Digitale e intelligenza artificiale: automatizzare l'analisi dei dati
Come cogliere le opportunità emergenti del Digitale
Benedetta Rampini - Eiom
A SAVE 2023 - 18 e 19 ottobre, Fiera di Verona - le novità e soluzioni 4.0
È l'intelligenza artificiale uno dei temi più caldi del mondo digitale. Questa tecnologia, nelle sue molteplici derivazioni e interpretazioni, sta giocando un ruolo chiave per automatizzare l'analisi dei dati provenienti da sensori, sistemi e macchinari industriali, predire guasti e malfunzionamenti prima che si verifichino, ottimizzare i processi produttivi, personalizzare i prodotti e i servizi per i clienti.
Tipicamente, nell'Industria 4.0 le tecnologie digitali costituiscono una leva essenziale per minimizzare l'uso di energia, acqua e materie prime, ridurre le emissioni inquinanti, organizzare al meglio il fine vita del prodotto.
La digitalizzazione della manifattura porta a una maggiore flessibilità della produzione, e ciò determina sia un miglioramento della produttività. Inoltre, il numero crescente di sensori e, in generale, di fonti dati disponibili, rendono sempre più dettagliata la visione virtuale di macchine, sistemi e processi. D'altra parte i sistemi e le architetture per l'elaborazione dei dati stanno diventando sempre più complessi e solo con dati pertinenti, di alta qualità e utili è possibile svilupparne il potenziale economico.
Una buona pratica consiste nel determinare in anticipo quali informazioni sono rilevanti per l'applicazione, in che punto del flusso di dati possono essere estratte e con quali algoritmi di Intelligenza Artificiale e Machine Learning possono essere elaborate. Ciò significa raffinare i dati ovvero trasformare i Big Data in Smart Data.
Secondo McKinsey, il business potenziale dell'integrazione della Data Analytics nei processi aziendali sarà stimabile in un range che varia dai 9,5 ai 15,4 miliardi di dollari. Cifre decisamente importanti, dove le applicazioni basate sulla AI dovrebbero incidere per circa il 40% del totale.
Ma non è solo una questione di produttività. Alla base di questa evoluzione vi è un'enorme quantità di dati, quelli prodotti prima nella fabbrica intelligente dall'IoT, poi dai consumatori durante il customer journey. Per questo la fabbrica intelligente non basta: per cogliere appieno i benefici della transizione digitale è l'impresa nella sua globalità che deve diventare non solo più produttiva ma anche più sostenibile.
Manutenzione
Nel caso della manutenzione, gli algoritmi di intelligenza artificiale possono sfruttare i dati provenienti dalle attività di monitoraggio e diagnostica consentono di programmare interventi in campo, evitando costose trasferte di operatori o tempi di fermo non pianificati. Grazie al valore di questi dati, il personale addetto alla manutenzione può identificare le cause dei malfunzionamenti e utilizzare l'analisi predittiva per evitare futuri problemi.
Il punto è dunque come mettere in connessione l'ottimizzazione delle risorse secondo lo schema manutenzione-prolungamento di vita-riciclo, con una produzione tecnologicamente avanzata caratterizzata dall'uso massivo di informazioni e di oggetti interconnessi.
Visione e Identificazione
In termini di trend emergenti, nel corso degli ultimi anni l'Intelligenza Artificiale si è aperta ad applicazioni integrate con IoT, Realtà Aumentata (AR) e Computer Vision (CV).
Le soluzioni ibride AI-AR scalabili saranno fondamentali per tracciare, mappare e misurare più accuratamente gli oggetti, non solo per identificarli, consentendo un necessario cambiamento di modello e ampliando l'impatto dell'AR sull'ambiente che ci circonda.
Queste innovative applicazioni AR raggiungeranno il loro pieno potenziale integrandosi con tecnologie complementari. L'IIoT fornirà monitoraggio in tempo reale e dati operativi dell'oggetto riconosciuto attraverso l'AR, oltre a fornire un link verso altre altre informazioni rilevanti a livello aziendale, come supply chain e logistica e mettendo le basi per la convergenza tra mondo fisico e digitale.
I sistemi no-code
In tempi più recenti la diffusione di interfacce no-code inizia a prefigurare una gestione inedita e potente in termini di processi decisionali, analisi scenari e definizione di KPI.
