Di cosa si parla: Esistono varie tecnologie che consentono alle aziende di implementare soluzioni per l’industria digitale. Il Politecnico di Milano ha fornito definizioni e dati sul loro utilizzo nel report  del suo Osservatorio Industria 4.0.

Perché è importante: Comprendere verso quali innovazioni si sta muovendo il mercato è fondamentale per adottare le giuste strategie di business.

Due grandi insiemi: Le tecnologie si suddividono in due categorie, una più vicina all’IT (costituita da Industrial Internet of Things, Manufacturing Big Data e Cloud Manufacturing), l’altra più eterogenea e vicina alle attività di Operation (costituita da Advanced automation, Advanced HMI, e Additive Manufacturing).

In dettaglio:

• Industrial Internet of Things: consente di fornire agli oggetti capacità di auto identificazione, localizzazione, diagnosi di stato, acquisizione dati, elaborazione, attuazione.

• Manufacturing Big Data: applicazione di tecniche e strumenti algoritmici per raccogliere ed elaborare grandi quantità di dati in modo da prendere decisioni migliori.

• Cloud Manufacturing: utilizza server remoti per archiviare, gestire, elaborare i dati e supportare le applicazioni di business. L’integrazione dei diversi sistemi informativi su Cloud consente ad esempio di sfruttare i dati di key performance indicator (KPI) dei fornitori, le statistiche di qualità e altri dati di processo, per  individuare  i fornitori più adatti per la realizzazione del proprio prodotto avendo la certezza della qualità finale.

• Advanced automation: riguarda i più recenti sviluppi nei sistemi di produzione automatizzati come l’uso di tecniche di computer vision e pattern recognition.

• Advanced Human Machine Interaction: include sistemi che sono diventati di uso comune, come i display touch o gli Scanner 3D e soluzioni più innovative, come i visori di Agumented Reality per effettuare attività operative e training degli operatori.

• Additive Manufacturing: conosciuta anche come Stampa 3D, consente di creare un oggetto “stampandolo” strato per strato, sulla base di un modello digitale che ne definisce le caratteristiche. 

Le tecnologie più diffuse in Italia: Secondo il report dell’Osservatorio, la maggior parte delle tecnologie più diffuse fanno riferimento alla Smart Execution (produzione, logistica, manutenzione, qualità e sicurezza), e riguardano Industrial Internet of Things e Manufacturing Big Data.

Quali saranno le prossime: il Cloud Manufacturing e l’Advanced HMI si candidano per diventare le prossime tecnologie di riferimento specialmente nel settore manifatturiero.

Cosa ne pensiamo noi: Nonostante le diverse classificazioni e categorie, è importante capire quali siano le combinazioni più efficienti a seconda delle necessità del progetto. Infatti, non sempre serve utilizzare la soluzione più innovativa, ma basta individuare quella che adattandosi al contesto riesce a determinare il cambiamento utile per migliorare un processo. 

2. Edge AI: il futuro dell’Intelligenza Artificiale

La notizia: Le implementazioni di Edge AI industriale avranno ritorni d'investimento (ROI)  che cresceranno del 5,7% in media nei prossimi tre anni, secondo le stime di IBM Institute for Business Value.

Perché è importante: L’Edge AI, permette di elaborare le informazioni più rapidamente, migliora le prestazioni delle applicazioni di intelligenza artificiale e riduce i costi operativi, consentendo una varietà di casi d’uso industriali in real-time.

Tra IA e Edge Computing: L’Edge AI, consiste nell’unione tra Intelligenza Artificiale ed Edge Computing, un modello di calcolo distribuito nel quale l’elaborazione dei dati avviene in prossimità della loro origine. 

Esempi concreti: Molti settori stanno già sfruttando i vantaggi di questa tecnologia. 

• Edge Intelligence: l’utilizzo dell’Edge AI consente di addestrare i modelli per l’analisi dei dati sfruttando appieno risorse e informazioni a disposizione su Cloud e installare i modelli di Edge AI direttamente su dispositivi di campo. Operando su dispositivi embedded, i modelli di machine e deep learning possono processare direttamente i dati evitando i ritardi di elaborazione dovuti alla comunicazione edge-to-cloud.

• Ispezione ottica automatizzata: grazie all’Edge AI e alla visione computazionale, nelle linee di produzione si possono individuare automaticamente le parti difettose dei componenti assemblati. Anche in questo caso, l’analisi processa localmente i dati.

