Utilizzare strategie data driven significa basarsi sempre di più su algoritmi di intelligenza artificiale, anche per applicazioni industriali. Si inizia a parlare di AIoT, tecnologie IoT intelligenti grazie all’AI.

Come funzionano gli algoritmi di intelligenza artificiale e come utilizzarli per le applicazioni industriali? In che modo è possibile addestrare modelli in grado di supportare il processo di estrazione ed elaborazione dati nell’Industria 4.0? Abilitare algoritmi di AI on the Edge sui dispositivi di campo semplifica notevolmente la produzione di insights ed ottimizzazione della produzione.

Il punto di partenza è scegliere un’applicazione, uno scopo per il nostro modello: per esempio l’implementazione di tecnologie IoT per poi iniziare con la generazione di una base di dati solida su cui poter addestrare un modello. Vediamo come farlo con la Zerynth Industrial IoT & AI Platform!

Macchine intelligenti e pensanti

Oggi si parla sempre più di intelligenze artificiali generative, ma Alan Turing, considerato padre dell’intelligenza artificiale,  nel 1950 si chiedeva “Can machines think?” ossia “Le macchine possono pensare?”

Oggi è facile dare una risposta a questa domanda.

Se pensiamo semplicemente a Google Maps, ai consigli di acquisto di Amazon, alle sponsorizzazioni dei social network o agli assistenti vocali, la risposta non può che essere affermativa.

Tuttavia, molto spesso capita di vedere il fallimento di molti algoritmi che non sono in grado di imparare dal mondo circostante.

Questo avviene perché ci si focalizza sul mezzo e non sul problema da risolvere: ogni volta che si vuole utilizzare un algoritmo di intelligenza artificiale, soprattutto nell’industria, le domande fondamentali da porsi sono: quando e perché?

AI generated image of a robot reading

Immagine generata dall’intelligenza artificiale tramite un input testuale

L’intelligenza artificiale: quando e perchè

Quando?

La risposta è relativa al contesto temporale in cui si inserisce il progetto; ad oggi la totale digitalizzazione degli asset è ancora un traguardo lontano e ipotizzare l’utilizzo di algoritmi senza uno storico di dati è molto difficile, se non impossibile.

Perché?

In questo caso è necessario un ragionamento più ampio che presuppone sapere in primis cosa siano le tecniche di intelligenza artificiale.

Una definizione di Intelligenza Artificiale

Marco Somalvico, accademico italiano e specialista nel campo dell’intelligenza artificiale, indicava questa definizione:

L’intelligenza artificiale è una disciplina appartenente all’informatica che studia i fondamenti teorici, le metodologie e le tecniche che consentono la progettazione di sistemi hardware e sistemi di programmi software capaci di fornire all’elaboratore elettronico prestazioni che, a un osservatore comune, sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana

Le parole chiave di questa definizione sono “…sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana”: proprio come gli esseri umani infatti le macchine necessitano di un addestramento. Ma quindi, cosa succede quando l’intelligenza artificiale viene utilizzata per applicazioni industriali?

L’intelligenza artificiale nell’Industria 4.0

Anche le macchine hanno bisogno di dati per poter imparare a riconoscere quelli utili e poter produrre una reazione simile a quella umana.

Gli uomini  utilizzano le macchine per lavori logoranti, ma soprattutto ripetitivi, proprio perché le macchine vengono progettate con questo scopo.

Un processo ripetitivo non necessita una qualche intelligenza, per cui diventa inutile insegnare ad una macchina quello che già è programmata per fare; diventa invece vitale far riconoscere ad un asset determinate condizioni, conseguenza dei dati che utilizza, per fornire insight agli umani.

In questo modo si crea un collegamento tra i dati prodotti e le informazioni contenute in essi comprensibili all’uomo. In questo modo le decisioni che vengono prese sono data-driven e il know-how viene digitalizzato in maniera sistematica.