Lo sviluppo software tradizionale richiede tempi e costi che, in molti casi, non giustificano lo sforzo intrapreso, a cominciare dalle piccole start-up e da buona parte delle PMI.
Ecco che lo scenario dello sviluppo delle applicazioni sta rapidamente cambiando, con l'avvento e la diffusione delle tecnologie low code e no code AI, che stanno portando un'innovazione di straordinaria portata, consentendo agli utenti di crearsi in autonomia le applicazioni, senza disporre di avanzate conoscenze nei linguaggi di programmazione. Molti analisti vedono nello sviluppo low code e no code il futuro della creazione del software, con enormi benefici in termini di massimizzazione del ROI in tempi estremamente contenuti.
AI conversazionale
Attraverso le nascenti piattaforme di AI conversazionale (tecnologia che include chatbot o agenti virtuali, con cui gli utenti possono interloquire) sarà possibile migliorare la qualità del servizio clienti e aumentare la produttività, collegando ad esempi FAQ, descrizioni dei prodotti, documentazione interna o conversazioni di esempio
Operativamente si tratterà di aggiornare contenuti, connettersi a nuovi canali, integrare sistemi e tracciare KPI, anche in questo caso senza necessità di conoscenze avanzate di programmazione.
Il miglioramento delle prestazioni di modelli AI conversazionale e ML (Machine Learning) inizia con la comprensione e l'interazione con il testo.
Utilizzando le tecniche analitiche di AI conversazionale, è possibile capire fino a che punto i clienti sono soddisfatti dopo aver interagito con assistenti virtuali e chatbot.
L'analisi dei chatbot aiuta a misurare i KPI in termini ad esempio di lead generati, problemi risolti o costi per problema. Una volta implementato il chatbot, è possibile misurarne le prestazioni con l'aiuto di metriche per monitorare il tempo di risposta, il tasso di conversione, il miglioramento dell'efficienza e altri parametri.
Armando Martin - Giornalista scientifico, consulente industriale
Vi aspettiamo a SAVE 2023.
Tipicamente, nell'Industria 4.0 le tecnologie digitali costituiscono una leva essenziale per minimizzare l'uso di energia, acqua e materie prime, ridurre le emissioni inquinanti, organizzare al meglio il fine vita del prodotto.
La digitalizzazione della manifattura porta a una maggiore flessibilità della produzione, e ciò determina sia un miglioramento della produttività. Inoltre, il numero crescente di sensori e, in generale, di fonti dati disponibili, rendono sempre più dettagliata la visione virtuale di macchine, sistemi e processi. D'altra parte i sistemi e le architetture per l'elaborazione dei dati stanno diventando sempre più complessi e solo con dati pertinenti, di alta qualità e utili è possibile svilupparne il potenziale economico.
Una buona pratica consiste nel determinare in anticipo quali informazioni sono rilevanti per l'applicazione, in che punto del flusso di dati possono essere estratte e con quali algoritmi di Intelligenza Artificiale e Machine Learning possono essere elaborate. Ciò significa raffinare i dati ovvero trasformare i Big Data in Smart Data.
Secondo McKinsey, il business potenziale dell'integrazione della Data Analytics nei processi aziendali sarà stimabile in un range che varia dai 9,5 ai 15,4 miliardi di dollari. Cifre decisamente importanti, dove le applicazioni basate sulla AI dovrebbero incidere per circa il 40% del totale.
Ma non è solo una questione di produttività. Alla base di questa evoluzione vi è un'enorme quantità di dati, quelli prodotti prima nella fabbrica intelligente dall'IoT, poi dai consumatori durante il customer journey. Per questo la fabbrica intelligente non basta: per cogliere appieno i benefici della transizione digitale è l'impresa nella sua globalità che deve diventare non solo più produttiva ma anche più sostenibile.
Manutenzione
Nel caso della manutenzione, gli algoritmi di intelligenza artificiale possono sfruttare i dati provenienti dalle attività di monitoraggio e diagnostica consentono di programmare interventi in campo, evitando costose trasferte di operatori o tempi di fermo non pianificati. Grazie al valore di questi dati, il personale addetto alla manutenzione può identificare le cause dei malfunzionamenti e utilizzare l'analisi predittiva per evitare futuri problemi.
