Il machine learning per i sistemi industriali autonomi

Fabbriche più intelligenti, sicure ed efficienti grazie ai progressi dell’elettronica e dell’informatica. Gestire una fabbrica in grado di perfezionarsi autonomamente potrebbe sembrare il sogno di qualunque direttore della produzione. Cosa si potrebbe desiderare di più che avere sistemi automatizzati in grado di apprendere dai propri errori e di migliorarsi continuamente?

Immaginate la qualità che aumenta a nuovi livelli e la possibilità di rendere invariabile la produzione just-in-time. Produttività, affidabilità ed efficienza giungerebbero a vette prima irraggiungibili, portando ad ancora maggiori profitti e crescita.

È impressionante come questo sogno stia per diventare realtà, almeno in una certa misura. Le macchine in grado di apprendere e migliorare autonomamente le proprie prestazioni stanno diventando la base della fabbricazione avanzata grazie a innovative tecnologie a semiconduttori e all’intelligenza artificiale (AI) basata su Cloud. Oggi i sensori industriali stanno portando le informazioni disponibili a un nuovo livello attraverso l’invio di un volume di dati in crescita esponenziale verso il cloud su Internet, dove vengono raccolti per essere analizzati utilizzando tecnologie di intelligenza artificiale. In base ai risultati, è possibile rimandare le istruzioni a strumenti automatizzati, come robot e sistemi di controllo, per migliorare costantemente il processo.

Il machine learning a livello di fabbrica dipende dall’elaborazione e dal confronto all’interno del cloud di un numero incredibilmente alto di dati nonché dalla disponibilità di un’intelligenza distribuita e da comunicazioni cablate e wireless in numerosi sensori e sistemi di automazione negli impianti produttivi della fabbrica e in centri di controllo sul posto. Se l’intelligenza artificiale basata sul cloud e i centri di controllo della fabbrica rappresentano il cervello dell’operazione, i sensori sono gli occhi e le orecchie, mentre i robot e altri sistemi automatizzati ne costituiscono le braccia e le gambe. Con il feedback proveniente dagli occhi e dalle orecchie, e grazie a informazioni intelligenti ricevute dal cervello, le braccia e le gambe possono essere addestrate ad eseguire operazioni complesse in modo più preciso e per rispondere più adeguatamente al variare delle condizioni.

I risultati sono maggiore qualità, maggiore produttività, migliore efficienza e maggiore sicurezza per i lavoratori che svolgono le operazioni di addestramento e manutenzione, e che collaborano con le macchine nel processo produttivo.

Il machine learning è una componente importante della moderna automazione di fabbrica basata su una rete di intelligenze distribuite per rilevamento, comunicazioni e controllo. Gli odierni progressi in ambito manifatturiero sono talmente caratterizzati da andare sotto il nome di Industria 4.0 (che segue i precedenti grandi balzi in avanti costituiti dal motore a vapore, dalla catena di montaggio e dalla prima fase dell’automazione). L’innovazione in un gran numero di campi, tra cui vale la pena ricordare la fondamentale tecnologia a semiconduttori sviluppata da Texas Instruments (TI), dà slancio all’Industria 4.0 e ai suoi successi in termini di produttività, efficienza, precisione, flessibilità e sicurezza.

“Se l’intelligenza artificiale basata sul cloud e i centri di controllo della fabbrica costituiscono il cervello dell’operazione, i sensori sono gli occhi e gli orecchi, mentre i robot e altri sistemi automatizzati ne costituiscono le braccia e le gambe.”

 

L’importanza del machine learning nella produzione industriale

Tradizionalmente i complessi strumenti utilizzati nel campo della produzione industriale sono stati costruiti per eseguire attività ripetitive, con un certo grado di variazione in termini di reazione per via del feedback proveniente dall’intelligenza di rilevamento e controllo progettata appositamente. Riprogrammare i parametri del sistema permette una variazione maggiore in modo che, ad esempio, un robot possa eseguire una diversa serie di movimenti oppure affinché un sistema di controllo dei processi chimici possa creare un tipo di lotto differente. La macchina viene testata e calibrata utilizzando metriche ricavate da campioni del processo.

In un contesto ideale, lo strumento lavorerebbe come previsto in ogni momento e il processo non commetterebbe mai errori. Tuttavia, le condizioni di produzione solo raramente sono ideali. I materiali variano da un lotto all’altro, le condizioni ambientali, come la temperatura, cambiano, mentre la polvere e le impurità si accumulano. All’interno della macchina stessa, i componenti si riscaldano e gli organi in movimento si usurano. Ne deriva che i prodotti ottenuti iniziano a variare maggiormente, con effetti a catena nelle ultime fasi della produzione. Inevitabilmente si ottengono articoli da scartare, materiali da rottamare, tempi morti nella produzione, manutenzioni improvvisate, perdite di tempo ed energia nonché mancati guadagni.

