Sensori, video e intelligenza artificiale: alleanza di strumenti per scovare i difetti nelle linee di produzione
«Di solito sistemi machine learning funzionano per camere stagne. C’è l’intelligenza artificiale che vede, quella che conta, quella che sa leggere. Con il progetto AIVIS-FOS le abbiamo fuse, facendo sì che i modelli che vedono e riconoscono le difettosità dei prodotti siano in grado di dialogare con quelli che contano, tramite i sensori». Con queste parole Paolo Nadalutti di beanTech, azienda IT friulana, racconta il progetto il cui acronimo sta per “AI-VISion Factory Optimization System”, sviluppato grazie a un finanziamento dell’Unione Europea tramite un bando a cascata dell'ecosistema dell'innovazione iNEST, nell’ambito delle attività dello Spoke 5 – Smart and sustainable environments (manufacturing, working, living) guidato dall’Università di Padova.
«L'intelligenza artificiale dei sistemi di machine vision – prosegue Nadalutti – abilita gli algoritmi di previsione della qualità basati sui dati di telemetria, e al contempo gli algoritmi relativi alla telemetria forniscono ai sistemi di machine vision un contesto che li rende più accurati. Questo dialogo continuo tra sistemi intelligenti è una chiave per ottenere performance migliori».
Per Marco Antonelli, manager della business unit “piattaforme e tecnologie” di beanTech, «il progetto è nato con l’intento di creare una soluzione che mettesse in correlazione dati di processo provenienti dalle linee produttive con la nostra esperienza di machine vision, ovvero l’identificazione di difetti e anomalie tramite videocamere». E i risultati dei test effettuati sono incoraggianti: non solo infatti si riscontra un dimezzamento del tempo necessario per le ispezioni, ma il defect rate, il tasso di scarti, difetti e anomalie, si riduce del 38%.
AIVIS-FOS è un tassello della rivoluzione in corso nell’industria manifatturiera, in cui l’IA gioca un ruolo sempre più decisivo. Per permettere il test della soluzione è stato realizzato un prototipo hardware, una linea di produzione simulata in cui effettuare la sperimentazione. In seguito è stata sviluppata una piattaforma digitale in cui fosse possibile visualizzare i dati provenienti in tempo reale da due fonti: i sensori che segnalano le anomalie di processo e le videocamere che riprendono in diretta la linea di produzione.
I dati raccolti vengono elaborati e riescono a fornire un'analisi dettagliata dei dati e applicare modelli predittivi basati sull'IA. L’obiettivo è anticipare e prevenire potenziali problemi sulla linea produttiva, aumentando l'efficienza operativa e riducendo i costi di manutenzione.
La piattaforma è dotata di un’interfaccia formata da una serie di dashboard configurabili in base alla tipologia di utilizzatore – dall’operatore di linea al responsabile di produzione fino al responsabile di impianto – con livelli di dettaglio diversificati in base a ruoli ed esigenze: i risultati delle previsioni vengono tradotte in linguaggio naturale, generando indicazioni testuali e grafici. Il prototipo è stato testato sulla linea di produzione di un cliente che si è reso disponibile a tal scopo, consentendo di validare il funzionamento del sistema all’interno di un contesto di produzione attiva.
Alla luce di questi risultati, beanTech sta ora avviando la fase successiva: portare AIVIS-FOS sul mercato e renderlo disponibile ai propri clienti. Un passaggio che segna la trasformazione di un progetto di ricerca in una soluzione concreta e scalabile, capace di coniugare innovazione tecnologica ed esigenze produttive, e di offrire nuove prospettive di efficienza e competitività all’industria manifatturiera.
