Come la svolta dell’IA porta efficienza e risparmi nella visione

L’IA porta efficienza e risparmi nella visione. Come? Sappiamo che dove entrano in gioco operazioni ripetute in grandi quantità e a elevata frequenza, l’automazione è indispensabile per superare i limiti delle capacità umane.

Quando a questo si aggiunge la necessità di riconoscere difetti e difformità a velocità altrettanto elevate, è necessario un passo in più. Ovvero quello garantito in misura ormai sempre più consolidata e affidabile dall’intelligenza artificiale.

Una spinta in più a un settore comunque in buona salute. Secondo MarketsandMarkets, un contributo importante alla diffusione delle smart factory, il cui mercato è previsto in crescita del 10% all’anno fino al 2029, passando da un valore complessivo di 100,6 miliardi di dollari nel 2024 a 164 miliardi di dollari.

Sulla spinta di Industria 4.0, sono proprio i sistemi di automazione e controllo tra i protagonisti della crescita, e in particolare quelli guidati dall’IA.

Una lunga storia, arrivata alla maturità

Nonostante sia diventata di grande attualità solo di recente, grazie soprattutto alla popolarità dei sistemi generativi, per linguaggio e immagini, la storia dell’IA è decisamente più lunga. Le prime ricerche risalgono, infatti, agli Anni ’50.

Ora, però, si parla di una tecnologia profondamente cambiata, matura e in grado di fare la differenza e di alzare di livello la produttività di un impianto produttivo. Come tale, da valutare senza ulteriori esitazioni.

Efficienza, controllo qualità, gestione degli scarti e riduzione dei costi, sono alcuni degli aspetti principali sui quali l’IA ha ripercussioni immediate. Naturalmente, se accompagnata da una tecnologia all’altezza.

A partire da sistemi ottici di riconoscimento precisi, un software in grado di garantire risposte alla stessa velocità di un impianto e naturalmente un hardware chiamato a garantire adeguate prestazioni.

Il controllo cambia le regole

L’evoluzione è di quelle importanti. Si passa, infatti, da una visione artificiale basata su regole a una invece costruita intorno alle immagini.

Una volta trasmessa l’immagine del prodotto, della confezione o di un’etichetta, da una linea produttiva a un server, il relativo software non si limita più a valutare l’allineamento con requisiti standard per approvare o meno l’oggetto.

Il confronto è su una base più ampia, introducendo una serie di livelli intermedi, a seconda delle esigenze.

Per esempio, dal confronto con i dati archiviati in fase di addestramento dei sistemi, il cosiddetto machine learning, è possibile classificare eventuali anomalie rilevate, in modo da selezionare quelle sì da correggere ma non determinanti alla fine di un controllo qualità, quelle per le quali è possibile un intervento di correzione, magari semplicemente cambiando un’etichetta o una confezione senza invalidare l’intero prodotto, o quelle effettivamente errate.

Procedure alle quali si aggiunge una prospettiva del tutto nuova. Attraverso le immagini, è infatti possibile passare a un’interpretazione sintattica del testo e non più solo grafica.

Tra le potenziali ripercussioni, una maggiore facilità di implementazione, riducendo complessità e costi dei relativi algoritmi.

Il percorso ragionato alla base del risultato

Nella parte generativa, o quella comunque visibile dell’IA, la produzione di un risultato è solo la parte visibile di un processo in realtà molto più lungo e articolato. In particolare, fondamentale è la parte di apprendimento dell’algoritmo.

Quell’attività è nota appunto come machine learning, dove in pratica, un po’ come a scuola, a un sistema si insegnano tutte le nozioni utili successivamente a prendere le giuste decisioni in apparente autonomia.

Quasi sempre, al riguardo si parla anche di Deep learning, la soluzione più adatta quando in gioco ci sono grandi quantità di dati da elaborare in tempi estremamente ridotti.

Dove, quindi, al momento è indispensabile affidarsi a un server remoto sul quale concentrare il massimo delle risorse computazionali.

Attualmente è una delle operazioni più esigenti dal punto di vista del calcolo, e non a caso tra i componenti più adatti ci sono quelli concepiti per i videogiochi, con la produzione Nvidia in prima fila.

Un’alternativa: l’Edge learning

Un sistema del genere è naturalmente costoso, ma i suoi benefici sono evidenti. Un algoritmo di intelligenza artificiale può essere applicato a diversi passaggi di un impianto produttivo, portando relativamente in fretta ai benefici attesi in termini di affidabilità, qualità e controllo dei costi su attività a pieno regime.

