Digital supply network, factory shop floor e machine tools: sono questi i livelli di applicazione dell’IA nella manifattura individuati nello studio. Che permettono, insieme alla meccatronica, di aumentare la produttività e risparmiare tempo e costi. Ma come si fa a implementarli in azienda? Ne abbiamo parlato con Marco Taisch, professore al PoliMi, scientific chairman del World Manufacturing Foundation e presidente del Competence Center Made
«L’intelligenza artificiale è l’ultima delle tecnologie arrivate a maturazione, e se vogliamo è talmente spinta come applicazioni e potenzialità che non è ancora per tutti. Infatti ci sono tante imprese italiane piccole e medie che hanno bisogno di completare quella transizione verso il 4.0 implementando altre tecnologie che sono più fondamentali dell’IA, ma che sono altrettanto determinanti per fare quel salto di produttività di cui le aziende italiane hanno bisogno».
Commenta così Marco Taisch – professore ordinario di advanced and sustainable manufacturing e operations management al manufacturing group del Politecnico di Milano e scientific chairman del World Manufacturing Foundation – lo stato dell’arte dell’intelligenza artificiale e il suo utilizzo all’interno delle imprese del nostro Paese. Un utilizzo che, soprattutto nel caso delle pmi (che costituiscono il tessuto economico della Penisola), non ha ancora raggiunto il suo apice. Questo perché molto spesso le realtà più piccole non hanno ottenuto la maturità digitale, portando a termine il percorso verso il 4.0.
La manifattura, per definirsi 4.0, deve evolversi in Meccatronica: solo così l’industria potrà essere competitiva! La meccatronica, evoluzione di quella che ancora oggi è conosciuta come metalmeccanica, riguarda non solo il processo produttivo, ma anche il prodotto dove meccanica, elettronica e informatica convergono aprendo enormi opportunità. Infatti, avvalendosi della meccatronica si ottengono migliori prestazioni aziendali con minori costi di gestione e manutenzione, poiché per l’operatore è più semplice avere il controllo delle linee di produzione e del parco macchine. In poche parole, la meccatronica è il futuro della meccanica, in quanto prevede l’integrazione di funzionalità avanzate basate su sensoristica ed attuazione all’interno di dispositivi e componentistica meccanica.
Il processo di evoluzione da meccanica a meccatronica è inarrestabile, ma l’accelerazione che ha avuto in questi ultimi mesi, causata anche dal Covid, ha dell’incredibile. La crisi che stiamo vivendo rappresenta, per l’industria, un doppio salto mortale. Perché da un lato amplifica l’utilizzo delle tecnologie digitali e dall’altro costringe a compiere riflessioni importanti intorno a modelli di business consolidati. È necessario, ora più che mai, porsi due domande: cosa potrebbe far scomparire la nostra impresa domani e cosa potrebbe farci fare un salto in avanti di un ordine di grandezza. Dieci anni fa la rapidità con cui evolveva la tecnologia era lineare, oggi è esponenziale e questo vale in entrambi i sensi, per le crescite così’ come le uscite delle imprese dal mercato. Tutto viaggia con un ritmo 10x. Le categorie del passato, gli incrementi progressivi, il + o – 10%, non funzionano più. Oggi siamo 0X e 10X.
E allora che cosa c’è di meglio che una guida pratica, la prima nel suo genere, che aiuti le imprese di ogni dimensione ad adottare nel modo più efficiente possibile l’IA e la meccatronica?
Il World Manufacturing Foundation, tramite lo studio Il manifatturiero nell’era dell’intelligenza artificiale del professor Taisch, ha individuato tre possibili livelli di applicazione dell’Ia nella manifattura: digital supply network (dns), factory shop floor (stabilimento di produzione) e machine tools (macchine utensili).L’impiego dell’IA nell’industria porta infatti a diversi vantaggi, sia dal punto di vista organizzativo che da quello economico, tra cui: pianificazione della produzione, gestione ottimale del magazzino con conseguente miglioramento del comparto logistico, progettazione automatizzata, sviluppo di nuovi prodotti e servizi, efficientamento energetico. Senza contare che l’uso dell’IA in ambito manifatturiero permette di avere un maggiore controllo del plant tramite manutenzione preventiva e predittiva, con grande risparmio di tempo, risorse e costi.
«In primis – commenta Taisch – bisogna connettere le macchine tramite piattaforme di IoT (Internet delle cose). Quindi occorre creare dei sistemi di monitoraggio in tempo reale per poter visualizzare i dati prodotti a bordo macchina su un pc, su un tabet, su uno smartwatch: è questo il passaggio che oggi, credo, farebbe fare un salto quantico al sistema italiano. Perché in questo modo il tecnico può intervenire in real-time conducendo il macchinario a quella produttività che diversamente è difficile da ricavare».
