EMB_73

EMBEDDED SETTEMBRE 36 SPECIALE | AI&ML attuare strategie di manutenzione predittiva. Ma questa non è certo l’unica soluzione: anche la te- desca Sick À " ! ( y del primo ministro svedese Stefan Löfven, un’ap- plicazione di deep learning dedicata all’industria del legname. Un settore tra i più importanti in Svezia, e il cui valore ha particolarmente moti- vato il ministro svedese a comprendere le oppor- tunità offerte dall’apprendimento approfondito per il miglioramento del livello di automazione in questo ambito industriale. Utilizzando il deep learning, i sensori sono in grado di eseguire fun- ! $ À ! delle loro caratteristiche che, altrimenti, dovreb- bero essere eseguite manualmente dall’uomo: in @ ! ( - mera sono in grado di determinare in base agli anelli di crescita dei tronchi la qualità del legno, grazie ad algoritmi di autoappredimento capaci di svolgere il loro compito indipendentemente dal tipo di legname, spiega Sick. Parte dell’intelli- genza di tali algoritmi è resa disponibile anche localmente, a livello dei sensori integrati nelle telecamere, e genera automazione liberando gli operatori umani da questo genere di mansioni. Un altro ambito industriale in cui la potenza del machine learning può esprimersi è l’industria dei semiconduttori, in cui, più cresce la complessità dei circuiti integrati super miniaturizzati, più di- " À ! À i difetti di produzione nei wafer di silicio, appli- cando metodi di controllo tradizionali, come quello ORC (optical rule check). Per risolvere questi pro- blemi, dopo la fase di raccolta dati, un algoritmo di ML può essere addestrato, utilizzando una quan- tità limitata di dati relativi a difetti conosciuti. Dopodiché il modello di ML può essere applicato $ ( il machine learning diventa fondamentale per superare la complessità di gestione dei progetti. Il costruttore di aeromobili Boeing , ad esempio, lotta giornalmente con un’enorme quantità di dati, e milioni di documenti: gli ingegneri, anche nello sviluppo di singole parti del velivolo, devono fronteggiare un’enorme complessità, analizzando i progetti correlati, le tipologie di fornitori, i costi e la qualità complessivi, e molto altri dati. Per risolvere questi problemi, Boeing ha addestrato algoritmi di apprendimento automatico in grado $ À - rati fattori, e fornire in pochi minuti agli ingegneri raccomandazioni accurate, attraverso un assisten- te virtuale digitale. Accelerare la diffusione di AI e ML: accordo tra vendor Tra le azioni intraprese dai vendor per diffondere ( * $ - stria, lo scorso febbraio, Siemens ha annunciato un’espansione della Digital Innovation Platform con l’introduzione dell’ultima versione del softwa- re NX, potenziato con funzionalità di machine le- ! À rendere i singoli utenti del software più produtti- vi, migliorando il processo di sviluppo prodotti e riducendo il time-to-market. Ma, soprattutto, ad aprile, Siemens Digital Industries (DI) e SAS , so- cietà specializzata in tool analitici e business intel- ligence, hanno siglato un accordo di collaborazione per aiutare le imprese a creare nuove applicazio- ni cloud-enabled e “IoT edge”: in sostanza, inte- grando gli strumenti evoluti di analisi predittiva 6(6 6 6 ha l’obiettivo di accelerare l’adozione nelle appli- ! & ( * *$ della produttività e la riduzione del rischio opera- tivo attraverso l’analisi predittiva, assieme a una gestione ottimizzata degli asset industriali, sotto- linea Siemens, sono alcune delle opportunità di miglioramento raggiungibili in settori industriali che includono il manufacturing, il mondo energia e utility, le aree automotive e trasporti, l’assisten- za sanitaria. % (Fonte: Pixabay)