In alcune situazioni, è però possibile valutare anche un’alternativa, l’Edge learning. Per quanto meno diffusa, in determinate circostanze è sicuramente vantaggiosa. In questo caso, l’elaborazione avviene direttamente sul dispositivo di visione e di controllo.

È indicata dove il database delle immagini di riferimento sia numericamente limitato, con un ventaglio di varianti ridotto e quindi minore esigenza di calcolo.

Comporta però un investimento diverso per dotare tutti i punti di osservazione di unità di calcolo indipendenti. In pratica, il carico di lavoro non è più centralizzato, ma distribuito in prossimità dei singoli punti di visione.

Dalla vista alla riflessione

Sotto un certo punto di vista, un sistema di visione può essere considerato un’evoluzione dei semplici sensori, il cui ulteriore sviluppo sta portando verso l’integrazione dell’intelligenza artificiale.

Dal punto di vista pratico, questo comporta diversi vantaggi. Si parla, infatti, di aumentare la capacità di analisi e riconoscimento dei difetti o imperfezioni, alzando il livello di automazione: l’IA porta efficienza e risparmi nella visione in modo concreto.

Quindi, il relativo potere di riconoscimento dei dettagli e le conseguenti analisi.

Informazioni a loro volta utili a perfezionare il processo produttivo, garantendo così una maggiore qualità dei prodotti in uscita, ma contribuendo anche a diminuire il tasso di errore.

Un sistema di visione integrato da Intelligenza artificiale è in grado di riconoscere e analizzare un elemento di testo presente in un’immagine, andando oltre il semplice dettaglio grafico. Si può arrivare a parlare di veri e propri controlli sintattici, prima di tutto, ma anche di conformità.

Una soluzione di questo tipo può essere utile anche a monte nella catena produttiva. Addirittura, al di fuori, direttamente nella precedente fase di stampa delle bobine integrando il sistema di visione in una stampante o aggiungendolo in linea.

Individuare per tempo il problema

Evidenti i vantaggi, soprattutto quando l’operazione è affidata a un fornitore esterno. Rilevare difetti su un’etichetta applicata a un prodotto comporta infatti lo scarto o la rielaborazione dell’intero oggetto. Eventualmente, invalidando un’intera commessa, da rimandare allo stampatore per le relative analisi e correzioni.

Anche quando la procedura rimane tutta all’interno, si tratta comunque di un rallentamento nei tempi, con relativo aumento nei costi della produzione.

Nel caso, infine, di stampa eseguita in linea con l’assemblaggio di un prodotto, un sistema di visione arricchito dall’intelligenza artificiale aiuta a individuare per tempo il problema e a intervenire di conseguenza, senza compromettere interi lotti da dover rielaborare.

Basti pensare, per esempio, a cosa significhi in termini di costi rilevare un problema di stampa, o un’informazione imprecisa, su un lotto di medicinali già confezionati e imballati, invece di individuare all’istante l’errore e fermare subito la produzione per le correzioni del caso.

L’intelligenza si paga

Appurato il potenziale del nuovo passaggio evolutivo, appurato che l’IA porta efficienza e risparmi nella visione, ci sono alcune considerazioni da fare, prima di decidere se e come procedere.

Si parla comunque di un investimento importante, per l’utilizzo di un software tra i più complessi mai concepiti, con relativa spesa e tempi anche per l’integrazione nei processi.

Se si sceglie di estendere un sistema esistente, l’operazione non è delle più scontate.

Bisogna valutare il rischio di trovarsi a integrare funzionalità in ambienti non progettati per accoglierli, con la prospettiva di dover riprogettare un’infrastruttura IT anche di recente configurazione.

Le soluzioni complete

Anche per questo, nel settore si sta assistendo alla crescente offerta di soluzioni complete ovvero sistemi di visione con le funzioni di intelligenza artificiale integrate in modo nativo.

Da una parte, un approccio sicuramente più oneroso, dall’altra con maggiori possibilità di ridurre i tempi di messa in opera e ottenere i relativi benefici, riducendo così il ritorno dell’investimento.

Una soluzione preferibile anche dal punto di vista dell’assistenza, con un referente unico in grado di intervenire con maggiore tempestività e precisione per aggiustamenti o aggiornamenti.

D’altra parte, come sempre succede in situazioni del genere, il rischio è quello di vincolarsi eccessivamente a un unico fornitore e trovarsi a dover dipendere dalle relative decisioni.

(a cura di Giovanni Ticozzi)