Chiari questi presupposti si può rispondere al perché si utilizzano tecniche di intelligenza artificiale: per risolvere un problema noto che possiede dei dati che non hanno una soluzione evidente.

Tutti i casi di successo hanno questi fattori in comune: risoluzione di un problema specifico con una soluzione semplice e veloce e disporre di una quantità elevata di dati precedentemente registrati.

AIoT: Intelligenza on the Edge

Con il progredire della tecnologia, diventa sempre più semplice generare dati dagli asset e interconnetterli su una rete comune. Questi due fattori comportano la crescita esponenziale del traffico che potrebbe portare al collasso delle reti aziendali. Per questo motivo, la decentralizzazione dell’intelligenza assume un’importanza strategica e funzionale ai fini di un progetto IoT.

Le tecnologie IoT sono considerate come tecnologie abilitanti supportate dall’intelligenza artificiale. L’enorme quantità di dati generata dai dispositivi connessi, infatti, se opportunamente analizzati permette di creare algoritmi e modelli specifici avanzati.

Architettura di un progetto di Intelligenza Artificiale

Ma cosa significa intraprendere un progetto di intelligenza artificiale (AI)? Per addestrare un algoritmo di continuous learning è fondamentale partire da una base di dati solida e strutturata. Come si comporta il mio macchinario? Quali sono le azioni ricorrenti da poter schematizzare in “regole” di comportamento?

Per la creazione di un nuovo modello di funzionamento, vengono presi come input i dati relativi al funzionamento macchina e, attraverso una previsione statistica o inferenza, viene testata l’ipotesi su una parte dei dati. Il processo si divide in due parti: addestramento dell’algoritmo su un set di dati (processo di training e validation) e testing del modello su dati nuovi (processo di test).

Questo secondo passaggio si conclude con il calcolo dell’errore di previsione, la verifica della domanda osservata e un feedback finale sulla performance del modello creato.

Figura 1. Funzionamento di un modello di Continuous Learning

Il nuovo modello è sempre in continuous learning: non smette mai di imparare dai dati generati. In questo modo migliora costantemente la sua performance in base al funzionamento della macchina.

Zerynth e l’intelligenza artificiale on the Edge per applicazioni industriali

Sono ancora troppo poche le imprese pienamente consapevoli dei benefici che processi di digitalizzazione completi riescono ad apportare alla produzione. E ancor meno conoscono i benefici dell’utilizzo dell’AI e delle tecnologie IoT.

Perché estrarre i dati dai propri macchinari? Comprendere il funzionamento, creare uno storico dei processi permette di compiere analisi di dati puntuali e arrivare a conclusioni inaspettate sul funzionamento delle proprie macchine. Nel tempo, infatti, grazie all’estrazione dei dati dai macchinari è possibile creare uno storico dei processi produttivi e, successivamente, anche addestrare algoritmi sofisticati di intelligenza artificiale per applicazioni industriali.

Il monitoraggio dei parametri macchina (ad esempio le temperature di utilizzo, gli assorbimenti di corrente ecc) permette di comprendere a pieno il processo di lavoro, renderlo più fluido, evitare fermo macchina o problemi durante le fasi di lavoro, fino alla creazione di algoritmi di intelligenza artificiale in grado di supportare le decisioni e strategie della propria impresa.

Se ti interessa approfondire l’argomento, leggi in che modo  grazie ad algoritmi di Intelligenza Artificiale (AI) e machine learning, le aziende possono adottare tecniche di manutenzione predittiva, intraprendendo un percorso completo di digitalizzazione 4.0.

Share This Story, Choose Your Platform!

About the Author: Ugo Scarpellini

Ugo lavora come IoT Application Engineer a Zerynth, è laureato in Ingegneria Meccanica ed ha un master in Data Science e Artificial Intelligence. I suoi interessi principali sono legati alle nuove tecnologie quali sviluppo di applicazioni AI, IIoT e low code. Nel tempo libero si dedica alle sue passioni, quali calisthenics, cucina e standup comedy.

Follow Zerynth on

Latest Posts