Fortunatamente, i nuovi sviluppi nel campo dei sistemi automatizzati rendono ora possibile realizzare macchine in grado di apprendere dal mutare delle condizioni, di minimizzare queste sfide e di ridurre gli sprechi. Il primo passo comporta la raccolta dei dati. Una crescita dirompente del numero di sensori connessi fornisce grandi quantità di dati al cloud relativi a temperatura, pressione, prossimità, orientamento, distanze, composizione chimica e molti altri fattori che influiscono sui processi produttivi. Le videocamere completano spesso il lavoro dei sensori permettendo di riconoscere modelli e percepirne i movimenti. Un utilizzo combinato di sensori e video può rendere possibile stilare relazioni di grande precisione relative ai processi produttivi in un ambiente complesso e mutevole, del tutto simile a quello delle automobili, attualmente in fase di sviluppo, a guida autonoma.

Le grandi quantità di informazioni fornite ai data center remoti fungono da materie prime per il data mining, per le reti neurali e per altre tecniche utilizzate dall’intelligenza artificiale per migliorare il funzionamento dei sistemi automatizzati. Mentre l’impostazione dei parametri è tradizionalmente affidata al campionamento di decine o centinaia di misurazioni, le macchine del futuro trarranno vantaggio dall’analisi di miliardi di esse. I robot permetteranno una compensazione più precisa della deriva dovuta al riscaldamento e all’usura dei cuscinetti. I sistemi di controllo chimico potranno ottimizzare le ricette adeguandosi a differenze minime nei lotti di fornitura. I motori che funzionano in tandem lavoreranno con maggiore efficienza al variare del carico. Tutti i sistemi reagiranno con maggiore precisione alle variazioni delle condizioni ambientali e monitoreranno l’ambiente e se stessi con maggiore efficacia a vantaggio della manutenzione predittiva e della sicurezza.

Figura 1. Una macchina a controllo automatico agisce sulla base di nozioni ricavate da livelli inferiori e derivati, in definitiva, da enormi quantità di dati.

Un esempio pratico di utilizzo dell’intelligenza artificiale in fabbrica è il miglioramento continuo del riconoscimento di modelli visivi. Gli algoritmi di deep learning che utilizzano reti neurali hanno dimostrato la loro forza nel riconoscere modelli altamente variabili, come la calligrafia. Tecniche di questo tipo verranno sicuramente utilizzate, insieme ad altri algoritmi di riconoscimento, per migliorare l’utilità delle videocamere.

Figura 2. L’intelligenza artificiale comprende una vasta area di ricerche e applicazioni, alcune delle quali sono dedicate al modo in cui le macchine, come i sistemi di produzione automatizzata, possono migliorare le proprie prestazioni e apprendere nuovi compiti autonomamente.

In aggiunta al continuo miglioramento della precisione a livelli oggi irraggiungibili, si prevede che le tecniche di intelligenza artificiale definiscano parametri sulla base di modelli che al momento sono ancora troppo difficili da rilevare. Ad esempio, nei casi in cui gli esperti di un processo rimangono sconcertati da come, apparentemente, operazioni identiche su una catena di montaggio abbiano rendimenti inferiori rispetto ad un’altra catena, il data mining potrebbe aiutare a identificare con precisione la risposta all’interno di una variabile inaspettata.

Le possibilità di analisi dei dati e del loro utilizzo per migliorare il funzionamento dei sistemi industriali automatizzati sono limitate solo dall’immaginazione dei progettisti delle apparecchiature e degli esperti di intelligenza artificiale. Molti progressi dipenderanno dalla collaborazione con un approccio di problem solving fra intelligenza artificiale e specialisti umani, che fungano da guida e riducano al minimo gli errori iniziali. Poiché il machine learning è ancora allo stato embrionale, molte tecniche devono ancora essere inventate. Con l’avvento di processi di produzione meccanica, chimica e biologica sempre più complessi, tali procedure saranno indispensabili per un miglioramento continuo. 

Requisiti di progettazione per sistemi in grado di apprendere 

L’automazione industriale avanzata, incluso il machine learning, è dovuta all’ampia diffusione di sistemi di rilevamento, all’intelligenza artificiale distribuita e alla grande estensione delle comunicazioni cablate e wireless. Sebbene i diversi sistemi coinvolti abbiano alcune funzioni in comune, i requisiti di progettazione variano ampiamente da un sistema all’altro; pertanto, i progettisti devono affidarsi ai più avanzati circuiti integrati per soddisfare tali requisiti.