Il secondo passo avviene quando le macchine vengono connesse, iniziando così a generare dati che devono poter essere immagazzinati, ad esempio in cloud, e successivamente analizzati. Questo permette di fare delle diagnosi e capire che cosa è successo e come intervenire: perché una macchina si è fermata, ad esempio, o perché è scesa la produttività. Chiaramente tutte queste analisi richiedono delle competenze.
«Nel caso delle skill il problema è duplice: da una parte occorre farsi installare questi sistemi da professionisti esterni all’azienda, ma dall’altra il problema è interno – evidenzia Taisch- Tutti questi dati che ho monitorato e immagazzinato come li uso? Sono in grado di esaminarli per aumentare la mia produttività? Per questo motivo gli imprenditori non devono investire solo in tecnologie, ma anche in formazione. Fortunatamente oggi il tema delle competenze, del reskilling e dell’upskilling del personale, è parte integrante delle strategie aziendali. Senza dimenticare che, al riguardo, ci sono benefici fiscali legati al Piano Transizione 4.0, , che prevedranno una serie di incentivi sulla formazione».
Il tema delle competenze che mancano è cruciale per tutto il mondo della meccatronica e, di conseguenza, per l’intera economia. Uno studio intitolato Skills for the future of manufacturing ne ha quantificato il potenziale impatto se non cambierà nulla da qui al 2028. Emerge che, se non verrà colmato il gap di competenze, in questo decennio l’Italia potrebbe perdere circa 173 miliardi di pil, cioé lo 0,6% del pil potenziale ogni anno. In Italia non c’è ancora la giusta consapevolezza sulla qualità, il valore e le potenzialità della formazione tecnica, nonostante gli Its siano in grado di dare un futuro certo a tutti i loro diplomati.
Ed ecco la guida pratica.
Primo livello di funzionamento della produzione con IA, la supply chain: digital supply network (Dsn), gestione intelligente del magazzino, progettazione automatizzata, servizi connessi
DSN, DIGITAL SUPPLY NETWORK
I Dsn (Digital Supply Network) letteralmente rete digitale di fornitura, stabiliscono un collegamento digitale attraverso canali fisici e digitali, tra informazioni, beni e servizi in modo potente. Interconnettendo così produttori, fornitori e clienti in un’unica rete, coprendo tutta l’attività di organizzazione della produzione, con una riduzione dei costi amministrativi delle operazioni dal 25% fino al 40%. L’integrazione, l’ambito e le dimensioni del Dsn variano notevolmente in base all’azienda e al settore e le diverse applicazioni di IA (pianificazione sincronizzata, realizzazione, fornitura intelligente, fabbriche intelligenti) vengono utilizzate insieme per offrire più vantaggi come la resilienza, l’agilità, il rischio ridotto e la flessibilità.
Grazie all’interconnessione è possibile fare previsioni sulla domanda e sulla relativa pianificazione sincronizzata all’interno delle reti di fornitura. La previsione è un fattore essenziale per consentire una pianificazione della produzione affidabile. Le applicazioni di intelligenza artificiale si concentrano sull’identificazione di modelli in grandi dataset per prevedere quale sarà la domanda in modo più preciso possibile, potendo così pianificare al meglio produzione, fornitori e logistica fino addirittura alle scorte giornaliere di determinati prodotti in negozi individuali. I miglioramenti previsti sono significativi secondo McKinsey, che stima un possibile 50% di riduzione degli errori di previsione della catena di approvvigionamento tramite l’IA, che si traduce direttamente in migliori risultati di business.
GESTIONE AUTOMATIZZATA DEL MAGAZZINO
La gestione automatizzata del magazzino è un altro aspetto. Infatti, qui e nei centri logistici automatizzati le applicazioni di IA sono abituate a identificare il posto migliore per conservare i prodotti al massimo della reattività, efficienza e sicurezza a seconda dell’obiettivo, risparmiando così tempo e denaro. Viste le dimensioni e il volume gestito da molti magazzini moderni per prodotti finiti, parti o materiali di consumo, gli operatori senza supporto dell’intelligenza artificiale non sarebbero in grado di svolgere efficacemente le operazioni. E le applicazioni di IA, nel frattempo, continuano a imparare e quindi a migliorare nel tempo, creando un “magazzino di apprendimento” più dinamico, agile e reattivo. Insieme all’artificial intelligence è possibile abilitare tecnologie come veicoli a guida automatica (agv) e soluzioni di realtà aumentata (ar).
