Le fabbriche manifatturiere producono più dati di quelli che possono facilmente elaborare e aziende come Bosch si rivolgono all’intelligenza artificiale per colmare questa lacuna. Le telecamere osservano le linee di produzione, i sensori seguono le macchine e il software registra ogni fase del processo. Tuttavia, molte di queste informazioni non portano ancora a decisioni più rapide o a minori guasti. Per le grandi aziende manifatturiere, questo divario sta spingendo l’intelligenza artificiale da piccole sperimentazioni a operazioni chiave.
Questo cambiamento aiuta a spiegare perché Bosch prevede di investire circa 2,9 miliardi di euro nell’intelligenza artificiale entro il 2027 Il giornale di Wall Street. La spesa è destinata alla produzione, alla gestione della catena di fornitura e ai sistemi di percezione, aree in cui l’azienda vede l’intelligenza artificiale come un modo per migliorare il comportamento dei sistemi fisici in condizioni reali.
Come Bosch utilizza l’intelligenza artificiale per individuare in anticipo i problemi di produzione
Nella produzione, i ritardi e i difetti spesso iniziano in piccolo. Una variazione minima nei materiali o nelle impostazioni della macchina può propagarsi lungo una linea di produzione. Bosch ha applicato modelli di intelligenza artificiale ai feed delle telecamere e ai dati dei sensori per rilevare in anticipo i problemi di qualità.
Invece di individuare i difetti una volta che i prodotti sono finiti, i sistemi possono segnalare i problemi mentre gli articoli sono ancora sulla linea. Ciò dà ai lavoratori il tempo di modificare le operazioni prima che i rifiuti aumentino. Per la produzione in grandi volumi, il rilevamento tempestivo può ridurre gli scarti e limitare la necessità di rilavorazioni.
La manutenzione delle attrezzature è un altro settore sotto pressione. Molte fabbriche fanno ancora affidamento su programmi fissi o ispezioni manuali, che possono non cogliere i primi segnali di allarme. I modelli di intelligenza artificiale addestrati su dati relativi a vibrazioni, temperatura e utilizzo possono aiutare a prevedere quando è probabile che una macchina si guasti.
Ciò consente ai team di manutenzione di pianificare le riparazioni invece di reagire ai guasti. L’obiettivo è ridurre i tempi di inattività non pianificati senza sostituire le apparecchiature troppo presto. Nel tempo, questo approccio può prolungare la vita lavorativa delle macchine mantenendo la produzione più stabile.
Rendere le catene di fornitura più adattabili
Anche le catene di fornitura rientrano nel focus degli investimenti. Le interruzioni che si sono rese visibili durante la pandemia non sono del tutto scomparse e i produttori devono ancora fare i conti con lo spostamento della domanda e i ritardi nei trasporti.
I sistemi di intelligenza artificiale possono aiutare a prevedere le esigenze, tenere traccia delle parti nei siti e adattare i piani quando le condizioni cambiano. Per un produttore globale, anche piccoli miglioramenti nell’accuratezza della pianificazione possono avere un ampio effetto se applicati a centinaia di fabbriche e fornitori.
Bosch sta inoltre finanziando i sistemi di percezione, che aiutano le macchine a comprendere l’ambiente circostante. Questi sistemi combinano gli input di telecamere, radar e altri sensori con modelli di intelligenza artificiale in grado di riconoscere oggetti, giudicare la distanza o individuare cambiamenti nell’ambiente.
Vengono utilizzati in settori quali l’automazione industriale, l’assistenza alla guida e la robotica, dove le macchine devono rispondere in modo rapido e sicuro. In questi contesti, l’intelligenza artificiale non analizza dati astratti ma reagisce alle condizioni del mondo reale nel momento in cui si verificano.
Perché l’edge computing è importante in fabbrica
Gran parte di questo lavoro si svolge ai margini. Nelle fabbriche e nei veicoli, l’invio di dati a un sistema cloud distante e l’attesa di una risposta può aggiungere ritardi o creare rischi in caso di interruzione delle connessioni. L’esecuzione locale di modelli di intelligenza artificiale consente ai sistemi di rispondere in tempo reale e continuare a funzionare anche quando le reti sono inaffidabili.
Limita inoltre la quantità di dati sensibili che lasciano un sito. Per le aziende industriali, ciò può avere la stessa importanza della velocità, soprattutto quando i processi produttivi sono strettamente sorvegliati.
I sistemi cloud svolgono ancora un ruolo, anche se per lo più dietro le quinte. I modelli di formazione, la gestione degli aggiornamenti e l’analisi delle tendenze nelle diverse sedi avvengono spesso in ambienti centrali.
Molti produttori si stanno muovendo verso una configurazione divisa, utilizzando sistemi cloud per il coordinamento e l’apprendimento e sistemi edge per l’azione. Questo modello sta diventando comune in tutte le aziende industriali, non solo in Bosch.
Scalare l’intelligenza artificiale oltre le piccole sperimentazioni
L’entità dell’investimento è importante perché molte aziende rimangono bloccate nella fase pilota. Piccoli test sull’intelligenza artificiale possono rivelarsi promettenti, ma la loro implementazione in tutte le operazioni richiede finanziamenti, personale qualificato e impegno a lungo termine.
I dirigenti di Bosch hanno precedentemente descritto l’intelligenza artificiale come un modo per supportare i lavoratori anziché sostituirli e come uno strumento per gestire la complessità che gli esseri umani non possono gestire da soli. Questa visione riflette un cambiamento più ampio nel settore, dove l’intelligenza artificiale viene trattata meno come un esperimento e più come un’infrastruttura di base.
Cosa dimostra nella pratica la strategia AI di Bosch nel settore manifatturiero
L’aumento dei costi energetici, la carenza di manodopera e i margini più ristretti lasciano meno spazio all’inefficienza. L’automazione da sola non risolve più questi problemi. Le aziende sono alla ricerca di sistemi in grado di adattarsi alle mutevoli condizioni senza un costante input manuale.
L’impegno di Bosch di 2,9 miliardi di euro rientra in questo cambiamento più ampio. Altri grandi produttori stanno facendo mosse simili, spesso senza clamore pubblico, ammodernando le fabbriche e riqualificando il personale. Ciò che risalta è l’attenzione all’uso operativo piuttosto che alle funzionalità rivolte al cliente.
Nel loro insieme, questi sforzi mostrano come le aziende utenti finali stiano applicando l’intelligenza artificiale oggi. Il lavoro non riguarda tanto le affermazioni audaci quanto la riduzione degli sprechi, il miglioramento dei tempi di attività e la semplificazione della gestione dei sistemi complessi. Per le aziende industriali, questo focus pratico può definire il modo in cui l’intelligenza artificiale fornisce valore nel tempo.
(Foto di PL)
Vedi anche: Il dimensionamento dell’intelligenza artificiale richiede una nuova architettura di memoria
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? GuardareFiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici, clicca Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
