Sono passati ormai sette anni da quando il fondatore del World Economic Forum, Klaus Schwab, ha coniato l’espressione “quarta rivoluzione industriale” (4IR) a una conferenza di Davos. Eppure, l’hype sul suo potenziale, su come si sarebbe presentata e sulla sua data di arrivo non si è mai fermato.
Nel suo libro che porta lo stesso titolo, Schwab descrive la 4IR come “una rivoluzione tecnologica che sta sfumando i confini tra le sfere fisica, digitale e biologica”.
Man mano che diventiamo più dipendenti da tecnologie come l’intelligenza artificiale e che questa assume un ruolo sempre più importante nelle nostre vite, molti non considerano più la 4IR come qualcosa del futuro ma insistono che sia già qui – il prossimo passo è costruire fiducia nell’IA per accelerarne l’adozione. Puoi saperne di più su come rivoluzionare il decision-making con l’IA nel nostro webinar dedicato.
La nascita dell’IA nell’industria
IA è una delle parole d’ordine più ricorrenti del ventunesimo secolo, con la maggior parte della spinta arrivata nell’ultimo decennio. Nonostante la spinta relativamente recente verso l’avanzamento dell’intelligenza artificiale, le sue origini risalgono alla metà del Novecento.
Il test di Turing
Nel 1950, Alan Turing portò il concetto di intelligenza artificiale alla coscienza dell’umanità. In linea con il suo pensiero, sviluppò il test di Turing per capire se le macchine possono pensare a un livello simile a quello umano o superiore. Purtroppo, non si verificarono molte svolte verso la fine degli anni ’60, periodo che divenne noto come il primo “inverno dell’IA” a causa della carenza di finanziamenti per la ricerca e lo sviluppo.
I robot entrano nella manifattura
Tuttavia, silenziosamente sullo sfondo, aspetti dell’IA iniziarono a essere integrati nella manifattura nonostante la scarsa crescita in quel periodo. Per esempio, un braccio robotico da catena di montaggio chiamato SCARA fu sviluppato nel 1978 e impiegato nella produzione. Ma fu solo negli anni ’80 che assistemmo al successivo boom della ricerca e sviluppo sull’IA, e gli scacchi ebbero un ruolo significativo.
Scacco matto per l’IA
Garry Kasparov, campione del mondo di scacchi dell’epoca, dominava il gioco. Gli scacchi erano riconosciuti come il penultimo gioco da sconfiggere, perché superarlo avrebbe significato che l’IA aveva soddisfatto il criterio di Turing di costruire una macchina capace di pensare con la capacità di una persona.
Kasparov non era convinto dei progressi dell’IA nel suo dominio e arrivò a proclamare che i motori scacchistici basati sull’IA non avrebbero potuto superare il livello dei grandi maestri. Questa convinzione fu ulteriormente rafforzata quando sconfisse rispettivamente Deep Blue di IBM nel 1996 e il suo predecessore IBM Deep Thought nel 1989.
Ma nel 1997 Kasparov dovette rimangiarsi le parole quando Deep Blue di IBM lo sconfisse nella rivincita; questo momento si dice abbia posto fine al secondo “inverno dell’IA” iniziato nel 1988.
Il futuro dell’IA
Da allora, l’IA ha fatto progressi costanti. Tuttavia, il successivo boom arrivò solo nel 2012, con la rivoluzione del deep learning e, più recentemente, il lancio di GPT-4.
Ogni progresso ha avuto un ruolo significativo nella crescita dell’IA, che si è riversata gradualmente anche nell’industria manifatturiera. Oggi è normale che i produttori sfruttino l’IA per ottimizzare la produzione.
Esempi di IA nella manifattura
Possiamo definire l’IA come “intelligenza — percepire, sintetizzare e inferire informazioni — dimostrata dalle macchine, contrapposta all’intelligenza mostrata dagli esseri umani o da altri animali”.
Un ramo specifico dell’IA noto come machine learning sta compiendo progressi rivoluzionari nella manifattura grazie alle ingenti quantità di dati su cui il settore fa affidamento.
Il machine learning consente alle macchine di prendere decisioni senza input umano sulla base di pattern appresi dai dati. Gli esseri umani avrebbero in genere difficoltà a districarsi tra grandi quantità di dati, ma per una macchina questo è semplice.
Se una fabbrica piena di robot poteva sembrare una fantasia fantascientifica lontana, oggi riflette uno scenario reale in cui i produttori sfruttano l’IA.
Ma i produttori possono beneficiare dell’IA in diversi modi; vediamone alcuni.
Manutenzione predittiva
Tutte le attrezzature industriali hanno un ciclo di vita. Non mantenerle per tempo può comportare perdite significative di denaro e tempo. Effettuare assistenza troppo presto può ugualmente tradursi in perdite di tempo e denaro, quindi la sfida è identificare il momento ideale per fare manutenzione o sostituire i macchinari. La manutenzione predittiva basata sull’IA è stata introdotta sempre più spesso per rispondere a questa esigenza.
Controllo qualità e ispezione
I prodotti manifatturieri spesso mantengono un certo livello di controllo qualità per garantire che siano di buon livello prima di arrivare nelle mani dei consumatori. Applicare il controllo qualità significava tradizionalmente che gli esseri umani effettuassero ispezioni visive alla ricerca di difetti. Il problema delle ispezioni visive umane è duplice: 1) gli esseri umani sono tipicamente soggetti a errore e 2) le ispezioni possono richiedere molto tempo.
