Innovare l’industria è possibile, combinando tecniche di deep learning e Internet of Things per elevare ulteriormente i livelli di precisione e di sicurezza. Un progetto europeo li impiega entrambi in diversi casi di studio.

TAKEAWAY

• L’industria 5.0 è una meta verso cui si guarda con interesse. Per raggiungerla, è necessario combinare al meglio intelligenza artificiale e Internet of Things, gestendo l’immane quantità di dati generati.
• Per riuscire a conciliare questi aspetti, è possibile impiegare algoritmi di deep learning distribuiti in tutto il continuum IoT. È lo scopo del progetto europeo VEDLIoT, che vuol mettere a punto una piattaforma da applicare in contesti industriali e non solo.
• Particolarmente interessante è la possibilità di coniugare deep learning e IoT per la localizzazione di persone e di asset all’interno di spazi confinati, come sono gli stabilimenti. È un aspetto che potrebbe contribuire ad aumentare il grado di sicurezza dei lavoratori, un tema quanto mai urgente.

---

Tecniche di deep learning e IoT impiegati per l’industria potrebbero contribuire a fare compiere al mondo produttivo un ulteriore, sensibile, passo in avanti, verso industria 5.0. Già oggi intelligenza artificiale e Internet of Things trovano applicazione nel contesto industriale.

Si pensi all’impatto dell’Internet of Things sull’automazione, ai progressi ottenuti e ai costi ridotti sensibilmente. Anche la manifattura è cresciuta, specie con l’avvento dell’Industrial IoT.

Nel paradigma Industry 5.0, i sistemi basati sull’intelligenza artificiale sono una componente essenziale insieme all’Internet of Things, che intanto evolve, generando benefici ma anche complessità.

Uno degli aspetti più critici è agire sui dati generati, in quanto il loro numero è in enorme aumento: secondo IDC, nel 2025 ci saranno 41,6 miliardi di dispositivi IoT connessi, in grado di generare 79,4 zettabyte di dati. Come diretta conseguenza, c’è la necessità di una sempre maggiore potenza di calcolo per processarli.

Cosa serve? Forse c’è bisogno di “insegnare all’IoT a imparare”: a proporlo è il progetto europeo VEDLIoT (Very efficient deep learning in IoT), che sta lavorando allo sviluppo di una piattaforma capace di usare algoritmi di deep learning distribuiti in tutto il continuum IoT.

La piattaforma promette di apportare sensibili benefici in vari comparti (tra questi l’automotive e la smart home), ma nella sfera industriale offre forse la sua dote più interessante, per contribuire all’evoluzione della industrial robotics e della manutenzione predittiva, ma anche per fornire una maggiore sicurezza ai contesti produttivi e, in particolare, alle persone.

Ricordiamo che, tra gennaio e giugno del 2022, sono state 382.288 le denunce di infortunio sul lavoro presentate all’INAIL, con un aumento del 43,3% rispetto allo stesso semestre del 2021.

Deep learning e IoT per l’industria: si lavora a un progetto che guarda all’Artificial Intelligence of Things (AIoT)

VEDLIoT è un progetto coordinato dall’Università di Bielefeld, in Germania. Oltre all’Ateneo tedesco, sono attivi undici partner, impegnando Istituti di ricerca, PMI e grandi aziende. Finanziato con quasi 8 milioni di euro, intende unire – in una piattaforma – deep learning e IoT per l’industria, fornendo opportunità anche in altri settori. Secondo quanto afferma il team:

«… al posto degli algoritmi tradizionali, per gestire la grande complessità vengono utilizzate tecniche di intelligenza artificiale e di DL. Grazie all’approccio distribuito, VEDLIoT consente di suddividere l’applicazione in componenti più piccoli e più efficienti e di lavorare insieme in grandi sistemi collaborativi nell’Internet delle cose, permettendo agli algoritmi basati sull’AI di essere distribuiti sui dispositivi IoT, dall’edge al cloud»

In termini hardware, VEDLIoT sta mettendo a punto la Cognitive IoT platform, che sfrutta tecnologia made in Europe e che può essere facilmente configurata per essere collocata a qualsiasi livello del continuum di calcolo, a partire dai nodi sensore e poi dall’edge al cloud.

Tale piattaforma modulare e scalabile intende mettere le basi per la prossima generazione di dispositivi AIoT. L’Artificial Intelligence of Things è un concetto di importanza fondamentale per l’evoluzione tecnologica, in quanto riesce a combinare i vantaggi di entrambe le parti: l’AI aggiunge valore all’IoT attraverso le capacità proprie del machine learning e il miglioramento dei processi decisionali, mentre l’IoT aggiunge valore all’Artificial intelligence mettendoci elementi di valore quali la connettività, la segnalazione e lo scambio di dati.

L’adozione dell’AIoT da parte dell’industria sta guadagnando slancio. Entro il 2022, Gartner prevede che oltre l’80% dei progetti IoT aziendali includerà una componente di intelligenza artificiale, rispetto all’attuale 10%.

Un esempio applicativo di AIoT è quanto fatto da Advantech, specializzata in soluzioni hardware e software per il comparto Industrial IoT. La società taiwanese ha avviato una collaborazione con la principale società di venture capital digitale, Momenta Ventures, per lanciare l’AIoT Ecosystem Fund, un fondo di venture capital con un obiettivo di 50 milioni di dollari e un focus sull’industria digitale. 

