Il nuovo strumento utilizza algoritmi di intelligenza artificiale e analisi dei dati per prevedere la vita utile rimanente di un componente o di un’attrezzatura.
La fabbrica moderna è un ambiente complesso e altamente tecnologico. Le catene di montaggio comprendono una vasta gamma di attrezzature e componenti, ognuno dei quali esegue un compito specifico in un determinato ordine. Un problema ad uno solo dei componenti della linea di produzione può bloccare l’intero impianto, determinando un arresto del processo produttivo. I blocchi della produzione sono sempre estremamente costosi, pertanto le fabbriche prestano una grande attenzione e dispongono di una dotazione di bilancio altrettanto notevole per la manutenzione. Il problema è che la maggior parte delle attività di manutenzione hanno una cadenza fissa, cioè avvengono indipendentemente dal fatto che un componente debba essere riparato, oppure sono reattive, ovvero avvengono in seguito alla rottura di qualcosa. Nonostante entrambi gli approcci contribuiscano a ridurre il rischio di un fermo degli impianti, nel complesso la loro efficacia è ancora troppo bassa.
Ciò di cui le fabbriche hanno bisogno è la manutenzione predittiva, che è esattamente quello che il progetto PROGRAMS (PROGnostics based Reliability Analysis for Maintenance Scheduling), finanziato dall’UE, si prefigge di fornire. “Intendiamo estrarre informazioni da ogni livello della fabbrica (dati dei controllori e dei sensori, rapporti di manutenzione, esperienza dell’operatore, caratteristiche fisiche, ecc.) e, usando un algoritmo basato sull’intelligenza artificiale, determinare la programmazione ottimale delle attività di manutenzione”, afferma Sotiris Makris, il coordinatore del progetto, che dirige l’unità Robotica, Automazione e Realtà Virtuale presso il Laboratory for Manufacturing Systems and Automation dell’Università di Patrasso, in Grecia. “Riducendo al minimo l’impatto delle attività di manutenzione degli impianti, possiamo contribuire ad aumentare la produttività e diminuire i costi.”
Un punto di svolta nella manutenzione predittiva
Il risultato determinante del progetto è lo sviluppo di uno strumento innovativo per prevedere la vita utile residua di un componente. “Utilizzando algoritmi che sfruttano i modelli basati sull’intelligenza artificiale e i dati raccolti sul campo, questo strumento rappresenta un punto di svolta nella manutenzione predittiva”, osserva Makris. Secondo il coordinatore del progetto, conoscere la vita utile residua di un componente permette a un’azienda di fare calcoli sulle spese a breve e lungo termine. “Tali informazioni supportano il processo decisionale relativo all’ordinare pezzi di ricambio o programmare attività di manutenzione”, aggiunge. “Possono anche essere usate per garantire che il personale riceva un’adeguata formazione in merito all’esecuzione di una specifica attività di manutenzione.” Durante lo sviluppo dello strumento, i ricercatori hanno affrontato una sfida unica. “Sorprendentemente, nessun guasto si è verificato durante il periodo di svolgimento del progetto, il che significa che non avevamo dati su casi di guasto da inserire nel nostro algoritmo di AI”, spiega Makris. Invece, il progetto ha usato modelli basati sull’AI per simulare lo stato di scarso rendimento delle attrezzature. “Il guasto dei macchinari è preceduto da un certo deterioramento delle prestazioni e da una conseguente diminuzione della qualità del prodotto”, aggiunge Makris. “Questo aggiustamento è stato in realtà molto apprezzato dai nostri partner industriali, perché permette loro di evitare non solo un guasto, ma anche la diminuzione delle prestazioni.”
Un importante traguardo
Il team di ricerca sta ora lavorando per far progredire la maturità del suo strumento e portarlo verso la commercializzazione. “Il nostro obiettivo finale è quello di preparare soluzioni di manutenzione predittiva solide e basate sull’AI che possano essere integrate nelle applicazioni industriali”, osserva Makris. Il raggiungimento di questo obiettivo è stato agevolato in parte dal fatto che il progetto è membro del ForeSee Cluster, una rete di sei progetti finanziati dall’UE impegnati nello sviluppo di tecnologie per la manutenzione predittiva. “La nostra partecipazione al cluster rappresenta un importante traguardo per il progetto”, conclude Makris. “Non solo garantisce che i nostri risultati siano inclusi in tentativi di normazione, ma ci introduce anche a una serie di parti interessate che possono utilizzare il nostro lavoro come base per la loro ricerca.”
Supportare la diffusione dell’AI nella manifattura europea
L’Europa è già uno dei principali leader mondiali nello sviluppo dell’AI, ma c’è ancora molta strada da fare per adeguare l’industria europea a queste nuove tecnologie e opportunità. La Commissione europea è impegnata a rafforzare la leadership europea nel campo dell’AI, un’area di importanza strategica e una fonte cruciale per la futura crescita economica.
Il report «l’intelligenza artificiale per l’Europa», del 2018, sottolinea l’importanza dell’AI nella produzione europea, che si riflette nello stanziamento di 1,5 miliardi di euro del programma di Horizon 2020 per la ricerca sull’AI. Nell’aprile del 2021, la Commissione ha avanzato delle proposte per un quadro legislativo volto a promuovere l’eccellenza e la fiducia nell’AI, la cui corretta attuazione tutelerà i diritti individuali e fornirà all’Europa un vantaggio concorrenziale fondamentale nella normativa per l’AI. La strategia industriale del 2020 della Commissione è stata aggiornata a maggio del 2021, per riflettere l’impatto della COVID-19 e incoraggiare le PMI e le start-up ad adottare la transizione verde e digitale, al fine di rendere l’industria europea più competitiva a livello globale.
La Commissione sta finanziando 14 progetti pionieristici che stanno modellando il futuro con tecnologie AI pensate per sostenere e dare impulso all’industria e alla fabbricazione in una serie di obiettivi. Molti dei progetti forniscono piattaforme e architetture di AI per assolvere attività specifiche, come IMAGINE, CoLLaboratE e ResiBots, incentrati rispettivamente sul riciclaggio dei rifiuti, sull’interazione tra esseri umani e robot e sulla resilienza. Altri forniscono nuovi sistemi industriali robotizzati, come HEPHAESTUS e THOMAS, mentre ROBINS guarda alla certificazione di tali sistemi robotizzati nei contesti industriali. PROGRAMS e SERENA esplorano le potenzialità dell’impiego di strumenti basati sull’AI per ottimizzare il processo produttivo attraverso la manutenzione predittiva, mentre EU-Japan.AI riunisce ricercatori provenienti dagli estremi opposti della Terra per condividere le conoscenze sull’Intelligenza Artificiale.
