In che modo i gemelli digitali aggiungono un nuovo livello di intelligenza nella fabbricazione dei metalli

hafakot/iStock/Getty Images Plus

Immagina che il direttore di uno stabilimento arrivi la mattina, apra un laptop o un'app del telefono e chieda: "A cosa dovrei prestare attenzione oggi?" Il sistema quindi presenterebbe potenziali problemi. Una macchina si è fermata inaspettatamente. Un lavoro del turno precedente ha richiesto più tempo del previsto. Forse un dipartimento è a corto di poche persone. Il sistema suggerisce le modifiche e il direttore dell'impianto le accetta o le modifica secondo necessità.

Uno scenario del genere non è fantascienza. In effetti, la tecnologia potrebbe diventare reale già l’anno prossimo. Al momento in cui scrivo, Ultisim, un'azienda con sede a Chapel Hill, NC specializzata in gemelli digitali, sta lavorando con un produttore per sviluppare un sistema del genere, collegando dati provenienti da macchine, piattaforme di pianificazione delle risorse aziendali e una miriade di altre fonti. Utilizza un'interfaccia con un modello linguistico di grandi dimensioni simile a quella resa famosa da ChatGPT, ma focalizzata sulla risoluzione dei problemi affrontati dai produttori.

“Ogni ordine che [questo produttore] riceve è personalizzato”, ha affermato Richard Boyd, CEO di Ultisim e della sua società sorella Tanjo, che si concentra sugli elementi costitutivi algoritmici dell’apprendimento automatico e dell’intelligenza artificiale (AI). “Tutta quella varietà è ciò che lo rende difficile e interessante. Se risolviamo i loro problemi, potremo affrontarne altri molto più facilmente”.

Tali modelli ad alto mix di prodotti rientrano nel campo della fabbricazione di metalli su misura, che è uno dei motivi per cui Boyd prevede di portare la sua soluzione in quel mercato (parlerà a settembre a Chicago al FABTECH). Nella maggior parte dei negozi personalizzati, ogni lavoro può avere un percorso specifico attraverso flussi di valore specifici; macchine; o reparti incentrati sui processi come taglio, piegatura, ferramenta, saldatura, verniciatura a polvere e assemblaggio; con (a seconda dell'instradamento del lavoro) una serie di operazioni secondarie sparse nel mezzo.

Tutti nell’organizzazione possono visualizzare il gemello digitale attraverso quelle che Boyd chiamava “lenti” su misura per persone e funzioni lavorative specifiche. Qualcuno nella finanza avrebbe un obiettivo diverso da qualcuno nelle vendite, nella programmazione o nella pianificazione della produzione.

Inoltre, i dati che compongono il gemello non verrebbero spostati dalla loro posizione originale. "Non abbiamo bisogno di un grande lago di dati", ha detto Boyd, aggiungendo che il sistema può estrarre ciò di cui ha bisogno e "lasciare i dati dove sono". L’ultima cosa che un’azienda vuole è copiare i dati in una posizione centrale, poiché l’atto di copiare fornisce più versioni degli stessi dati e porta a tutti i tipi di complessità non necessarie.

Per realizzare tutto ciò sono necessari diversi ingredienti chiave, il primo dei quali è la digitalizzazione dei dati. Sì, la maggior parte dei produttori dispone di macchine moderne che acquisiscono moltissimi dati, ma probabilmente in alcuni reparti fanno ancora affidamento su macchine vecchie e semplici. Il vecchio ferro è duro a morire e, meccanicamente parlando, svolgono ancora bene il loro lavoro. Avranno tuttavia bisogno di sensori aggiuntivi per digitalizzare ciò che fanno (quanti colpi, piedi o pezzi al minuto o all'ora per questo o quel lavoro), ma questa non è davvero una sfida, soprattutto ora.

"Abbiamo avuto una rivoluzione nei sensori", ha detto Boyd, aggiungendo che alcuni tipi vengono ora stampati, non con stampanti 3D, ma con la tecnologia a matrice di punti relativamente antica. Anche i sensori ottici sono poco costosi, quindi aggiungerli alle vecchie macchine non rappresenta più un grosso ostacolo economico o tecnico.

Ciò che è stato un ostacolo, ha spiegato Boyd, sono quelli che ha definito “dati oscuri”. Ciò include i dati che si trovano all’interno di software isolati, non condivisi e sottoutilizzati. Boyd ha trascorso anni lavorando con aziende di vari settori, comprese quelle con contratti di difesa che richiedevano interfacce di protocollo applicativo (API) completamente trasparenti. Questo trasforma i dati oscuri in informazioni utili. Le informazioni, ha affermato Boyd, sono “dati a riposo” o “dati in movimento”, che sono stati meta-tag digitalmente per il consumo di intelligenza artificiale e apprendimento automatico.

Molte organizzazioni utilizzano un miscuglio di sistemi diversi in diverse strutture acquisite nel corso degli anni. I produttori sono noti per questo, ovviamente, ma lo sono anche molti altri settori. "Negli ospedali, ad esempio, le persone acquistano tutti questi sistemi non integrati, che a volte non sono nemmeno d'accordo sull'ora, e non condividono i dati", ha detto Boyd.