Prof. Giambattista Gruosso
Orientarsi tra le applicazioni dell’intelligenza artificiale (IA) nel settore manifatturiero non è semplice, poiché queste sono spesso parte integrante di una strategia industriale più ampia.
Attualmente, le applicazioni più comuni dell’IA nel manifatturiero sono il controllo qualità e la manutenzione predittiva. Tuttavia, molte aziende utilizzano l’intelligenza artificiale anche nella produzione, nello sviluppo dei prodotti e, più in generale, nella gestione della catena di fornitura.
Prendiamo come esempio la manutenzione predittiva: in questo caso, i sistemi di IA monitorano i dati raccolti da numerosi macchinari e sottosistemi per individuare i primi segnali di un potenziale guasto. Contemporaneamente, sono in grado di decidere le azioni correttive più appropriate, suggerendo al tecnico di manutenzione i passi da seguire.
Nel controllo qualità, l’intelligenza artificiale è particolarmente efficace nell’analizzare informazioni visive automatizzate (raccolte da sistemi di visione artificiale) per rilevare difetti minimi che l’occhio umano potrebbe non notare. È anche in grado di distinguere difetti da caratteristiche specifiche del prodotto.
Alcune aziende, ad esempio, usano il riconoscimento automatico delle immagini per verificare la correttezza di un processo produttivo: in questi casi, l’applicazione di IA confronta la sequenza di produzione in corso con centinaia di immagini della stessa sequenza, assicurandosi che tutti i componenti siano montati correttamente.
L’intelligenza artificiale viene sempre più spesso impiegata anche nel processo di progettazione, soprattutto in combinazione con la stampa 3D. Si parla in questi casi di progettazione “generativa”: l’algoritmo di IA riceve obiettivi e parametri di progettazione, come materiali e vincoli di costo, e trova la soluzione ottimale esplorando migliaia di possibili combinazioni.
General Motors, per esempio ha utilizzato questo strumento di intelligenza artificiale per progettare una staffa per sedile stampata in 3D in un unico pezzo più leggero del 40% e più resistente del 20% rispetto al precedente.
Figura 1: utilizzando la progettazione generativa e la produzione additiva, GM ha potuto ottimizzare
la staffa di fissaggio di un sedile in un unico pezzo stampato in 3D.
(fonte https://www.autodesk.com/customer-stories/general-motors-generative-design)
Anche l’ambito logistico trova dei benefici enormi dall’applicazione delle tecniche di AI.
In questo casto si possono sfruttare le enormi quantità di dati raccolti dai processi logistici, permettendo di:
- Ottimizzare la pianificazione dei percorsi, minimizzando i tempi di consegna;
- Migliorare la gestione dell’inventario, riducendo gli sprechi;
- Automatizzare le attività ripetitive, consentendo ai dipendenti di concentrarsi su compiti strategici;
- Potenziare l’esperienza del cliente, semplificando il processo di consegna.
Una gestione della supply chain basata sull’IA offre ai produttori informazioni in tempo reale, consentendo alle fabbriche di ottimizzare la gestione delle scorte, ridurre i costi di stoccaggio e prevenire potenziali carenze di materiali.
DHL, fornitore globale di servizi logistici, per esempio, utilizza un software di pianificazione dei percorsi basato sull’IA per ottimizzare le spedizioni. Il sistema analizza tutti i punti di consegna su un percorso, assegnando loro una priorità in base all’urgenza, come le consegne mediche critiche o quelle programmate per le prime ore del mattino. Considera anche la distanza tra le fermate per creare l’itinerario più efficiente possibile. DHL sottolinea che l’intelligenza artificiale consente di effettuare consegne più rapide con un minor consumo di carburante, offrendo ai clienti finestre di consegna più precise.
