«Quello del machine learning è un tema di stringente attualità ed è necessario, soprattutto per evitare che diventi un argomento divisivo, far comprendere bene che queste soluzioni non sono finalizzate alla sostituzione dell’uomo nei processi produttivi, ma piuttosto alla sua integrazione più dinamica negli stessi processi. Il tutto con l’obiettivo del miglioramento del prodotto finale».

A dirlo è stato Nicola Segnali, Business Innovation Manager di Regesta LAB, nel corso del webinar di siderweb sul tema “L’acciaio nell’era della digitalizzazione”, portando esempi concreti delle soluzioni messe a punto. Che possono essere sintetizzate nel «fornire servizi digitali a prodotti fisici», grazie alla capacità di «raccolta dati IoT» e nella «creazione di un digital twin di prodotto grazie al quale elaborare strategie predittive».

Il Business Innovation Manager di Regesta LAB ha quindi spiegato che «il percorso comune che si compie, introducendo l’IoT e l’intelligenza artificiale nei processi produttivi, parte dalla digitalizzazione dei dati che si hanno a disposizione per addestrare i modelli e rendere sempre più autonomo il processo. Per fare questo, i dati devono essere raccolti in maniera trasversale e la loro base deve essere ottimizzata, così da poter attivare processi integrati intelligenti».

Riguardo alla produzione di acciaio, gli esempi citati da Nicola Segnali hanno fatto riferimento ad alcune fasi caratteristiche della produzione stessa, «a partire dalle soluzioni intelligenti relative all’acquisizione di rottame con riconoscimento visivo del materiale, frutto della raccolta di un gran numero di immagini, fornite al sistema e che permettono all’intelligenza artificiale di lavorare sul riconoscimento del prodotto e stabilirne il livello di qualità».

Quanto alla fase relativa alla produzione di billette, invece, «i dati forniti al sistema devono essere in numero sufficiente a permettere la previsione della qualità finale della billetta stessa e identificare preventivamente le anomalie. Anche qui, la base statistica serve per allenare l’Intelligenza artificiale e metterla nelle condizioni di operare al meglio». Così che «quando si prevede un fuori qualità – ha detto il Business Innovation Manager di Regesta LAB – scatta un allarme e si registra il dato relativo al prodotto segnalato».

Per un impianto di laminazione, «questo significa essere in grado di prevedere le caratteristiche del prodotto finale, identificando le possibili anomalie nascoste e non riconoscibili dall’operatore, ma sulla base di un’analisi fatta a livello predittivo grazie ai modelli messi a punto in fase di elaborazione dei dati».

Altro esempio citato da Nicola Segnali è stato quello relativo all’attività di un tubificio, «dove si punti alla riduzione degli scarti» e nel quale, grazie all’utilizzo delle moderne tecnologie, «si può arrivare a una previsione del difetto sul prodotto finito con 5 minuti di anticipo e con accuratezza statistica dell’85%». Il tutto perché il sistema «permette di prevedere in anticipo i difetti e agli operatori di intervenire per porvi rimedio».

Non poteva non essere citato, in conclusione, il progetto “Smartset” che ha visto Regesta LAB affiancarsi a Lucchini RS «per assali ferroviari intelligenti – ha ricordato Segnali –, che permette di programmare le fermate dei convogli da sottoporre a manutenzione, con conseguente riduzione dei costi, visto che gli interventi sono basati sulle condizioni effettive dei materiali, ma anche di un aumento della sicurezza, visto che vi sono dei sensori che forniscono in tempo reale dati che integrano anche quelli sulla condizioni della rete ferroviaria».