PROGETTAZIONE AUTOMATIZZATA
La terza area è quella che riguarda la progettazione automatizzata e lo sviluppo di nuovi prodotti e/o servizi. I consumatori di oggi sempre più spesso richiedono prodotti customizzati: questo spesso si traduce in un nuovo processo di fabbricazione. Le applicazioni di IA possono fornire le capacità necessarie per scalare tale personalizzazione, automatizzando molte attività per aziende e designer evitando di produrre in surplus e risparmiando così risorse. Un esempio è l’ottimizzazione della progettazione basata sull’intelligenza artificiale inclusa in molte piattaforme cad: l’algoritmo di IA supporta il progettista riuscendo a ottimizzare l’obiettivo di progettazione per creare automaticamente nuovi prodotti basati su diversi input. In futuro – viene spiegato nel report sull’IA del WMF – le varianti potranno essere adattate automaticamente in base ai nuovi requisiti degli strumenti basati sull’IA, che apprenderanno dalla cronologia decisioni progettuali di progettisti umani. «Se, ad esempio, io faccio vedere tanti rubinetti a un algoritmo di IA – spiega Taisch – quello che farà sarà imparare a progettare il rubinetto. A questo punto io, cambiando pochi parametri, posso creare molti progetti di rubinetti in maniera più veloce di quella che farebbe un qualunque bravo progettista. In questa generazione è chiaro che ci saranno forme belle e meno belle, scarto quelle meno belle e affino così l’algoritmo».
SERVIZI CONNESSI
I servizi connessi sono il quarto e ultimo aspetto. Le applicazioni di IA sono in grado di eseguire automaticamente monitoraggio, raggruppamento e previsione dell’uso di macchinari e prodotti. Questa capacità è il fondamento dell’offerta manufacturing as a service (MaaS) e altri servizi correlati (anything as a service, XaaS). I product service systems (Pss) sono un esempio di come l’intelligenza artificiale venga utilizzata per offrire un valore aggiunto consentendo l’apprendimento continuo e un miglioramento del sistema. Un esempio è quello di Kone, società fondata nel 1910 e specializzata nella fabbricazione e manutenzione di ascensori, scale mobili e altri sistemi di trasporto guidati, che offre servizi connessi 24 ore su 24, 7 giorni su 7 che utilizzano l’IA per migliorare la previsione della probabilità di guasti e esigenze di servizio. Grazie a queste informazioni sulla domanda futura, i loro clienti sono in grado di migliorare l’affidabilità e il tempo di attività delle apparecchiature Kone e fornire così un’assistenza al cliente notevolmente migliorata, ottimizzando l’efficienza e l’efficacia delle proprie operazioni di servizio.
Secondo livello di funzionamento della produzione con IA, factory shop floor: gestione energetica e previsione della domanda
L’intelligenza artificiale può essere utilizzata per monitorare, valutare, prevedere e migliorare l’energia e l’efficienza energetica a livello di impianto o di linea in una produzione. L’IA consente, infatti, di ricavare insight rilevanti per ridurre l’impatto energetico complessivo della struttura: le analisi e la previsione del consumo possono essere ricavati dai dati forniti da una serie diversificata di risorse di produzione (come ad esempio i centri di fresatura), attrezzature di supporto (agv), e altri (riscaldamento/raffreddamento). Un altro aspetto è la riduzione stimata del 30% dei tassi di scarto attraverso l’uso dell’Ia che ha un impatto diretto sull’energia utilizzata nella produzione.
C’è poi il tema della previsione della domanda: l’IA consente di fondere dati storici con quelli in tempo reale e quindi prevedere il tempo di produzione in modo più preciso, aggiornando quindi la pianificazione. Ciò migliora il time-to-market, la qualità e il costo delle scorte e l’eventuale risparmio sullo stoccaggio e di un eventuale magazzino fisico.
Terzo livello di funzionamento della produzione con IA, macchine utensili: adattamento a materiali e condizioni di lavoro, manutenzione predittiva
Grazie all’IA le macchine utensili possono adattarsi ai diversi materiali e alle diverse condizioni di taglio e all’usura. E si puo condurre una efficace manutenzione predittiva. Ad esempio le moderne Cnc sono dotate di sensori che forniscono dati da inserire negli algoritmi di apprendimento dell’Ia per prevedere in modo affidabile usura, condizioni e prestazioni del macchinario. In questo modo si evitano problemi di qualità del prodotto, alti consumi energetici ed eventi catastrofici come la rottura della macchina stessa.
Infine, ma non meno importante, le applicazioni di IA hanno un impatto sull’efficacia complessiva delle apparecchiature (Oee) e sull’efficienza energetica delle macchine utensili. L’utilizzo dell’IA guidata dai dati per monitorare i macchinari in modo olistico si è dimostrato molto efficace, con una diminuzione fino al 28% del consumo energetico complessivo.