Il punto è dunque come mettere in connessione l'ottimizzazione delle risorse secondo lo schema manutenzione-prolungamento di vita-riciclo, con una produzione tecnologicamente avanzata caratterizzata dall'uso massivo di informazioni e di oggetti interconnessi.
Visione e Identificazione
In termini di trend emergenti, nel corso degli ultimi anni l'Intelligenza Artificiale si è aperta ad applicazioni integrate con IoT, Realtà Aumentata (AR) e Computer Vision (CV).
Le soluzioni ibride AI-AR scalabili saranno fondamentali per tracciare, mappare e misurare più accuratamente gli oggetti, non solo per identificarli, consentendo un necessario cambiamento di modello e ampliando l'impatto dell'AR sull'ambiente che ci circonda.
Queste innovative applicazioni AR raggiungeranno il loro pieno potenziale integrandosi con tecnologie complementari. L'IIoT fornirà monitoraggio in tempo reale e dati operativi dell'oggetto riconosciuto attraverso l'AR, oltre a fornire un link verso altre altre informazioni rilevanti a livello aziendale, come supply chain e logistica e mettendo le basi per la convergenza tra mondo fisico e digitale.
I sistemi no-code
In tempi più recenti la diffusione di interfacce no-code inizia a prefigurare una gestione inedita e potente in termini di processi decisionali, analisi scenari e definizione di KPI.
Lo sviluppo software tradizionale richiede tempi e costi che, in molti casi, non giustificano lo sforzo intrapreso, a cominciare dalle piccole start-up e da buona parte delle PMI.
Ecco che lo scenario dello sviluppo delle applicazioni sta rapidamente cambiando, con l'avvento e la diffusione delle tecnologie low code e no code AI, che stanno portando un'innovazione di straordinaria portata, consentendo agli utenti di crearsi in autonomia le applicazioni, senza disporre di avanzate conoscenze nei linguaggi di programmazione. Molti analisti vedono nello sviluppo low code e no code il futuro della creazione del software, con enormi benefici in termini di massimizzazione del ROI in tempi estremamente contenuti.
AI conversazionale
Attraverso le nascenti piattaforme di AI conversazionale (tecnologia che include chatbot o agenti virtuali, con cui gli utenti possono interloquire) sarà possibile migliorare la qualità del servizio clienti e aumentare la produttività, collegando ad esempi FAQ, descrizioni dei prodotti, documentazione interna o conversazioni di esempio
Operativamente si tratterà di aggiornare contenuti, connettersi a nuovi canali, integrare sistemi e tracciare KPI, anche in questo caso senza necessità di conoscenze avanzate di programmazione.
Il miglioramento delle prestazioni di modelli AI conversazionale e ML (Machine Learning) inizia con la comprensione e l'interazione con il testo.
Utilizzando le tecniche analitiche di AI conversazionale, è possibile capire fino a che punto i clienti sono soddisfatti dopo aver interagito con assistenti virtuali e chatbot.
L'analisi dei chatbot aiuta a misurare i KPI in termini ad esempio di lead generati, problemi risolti o costi per problema. Una volta implementato il chatbot, è possibile misurarne le prestazioni con l'aiuto di metriche per monitorare il tempo di risposta, il tasso di conversione, il miglioramento dell'efficienza e altri parametri.
Armando Martin - Giornalista scientifico, consulente industriale
Vi aspettiamo a SAVE 2023.
Leggi tutto
Fonte: Editoriale Armando Martin - Giornalista scientifico e consulente industriale
Settori: Automazione industriale, Big Data, Gestione Dati, Industria 4.0, Informatica, Intelligenza artificiale, Sensoristica, Software industriale
Parole chiave: AI Intelligenza artificiale per l'industria, Analisi dati, Automazione industriale, Big Data, Industria 4.0, Machine learning, Sensoristica
- Orazio Scicolone
- MASE - Ministero dell'Ambiente e della Sicurezza Energetica
- MIMIT - Ministero delle Imprese e del Made in Italy
- GAILIH - Generative Artificial Intelligence Learning and Innovation Hub Unimarconi