegato in due aree principali: ottimizzare le prestazioni e migliorare l'affidabilità e consentire ai robot di rilevare e rispondere all'ambiente circostante.
Un esempio di quest'ultimo è il sistema Ability Connected Services del produttore di robot ABB. Questo utilizza analisi avanzate basate su cloud-based per esaminare le prestazioni di singoli robot o di interi cluster di robot e identificare quelli che sono sottoperformanti o che richiedono manutenzione.
Spiega il Dr. Hui Zhang, responsabile del product management di ABB Robotics:
Questo aiuta i clienti ad evitare i costi elevati dei fermi linea non pianificati. Per tutta la durata di vita di un robot questo può significare risparmi significativi.
Oggi molti bracci di robot sono vincolati ad un campo di movimento molto limitato. In futuro ML aiuterà a sviluppare algoritmi di controllo del movimento per compiti complessi e più variegati.
In combinazione con il cloud computing, gli algoritmi sono in grado di eseguire calcoli molto complessi. Eppure non abbiamo ancora un motore generico ML in grado di risolvere i problemi allo stesso modo del cervello umano.
Da Cloud a Cobot
Per la maggior parte dei sistemi ML e AI per l'industria sono basati sul cloud. Tuttavia, la startup di San Francisco Skymind sta ora lavorando per incorporare ML direttamente nei robot.
L'anno scorso l'azienda ha rilasciato SKIL Somatic, un toolkit software che permette ai robot di riconoscere visivamente il loro ambiente utilizzando un tipo di ML noto come rete neurale convoluzionale, o CNN. Questo si combina con una tecnica chiamata apprendimento del rinforzo, che utilizza l'IA per consentire al robot di svolgere compiti specifici attraverso prove ed errori in un ambiente simulato.
SKIL Somatic opera per la prima volta nel cloud, dove i dati raccolti dai robot vengono utilizzati per generare algoritmi di ML. Questi sono poi automaticamente incorporati di nuovo nei robot. Questo significa che i cobot più intelligenti (robot collaborativi) possono lavorare insieme agli esseri umani in modo più sicuro ed efficace.
Edward Junprung, responsabile marketing di Skymind:
Stiamo aiutando un numero crescente di aziende a produrre IA.
Il software di Skymind è open source, il che significa che gli sviluppatori hanno già iniziato a integrare gli strumenti ML dell'azienda in dispositivi robotici come i droni. L'azienda ha anche collaborato con il gigante tecnologico giapponese SoftBank per aumentare l'intelligenza di robot industriali relativamente "stupidi", come quelli utilizzati per il prelievo in magazzino.
{{medias[114541].description}}