Affidare la responsabilità degli strumenti di ispezione visiva ad apparecchiature alimentate dall’IA, come le telecamere di machine vision, spesso porta a un rilevamento dei difetti e a ispezioni più rapide e accurate, così le aziende possono essere più sicure che i loro prodotti soddisfino la qualità desiderata prima di arrivare nelle mani dei consumatori.
Ottimizzazione e automazione dei processi
Tecnologie come la Robotic Process Automation (RPA) semplificano i requisiti per creare, distribuire e gestire robot software che imitano le azioni umane interagendo con sistemi e software digitali.
Questo tipo di software può gestire processi ripetitivi e ad alto volume con maggiore accuratezza rispetto agli esseri umani. Esempi d’uso della RPA includono il trasferimento dati tra sistemi, ricerche, calcoli e manutenzione dei registri.
Gestione della supply chain
Un buon esempio di IA nella manifattura si vede nella gestione della supply chain. I produttori in genere devono processare milioni di ordini, acquisti, materiali, ingredienti, ecc. Gestire manualmente questi processi incide in modo significativo sul tempo e sulle risorse, motivo per cui sempre più aziende si orientano verso l’IA per potenziare i processi della supply chain.
Cobots
I robot collaborativi, o Cobots in breve, si stanno assumendo sempre maggiori responsabilità di supporto al fianco degli esseri umani invece che in loro sostituzione.
A differenza dei robot automatizzati programmati per svolgere un singolo compito in modo ripetitivo, i Cobots possono imparare a svolgere vari compiti e sono più spesso impiegati per attività che comportano il sollevamento di carichi pesanti (ad esempio, parti di auto pesanti) o il lavoro sulle linee di assemblaggio. Un altro caso d’uso dei Cobots è individuare e recuperare articoli in grandi magazzini.
Implicazioni etiche dell’IA nella manifattura
Tra tutti gli esiti positivi e i potenziali progressi che potremmo sperimentare grazie all’IA nella manifattura, alcune implicazioni etiche hanno sollevato preoccupazioni in alcuni gruppi.
Ecco alcune delle preoccupazioni che sollevano.
Disoccupazione e aumento delle disuguaglianze
La preoccupazione più evidente è la minaccia alla sicurezza dell’umanità. Per alcuni questa minaccia è esistenziale, per altri riguarda più la domanda di lavoro.
Tradizionalmente, il progresso tecnologico comporta un aumento della domanda di lavoro altamente qualificato, mentre diminuisce la domanda di lavoratori con meno istruzione e meno competenze.
Tuttavia, come il presidente e amministratore delegato di IBM, Arvind Krishna, ha previsto a Davos nel gennaio 2023, con la rivoluzione dell’IA potremmo vedere l’opposto:
“Dovresti preoccuparti più dei lavori d’ufficio, impiegatizi, che di quelli fisici. Un gran numero verrà sostituito. Quindi la domanda è: ‘Quali lavori crei per rimpiazzarli?’”
Arvind Krishna, Chairman and Chief Executive IMB
Man mano che le macchine diventano più intelligenti, sono destinate a sostituire molti esseri umani sul posto di lavoro, lasciando senza occupazione molti di coloro che non possiedono le competenze della 4IR.
Minacce alla cybersicurezza
I criminali informatici trovano costantemente nuovi modi per violare i sistemi, sollevando molte preoccupazioni sull’IA poiché è più vulnerabile agli attacchi. Il World Economic Forum evidenzia le principali minacce per il settore manifatturiero:
- Attacchi di phishing
- Ransomware
- Furto di proprietà intellettuale
- Attacchi alla supply chain
- Attacchi all’Internet of Things (IoT)
Man mano che persone, prodotti e attrezzature diventano più connessi tramite l’IoT, anche una piccola violazione del sistema è sufficiente a interrompere un’intera linea di produzione e, nei casi peggiori, bloccare completamente un’azienda manifatturiera.
Bias
Uno dei compromessi quando si affida all’IA l’elaborazione rapida di grandi moli di dati è il rischio che apprenda bias intrinseci. Non sempre ci si può fidare che l’IA sia equa e neutrale.
Per esempio, un sistema di IA addestrato a predire futuri criminali ha mostrato un forte pregiudizio verso le persone nere. Bisogna considerare anche le persone che costruiscono i sistemi. Gli esseri umani creano questi sistemi di IA e tendono ad avere propri bias, che possono introdurre.
Nel contesto della manifattura, i bias dell’IA possono causare diversi problemi.
Nella manutenzione predittiva, ad esempio, modelli di IA addestrati su dataset distorti potrebbero non prevedere accuratamente i guasti alle attrezzature, causando fermi imprevisti, costi più elevati e cali di produttività.
Il bias può anche alterare i processi di controllo qualità automatizzati, favorendo potenzialmente alcuni prodotti o componenti rispetto ad altri sulla base di dati viziati.
Inoltre, nella gestione della supply chain guidata dall’IA, i bias possono portare a una selezione dei fornitori iniqua, a un’allocazione inefficiente delle risorse e a una domanda di mercato valutata male. Questi impatti possono non solo compromettere l’efficienza operativa, ma anche comportare rischi reputazionali e problemi di conformità normativa.
Conclusioni
Senza dubbio, l’IA è una tecnologia rivoluzionaria; un numero crescente di aziende la sta già adottando per migliorare le pratiche, prendere decisioni migliori e creare prodotti migliori.
Man mano che questi sistemi diventano più intelligenti, è probabile che le pratiche manifatturiere migliorino di conseguenza; perciò le aziende con una solida padronanza dei fondamenti di IA avranno probabilmente un vantaggio significativo sulla concorrenza.
Richiedi una demo per scoprire come DataCamp può guidarti nel processo di upskilling dell’intero team e nella costruzione di una cultura data-positive.
