EMB 94

EMBEDDED 94 • NOVEMBRE • 2024 30 Fig. 1 – Il machine learning nella gestione dei processi di produzione industriali (https://golden.com/wiki ) IN TEMPO REALE | MACHINE LEARNING dimento automatico e la visione artificiale, può comple- tare le attività di ispezione visiva meglio di quanto pos- sano fare gli esseri umani. Questa tecnologia garantisce che la fabbrica funzioni correttamente e che i prodotti inutilizzabili vengano eliminati dal sistema. In passato, l’uso dell’apprendimento automatico nell’a- nalisi video è stato criticato per la scarsa qualità del si- stema video utilizzato. Questo perché le immagini pos- sono essere sfocate da un fotogramma all’altro e l’al- goritmo di ispezione può essere soggetto a più errori. Con l’evoluzione delle telecamere di alta qualità e una maggiore potenza di elaborazione grafica, le reti neura- li possono individuare in modo più efficiente i difetti in tempo reale senza intervento umano. Inoltre, utilizzando vari sensori IoT, l’apprendimento automatico può aiutare a testare i prodotti senza dan- neggiarli. Un algoritmo può selezionare modelli nei dati in tempo reale correlati a una versione difettosa dell’unità, consentendo al sistema di contrassegnare i prodotti potenzialmente soggetti a guasti. Un altro modo in cui possiamo rilevare i difetti nei ma- teriali è attraverso i test non distruttivi. Ciò comporta la misurazione della stabilità e dell’integrità di un ma- teriale senza causarne danni. Per esempio, è possibile utilizzare una macchina a ultrasuoni per rilevare ano- malie come crepe in un materiale. La macchina può misurare i dati che gli esseri umani possono analizzare per cercare manualmente questi valori anomali. Tuttavia, gli algoritmi di rilevamento dei valori anoma- li, gli algoritmi di rilevamento degli oggetti e gli algorit- mi di segmentazione possono automatizzare questo processo analizzando i dati alla ricer- ca di modelli riconoscibili che gli esseri umani potrebbero non essere in grado di vedere con maggiore efficienza. Inoltre, l’apprendimento automatico non è soggetto allo stesso nume- ro di errori che gli esseri umani sono inclini a commettere. La manutenzione predittiva Uno degli elementi principali del machine le- arning nella produzione industriale è la ma- nutenzione predittiva. Nel campo della ricerca si ritiene che la manutenzione predittiva sarà una delle più grandi tecnologie di apprendi- mento automatico in crescita nella produzio- ne, con un aumento di circa il 40% del valore di mercato entro il 2025. Poiché la manutenzione non programmata ha il potenziale per incidere profondamente sui profitti di un’azienda, la manutenzione predittiva può consentire alle fabbriche di apportare le modifiche e le correzioni appropriate prima che i macchinari subiscano guasti più costosi. L’obiettivo è di far sì che la fabbrica abbia il massimo tempo di attività con il minor ritardo possi- bile; perciò, la manutenzione predittiva può contribuire significativamente a raggiungere questo obiettivo. I numerosi sensori IoT che registrano informazioni vi- La manutenzione predittiva sarà uno dei settori applicativi più importanti per il machine learning