• Analisi predittiva: la bassa latenza rende l'Edge AI molto efficace in attività come il rilevamento predittivo dei guasti ai macchinari o nel controllo attivo della qualità: difetti e potenziali problemi vengono rilevati tempestivamente. 

Cosa ne pensiamo noi: Più del 90% dei dati raccolti dal campo oggi rimane inutilizzata a causa degli elevati costi per trasportare questi dati verso il Cloud. In questo senso l’Edge AI rappresenta un fattore essenziale per consentire lo sfruttamento dei dati: la possibilità di far operare i modelli di analisi direttamente sul campo elimina i costi legati alla comunicazione in real-time dei dati di processo verso il cloud.

3. 3 professioni industriali che stanno cambiando

Cosa sta succedendo: La trasformazione digitale e l'Industria 4.0 stanno cambiando le modalità operative delle attività industriali e alcune tipologie di professionisti che operano nell’ambito manifatturiero sono sempre più difficili da trovare.

Perché è importante: I manager di aziende e industrie ricercano nuove competenze fondamentali per l’industria 4.0.

Verso capacità più “umane”: Se da un lato l'Intelligenza Artificiale riduce la necessità di coinvolgere le persone in compiti manuali di minore importanza o ripetitivi, i lavoratori devono però assumersi nuove responsabilità in aree che riguardano processi decisionali. 

Nello specifico: Secondo Stephen Laaper e Asi Klein, rispettivamente Principal and Smart Factory Leader, e Managing Director in Deloitte Consulting LLP, ci sono vari ruoli professionali che stanno affrontando un’evoluzione legata alla trasformazione digitale. Alcuni di questi sono:

• I pianificatori di produzione passeranno dalla gestione reattiva dei problemi dei reparti produttivi a ruoli molto più propositivi in ​​cui analizzeranno regolarmente le informazioni sui dati, gestiranno le eccezioni e identificheranno le opportunità di miglioramento continuo.

• Gli ingegneri industriali utilizzeranno sempre più i gemelli digitali e altri sistemi cyber-fisici, oltre ad alcuni metodi di automazione, per creare una maggiore connettività tra i processi di produzione e ottimizzare le operazioni sul campo. 

• I tecnici della qualità saranno in grado di monitorare la produzione in tempo reale, prevedere problemi legati alla qualità dei processi prima che si verifichino, tracciare e diagnosticare rapidamente eventuali interruzioni di servizio attraverso l'uso di gemelli digitali e modelli di apprendimento automatico.

Cosa ne pensiamo noi: Le difficoltà della supply-chain emerse drammaticamente nell’ultimo anno, le sfide legate alla scarsità di manodopera e risorse e la costante necessità di consolidare il proprio vantaggio competitivo in un contesto globale, richiedono un uso sempre più efficiente dei dati e professionisti capaci di comprenderne le implicazioni. Grazie all’evoluzione di queste nuove professioni e a una nuova sinergia uomo-macchina, potremo pianificare la produzione in minor tempo, individuare le inefficienze, le cause dei malfunzionamenti e problemi nella qualità.

Sarcopenia e Machine Learning: come riconoscere e prevenire l’invecchiamento muscolare

Al giorno d’oggi viviamo più a lungo con un’aspettativa di vita media che in Italia è di circa 83 anni, secondo i dati della Banca Mondiale. 

Ma oltre alla durata, uno degli elementi che più ci interessa riguarda la qualità della nostra vita e la domanda che ci facciamo spesso è: in che modo invecchieremo?

Il 30 settembre abbiamo partecipato al Meet In Italy for Life Science, un’iniziativa nata per sostenere i processi di crescita, innovazione e internazionalizzazione delle imprese.

Durante l’evento abbiamo parlato di UTMOST, un progetto di cui siamo coordinatori, che ha come obiettivo la realizzazione di uno strumento diagnostico in grado di superare le difficoltà nell’individuazione e nel monitoraggio dei pazienti affetti da Sarcopenia, malattia che colpisce soprattutto dopo i 50 anni di età, e causa una significativa perdita di massa muscolare.

Scopri di più sul progetto e l'utilizzo del machine learning per l'individuazione della Sarcopenia.

Ci sentiamo fra due settimane!

📩Scrivici o rispondi a questa email per condividere un’idea o lasciare un commento

🤝Pensi che questa newsletter possa piacere a un amico? Digli di iscriversi