I robot si occupano già da molto tempo delle movimentazioni fisiche e delle attività ripetitive. Tutto ciò va bene finché la linea di produzione non inizia a rallentare, con il materiale in attesa di essere caricato sulla macchina, i pezzi tagliati che giacciono non smistati e le operazioni a valle ferme.
È in quel momento che l’intelligenza artificiale può entrare in gioco e, col tempo, rappresentare una vera e propria svolta. Cosa può apportare al processo? La capacità di utilizzare i dati di produzione per supportare le decisioni. Come afferma Sheet Metal Industries , l’IA può trasformare «i dati in potere decisionale», utilizzando le informazioni per identificare i cambiamenti e migliorare le risposte. Sembra banale, o qualcosa che un operatore esperto può fare per puro istinto, ma non lo è.
L'automazione funziona quando il processo è prevedibile. Finché tutto rimane invariato, non ci saranno problemi. La situazione si complica quando quella sequenza cambia. Gli ordini arrivano con priorità diverse, le macchine non sono disponibili, i materiali subiscono ritardi o un'operazione a valle richiede più tempo del previsto. Una pianificazione creata all'inizio di un turno potrebbe quindi non rispecchiare più ciò che sta accadendo in produzione poche ore dopo.
L'intelligenza artificiale è in grado di individuare questi cambiamenti in tempo reale e di adeguare di conseguenza il programma di lavoro. Lo stesso vale per i lavoratori più esperti. Ciò che probabilmente non sono in grado di fare è prevedere quando e dove si verificheranno i problemi. Una ricerca sulle applicazioni dell’IA nella lavorazione della lamiera illustra come i dati possano essere utilizzati per individuare schemi ricorrenti prima che le deviazioni di processo diventino visibili, orientando la produzione verso un controllo più proattivo.
La manutenzione predittiva segue lo stesso principio. I dati dei sensori, quali vibrazioni, temperatura o modelli di utilizzo, possono rivelare eventuali cambiamenti prima che questi provochino un fermo imprevisto, consentendo di pianificare la manutenzione anziché doverla effettuare a causa di un guasto.
Stiamo parlando del passaggio da una produzione reattiva a una produzione predittiva che non richiede alcuno sforzo. Qualcosa che, fino ad ora, sarebbe sembrato più fantascienza o un pio desiderio che realtà.
Per quanto riguarda gli esempi, il nostro settore si presta particolarmente bene, poiché prevede una sequenza di attività strettamente collegate tra loro: stoccaggio, impilaggio, taglio, scarico, smistamento e lavorazione successiva.
E il taglio laser stesso rende queste relazioni ancora più evidenti. Con l’aumentare della velocità di taglio, il tempo necessario per caricare la lamiera successiva e rimuovere quella precedente assume un’importanza fondamentale.
Qual è il ruolo dell'intelligenza artificiale nel processo di taglio vero e proprio? I software di nesting possono utilizzare algoritmi per migliorare l'utilizzo del materiale. I sistemi di monitoraggio possono identificare condizioni anomale o colli di bottiglia in fase di sviluppo. Il controllo qualità è un altro esempio. La visione artificiale supportata dall’IA può analizzare le immagini ed elaborare i dati durante la produzione, anziché attendere che un lotto completato venga ispezionato. Nelle applicazioni di formatura, si stanno studiando sistemi di apprendimento automatico per prevedere difetti quali crepe, grinze, ritorno elastico e assottigliamento eccessivo. Il risultato è un sistema in cui le singole macchine sono meno isolate dalle operazioni che le circondano.
Come sottolinea The Fabricator, un produttore può disporre di attrezzature altamente produttive e tuttavia subire perdite di capacità in altre fasi della catena di processo. In questo caso, l’intelligenza artificiale può essere d’aiuto facendo ciò che sa fare meglio: elaborare enormi quantità di informazioni in pochi secondi, cosa che la mente umana semplicemente non è in grado di fare. Può analizzare i dati relativi alle vendite e alle offerte oppure utilizzare le conoscenze relative alla produzione per supportare la fase di preventivazione e progettazione. Ciò estende il concetto di produzione connessa oltre il semplice ambito delle macchine. L’obiettivo è ridurre i ritardi anche tra le fasi commerciali, di pianificazione e di produzione.
Ovviamente, il contributo dell’IA può essere valido solo nella misura in cui lo sono i dati che le vengono forniti. Dati frammentati o mal organizzati limitano il valore che l’IA può produrre, indipendentemente dalla sua sofisticatezza (e dal suo costo).
Il software, i macchinari e le attrezzature di movimentazione devono quindi scambiarsi le informazioni in modo corretto, mentre gli operatori e i tecnici devono comprendere i sistemi abbastanza bene da poter mettere in discussione i risultati ottenuti, quando necessario.
Lo stesso principio vale per l'ingegneria. L'intelligenza artificiale può aiutare a individuare dettagli sfuggiti o a velocizzare le attività di routine, ma è comunque necessario che personale esperto verifichi il risultato.
La direzione generale non è semplicemente quella di avere più robot o più intelligenza artificiale. È quella di un migliore scambio di informazioni tra uomo e macchina. È proprio così che il NIST definisce lo sviluppo dell’IA nella produzione intelligente: il progresso non dipende solo dagli algoritmi, ma anche dall’interoperabilità e dall’integrazione.
Per i produttori di lamiere ciò significa che il valore dell’IA sarà sempre più misurato in termini pratici: ovvero, se contribuisce a far sì che materiali, informazioni e ordini passino attraverso il processo produttivo con meno interruzioni.