Oltre alla piattaforma, scopo di VEDLIoT è lo sviluppo di nuove soluzioni informatiche d’avanguardia come gli acceleratori hardware, dispositivi in grado di migliorare le prestazioni complessive del computer. Infine, i partner del progetto di ricerca vogliono anche predisporre un toolchain per ottimizzare le deep neural network esistenti per uno specifico hardware.

Deep learning e IoT per l’industria: i casi studio

Per applicare le soluzioni IT messe a punto da VEDLIoT in tema di deep learning e IoT per l’industria, sono stati pensati due casi d’uso; inoltre sono allo studio potenziali applicativi in alcuni progetti open call.

Per quanto riguarda i due use case, questi riguardano il rilevamento di archi elettrici in armadi di distribuzione in corrente continua e il monitoraggio delle condizioni di un motore elettrico. Entrambi sono di particolare interesse per garantire condizioni di maggior sicurezza nel contesto industriale.

Nel primo caso, rilevare archi elettrici è cruciale ai fini della prevenzione incendi: in Italia, un quarto circa degli incendi dipende dall’impianto elettrico e – eccettuato il sovraccarico – la seconda voce di pericolo è data appunto dalla formazione di un arco elettrico.

I motori elettrici, invece, nel contesto industriale, sono molto diffusi, in particolare nelle smart factory, nella robotica, nell’automazione e nelle periferiche dei computer. Monitorarne le loro condizioni diventa strategico, specie tenendo conto della loro progressiva diffusione: il valore del mercato globale è stimato raddoppiare tra 2021 e 2030, superando i 207 miliardi di dollari.

Per quanto riguarda invece i progetti open call, ce ne sono dieci che combinano soluzioni VEDLIoT. Tra quelli impiegati nell’industria, va segnalato BEAM_IDL, finalizzato «al monitoraggio e all’identificazione di fasci laser multipli potenziati da algoritmi di deep-learning».

Il progetto nasce per mettere a punto schemi di saldatura laser ottimizzati, particolarmente importanti se pensiamo alla crescente domanda di utilizzo dell’alluminio nella produzione di veicoli elettrici.

I problemi di saldatura tipici di questo metallo possono essere superati con nuovi approcci dinamici e adattabili al fascio laser e con un controllo di processo che implica nuove strategie di monitoraggio che richiedono il riconoscimento dei modelli e degli eventi di processo. Per questo l’applicazione di algoritmi di deep learning diventa abilitante per l’ottimizzazione complessiva.

Localizzazione degli asset e reinforcement learning per l’automazione

Un’altra possibile combinazione di deep learning e IoT per l’industria è la localizzazione degli oggetti negli ambienti produttivi. A questo intende contribuire il progetto DUNE – a cura dell’Universitat Oberta de Catalunya – che si occupa di migliorare la possibilità di localizzare asset in stabilimenti, magazzini o altri ambienti industriali. 

DUNE intende contribuire all’estensione dell’ecosistema VEDLIoT integrando sensori IoT nel sistema e incorporando tecnologie abilitate alla localizzazione, grazie all’utilizzo di metodi di deep learning. Come ha spiegato il coordinatore del progetto, il professor Xavier Vilajosana Guillén dell’Ateneo catalano:

«Le tecnologie di posizionamento indoor sono una delle forze trainanti della trasformazione digitale del settore industriale. La capacità di tracciare oggetti, beni e persone in modo preciso ed economico potrebbe far risparmiare risorse, tempo e denaro alle aziende di vari settori, dalla logistica alla sanità. DUNE utilizza tecniche di deep learning combinate con sistemi di calcolo distribuiti, che sfruttano sia il cloud che l’edge computing. In altre parole, si tratta di architetture di calcolo che operano sia su server remoti sia vicino al luogo in cui vengono generati i dati. L’obiettivo è creare un sistema versatile che utilizzi le varie tecnologie disponibili e che possa adattarsi ai diversi casi d’uso potenziali».

La finalità del progetto è anche dimostrare che le architetture edge abilitate al deep learning possono diventare fattori abilitanti per una prossima generazione di tecnologie di posizionamento indoor, essenziali per rendere più sicura ed efficace la localizzazione di persone, oltre che di oggetti, all’interno di spazi difficilmente individuabili col GPS.

I servizi di localizzazione indoor rappresentano un valido contributo contro gli infortuni sul lavoro, in quanto forniscono dati in tempo reale sulla posizione dei lavoratori e di tutto ciò che si muove all’interno della struttura, come carrelli elevatori o altri strumenti potenzialmente pericolosi.

Tra i progetti che vogliono approfondire la relazione con VEDLIoT c’è anche POWER EDGE RL. Esso mette al centro la tecnica del reinforcement learning, metodo di machine learning che si occupa di sviluppare capacità decisionali autonome nelle macchine.

È un aspetto che richiede una notevole potenza di calcolo, che può essere resa più praticabile suddividendo il processo di apprendimento e dell’inferenza della politica di controllo in un framework edge computing/IoT.

In tale contesto, l’open call project in questione intende indagare in che misura le tecnologie hardware e software di VEDLIoT possano contribuire agli obiettivi indicati, testandole nell’ambito applicativo dei sistemi di conversione energetica basati sull’elettronica di potenza. L’integrazione di questo progetto – evidenzia il team di ricerca – metterà a fuoco un campo di lavoro molto rilevante, con un probabile impatto in settori chiave come l’automazione industriale, la conversione energetica, l’automotive.