Un’area importante delle innovazioni nel campo dei circuiti integrati è il rilevamento. I sensori presentano solitamente dimensioni ridotte e comprendono un elemento di conversione della grandezza fisica in segnale elettrico, l’amplificazione del segnale, la conversione da analogico/digitale (ADC) e la comunicazione. È possibile che venga incluso un microcontrollore, in particolare se il sensore integra ulteriori funzioni. Spesso i sensori vengono posizionati in punti difficili da raggiungere, dove il circuito deve essere fortemente integrato, debbono comunicare senza fili e funzionare con un assorbimento estremamente basso che garantisca un’atonomia di diversi anni prima di dover cambiare batteria.

A differenza dei sensori, le videocamere producono un’enorme quantità di dati in pixel che richiedono un’elaborazione notevole da un insieme eterogeneo di microprocessori, processori di segnale digitale (DSP) e acceleratori hardware. La comunicazione video, di norma, è cablata per via dell’elevato flusso di dati, sebbene i sistemi di videocamere utilizzino metodi di compressione e tecniche come il riconoscimento degli oggetti per limitare la banda di trasmissione.

I robot e altri sistemi automatizzati sono normalmente unità autonome con un controllo locale che gestisce il funzionamento di routine e le esclusioni di sicurezza. La comunicazione con l’intelligenza remota permette la riprogrammazione e il coordinamento con il resto dell’impianto. Sebbene il tradizionale robot industriale lavori all’interno di una barriera di sicurezza, i robot vengono progettati sempre più spesso per collaborare con gli operai all’interno di fabbriche e magazzini. In questi casi, l’intelligenza integrata istruisce il robot su ciò che deve fare quando rileva la presenza di un essere umano. I programmi, e i processori sottostanti, diventano sempre più complessi a mano a mano che i sistemi automatizzati reagiscono a un maggior numero di sensori interni ed esterni e che i loro comportamento risulti sempre più adattabile. L’aggiunta del machine learning non fa che aumentare questa tendenza.

Le comunicazioni in fabbrica variano notevolmente e richiedono il supporto di interfacce che vanno dalle più semplici, come IO-Link, fino all’Industrial Ethernet in tempo reale. Dal punto di vista wireless, le reti mesh Bluetooth stanno guadagnando terreno con grande rapidità, ma anche soluzioni proprietarie e standard più vecchi, come Wi-Fi e WHART, stanno aumentando la loro penetrazione nelle fabbriche. Una problematica frequente rimane fornire una larghezza di banda maggiore, un comportamento deterministico, bassa potenza e una solida copertura dei protocolli per configurazioni estremamente varie che possono andare da impianti estesi per chilometri ad aree produttive in fabbrica, compatte e rumorose. La sicurezza di rete è un ulteriore elemento chiave, mentre le soluzioni a semiconduttore devono supportare la crittografia e altre misure di sicurezza per prevenire la corruzione dei flussi di dati e delle istruzioni da parte di fonti esterne.

Le attrezzature produttive, inoltre, devono essere progettate tenendo a mente la sicurezza, utilizzando tecnologie di isolamento rinforzato per prevenire danni ai sistemi e lesioni alle persone causati da picchi di tensione e transienti. L’isolamento dei segnali aiuta a preservare l’integrità dei segnali interni e a prevenire segnali di ritorno indesiderati sulle linee esterne. Le tecnologie di sicurezza e protezione saranno inoltre sempre più importanti a mano a mano che i sistemi di produzione diventeranno più smart e più adattabili in futuro. 

La tecnologia di TI per macchine in grado di apprendere 

TI contribuisce sensibilmente allo sviluppo di Industria 4.0 e del machine learning con una gamma completa di tecnologie necessarie per i sistemi automatizzati. Queste tecnologie includono il rilevamento, il condizionamento del segnale, l’elaborazione dei controlli e dei segnali, le comunicazioni e la gestione dell’alimentazione. I prodotti industriali di TI sono certificati per l’impiego in ambienti gravosi. Inoltre la profondità esperienza di TI nel campo dei sistemi e delle tecnologie di processo avanzate rendono possibile l’innovazione tecnologica richiesta dall’industria oggi e in futuro.

Le tecnologie essenziali che rendono possibili i sistemi autonomi in fabbrica (la maggior parte delle quali ricopre un ruolo importante anche nei centri di controllo dell’impianto e sul cloud) comprendono:

Sensori e condizionamento del segnale. Le tecnologie di rilevamento di TI sono in grado di rilevare un’ampia gamma di condizioni, tra cui luce, temperatura, pressione, prossimità, movimento, corrente, tensione, livelli dei liquidi, concentrazioni dei gas, flusso dei fluidi e la presenza di varie sostanze chimiche. TI sviluppa costantemente una gamma di tecnologie abilitanti che comprendono il rilevamento di tipo capacitivo, magnetico, ultrasonico, radar e LIDAR. Tra le aggiunte più recenti, il rilevamento a onde millimetriche (mmWave) di TI che, grazie alle alte frequenze utilizzate, è in grado di offrire un’accuratezza precisa nel campo al di sotto del millimetro. La tecnologia mmWave di TI è in grado di rilevare il vetro e di penetrare attraverso certi materiali come la plastica, il cartongesso e i vestiti, oltre ad essere insensibile a condizioni in fabbrica che la renderebbero cieca, come la presenza di polvere o spray. Soluzioni a sensori estremamente compatte sono complete di amplificazione, ADC e altre funzioni, mentre i front-end completi per videocamere integrano ADC ad alta velocità e multicanale. Le MCU e i transceiver a bassissima potenza forniscono l’intelligenza e le connessioni necessarie per i sensori remoti.

Elaborazione dei controlli e dei segnali. Gli sviluppatori di progetti industriali integrati dipendono da architetture di elaborazione flessibili per supportare più periferiche e interfacce specifiche per l’industria. I processori Sitara™ di TI rispondono a questa esigenza e offrono, inoltre, elevati livelli di integrazione e scalabilità. Basati su core ARM® Cortex®-A e dotati di periferiche, connettività e rapida risposta in tempo reale, i processori embedded single-core e multi-core di TI offrono una piattaforma software scalabile con compatibilità del codice, permettendo quindi agli sviluppatori di riutilizzare risorse di proprietà intellettuale software in una gran varietà di sistemi automatizzati.

Video. Per supportare i requisiti di video industriale, la gamma di processori specializzati di TI offre l’accelerazione hardware per algoritmi video standard e una vasta libreria di moduli software video per aiutare gli sviluppatori in attività come il riconoscimento degli oggetti. Per la robotica, la tecnologia 3D di TI per il tempo di volo (ToF, Time-of-Flight) funziona illuminando un’area con luce infrarossa modulata. La misurazione del cambiamento di fase del segnale riflesso permette di determinare con precisione la distanza per ogni pixel del sensore. La mappa di profondità in 3D del soggetto o della scena creati consente al rilevamento di andare oltre il riconoscimento della prossimità fino alla visione macchina di nuova generazione.

Comunicazioni protette. Una vasta gamma di prodotti per la comunicazione comprende soluzioni protette per i principali standard di comunicazione in ambito industriale, tra cui CAN, Industrial Ethernet e reti wireless. La tecnologia di TI per la sicurezza delle comunicazioni si basa su un supporto di sviluppo industriale a lungo termine non soltanto nella produzione, ma anche in settori come l’automazione degli edifici e i servizi finanziari; questi ultimi sono generalmente riconosciuti come il settore di applicazione commerciale con i requisiti più esigenti in termini di sicurezza.

Gestione dell’alimentazione. Gli avanzati processi di produzione analogici includono soluzioni al nitruro di gallio (GaN) per alimentatori switching ad alta velocità, in grado di fornire una densità di potenza eccezionale in sistemi industriali ad alta tensione. La tecnologia di isolamento rinforzato fornisce soluzioni di alimentazione isolate ad elevata efficienza, in grado di resistere a tensioni particolarmente elevate. Questi progressi completano la vasta gamma di TI per la gestione dell’alimentazione composta da regolatori switching e lineari, controller switching, monitoraggio dell’alimentazione e altri dispositivi di supporto per la gestione dell’alimentazione.

Supporto approfondito. I costruttori di attrezzature industriali che si trovano a fronteggiare rapidi cicli di sviluppo di sistemi complessi necessitano di soluzioni complete. A sostegno dei propri prodotti, TI propone moduli di valutazione (EVM), kit di sviluppo, moduli di riferimento e altri strumenti d’aiuto per una progettazione rapida ed efficace.

Elementi di rilevamento, condizionamento del segnale, elaborazione eterogenea, comunicazioni cablate e wireless, gestione dell’alimentazione e isolamento: tutte queste funzioni sono necessarie per i sistemi automatizzati che stanno diventando sempre più sofisticati nel campo della moderna produzione manifatturiera. TI sviluppa tecnologie avanzate in tutti questi settori per i sistemi di produzione, nonché per i requisiti dei centri di controllo e per il cloud. Si prevede che il machine learning basato sull’intelligenza artificiale continuerà a progredire negli anni a venire, mentre l’innovazione di TI continuerà a svolgere un ruolo fondamentale in uno degli ambiti di sviluppo più stimolanti nel campo della produzione industriale: aiutare le attrezzature a svolgere il loro lavoro in modo migliore per rendere le fabbriche più intelligenti, sicure ed efficienti.

Matthieu Chevrier, Systems & applications Manager, Worldwide Industrial Systems, Texas Instruments & Tobias Puetz, Systems Engineer, Worldwide Industrial Systems, Texas Instruments.

 

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

0