La ricerca lavora alla prossima generazione di sistemi di controllo industriali intelligenti. Per questo è nato il progetto europeo ELO-X che punta a ottimizzare i sistemi autonomi e a formare figure professionali altamente qualificate.

TAKEAWAY

• Apportare intelligenza ai sistemi di controllo industriali è fondamentale per aumentare le loro capacità e prestazioni. Ciò è possibile grazie all’impiego di tecniche di intelligenza artificiale.
• Per realizzare questo potenziale, bisogna sviluppare metodi di apprendimento e ottimizzazione incorporati. Da qui prende avvio il progetto europeo ELO-X.
• Scopo di ELO-X è creare presupposti tecnologici per l’industria del futuro e rispondere alla necessità di ricercatori altamente qualificati e competenti.

---

L’adozione di tecniche che fanno capo all’ambito di studi dell’intelligenza artificiale per sistemi industriali può contribuire a una loro maggiore “smartness” [per approfondimenti, consigliamo la lettura della nostra guida all’intelligenza artificiale che spiega cos’è, a cosa serve e quali sono gli esempi applicativi – ndr].

Questa possibilità assume particolare importanza nel caso dei sistemi di controllo industriali. Essi sono particolarmente richiesti in vari campi come quello automobilistico e dell’elettronica.

Tanto interesse è stimato in decisa crescita nei prossimi anni. Mordor Intelligence prevede che il mercato specifico di tali sistemi passerà da un valore poco superiore ai 106 miliardi di dollari a più di 168 miliardi di dollari entro il 2026. Tale crescita è anche giustificata dall’adozione del modello Industria 4.0, ma soprattutto è opera del sempre più pervasivo impiego delle tecnologie digitali, che stanno trasformando tutti i settori della economia.

Grazie alle crescenti capacità di queste, si prevede che la prossima generazione di sistemi di controllo industriali intelligenti (SICS) apprenda da flussi di dati e prenda decisioni ottimali in tempo reale sul processo in questione, portando a un aumento delle prestazioni, della sicurezza, dell’efficienza energetica e, infine, della creazione di valore.

Per realizzare questo potenziale, occorre però sviluppare metodi di apprendimento e ottimizzazione incorporati, in grado di operare in dispositivi industriali e di garantire elevati standard di sicurezza. Ed è qui che nasce l’idea alla base del progetto europeo ELO-X, finanziato per quasi 4 milioni di euro dalla Commissione Europea nell’ambito del progetto Horizon 2020 quale rete di formazione innovativa Marie Curie.

Oltre a creare presupposti tecnologici per l’industria del prossimo futuro, con valenze prospettiche per soluzioni quali l’auto a guida autonoma o i droni ad ala rotante, il progetto ha un’importante valenza formativa. Esso, infatti, intende rispondere alla necessità sempre più urgente di ricercatori altamente qualificati e competenti, in grado di sviluppare metodologie di controllo basate sull’apprendimento e l’ottimizzazione embedded per SICS.

Coordinato dall’Università di Friburgo, il progetto vede un importante contributo dal Politecnico di Milano, in particolare dal Dipartimento di Elettronica, Informazione e Bioingegneria (DEIB).

Intelligenza artificiale per sistemi industriali: la priorità è prendere decisioni intelligenti e rapide

Prendere decisioni in tempo reale è fondamentale nella vita quotidiana, ma anche in ambito industriale dove i processi richiedono tempi sempre più stretti e un livello di complessità progressivamente più elevato. Per questo la richiesta di tecnologie intelligenti assume un’importanza strategica.

Le applicazioni sono crescenti in vari ambiti, e tra questi i “sistemi di controllo industriale”: con questa definizione si descrivono diversi tipi di sistemi di controllo e la strumentazione associata, che includono dispositivi, sistemi, reti e controlli usati per far funzionare o automatizzare i processi industriali.

A seconda del settore, ogni sistema di controllo industriale funziona in modo diverso e sono costruiti per gestire elettronicamente i compiti in modo efficiente. Tali sistemi oggi hanno impiego in quasi tutti i settori industriali e nelle infrastrutture critiche. Dai trasporti all’energia, dall’automotive all’elettronica non c’è campo che non li contempli.

Col tempo, grazie al progresso tecnologico digitale, si è cominciato a parlare di sistemi di controllo industriali intelligenti. Essi, però, pagano ancora un gap sensibile riguardante la natura limitata e integrata localmente delle risorse computazionali relative ai sistemi di controllo industriali e la necessità di algoritmi affidabili con comportamento verificabile e interpretabile, che attualmente non sono presenti. Per questi motivi i SICS non raggiungono oggi il livello di ottimizzazione riscontrato in altri ambiti.

Si è pensato così di impiegare tecniche di intelligenza artificiale per sistemi industriali (più nello specifico di machine learning e deep Learning) e in particolare per i sistemi di controllo, ma esse vanno ottimizzate ulteriormente, specie in ambiti in cui si impiegano enormi quantità di dati e dove la capacità di prendere decisioni in un contesto complesso è drammatica. ELO-X intende sopperire a queste necessità e permettere di fare il classico salto di qualità.

Sistemi di controllo industriali intelligenti: l’obiettivo del progetto europeo ELO-X

ELO-X è l’acronimo di Embedded learning and optimization for the next generation of smart industrial control systems, ovvero apprendimento e ottimizzazione integrati per la prossima generazione di sistemi di controllo industriali intelligenti. Una parte importante in questo processo la svolge il team del DEIB del Politecnico milanese.

A proposito di Intelligenza artificiale per sistemi industriali, saranno proprio i ricercatori dell’ateneo italiano a occuparsi di sviluppare metodi per incorporare in modo efficiente l’uso di reti neurali ricorrenti in strategie di controllo predittivo, consentendo così l’uso di tecniche di apprendimento automatico anche in applicazioni critiche per la sicurezza.

«Quando si parla di reti neurali, e nel complesso di tecniche di deep learning, si intendono strutture che vengono addestrate con dati a compiere un determinato compito. Finché esse non sono impiegate in missioni critiche, se c’è anche un margine di errore minimo non è un problema. Tutto cambia, invece nel momento in cui si ragiona su applicazioni industriali. Qui si va incontro ad alcune criticità tra cui, oltre alle difficoltà di reperimento di grandi quantità di dati dall’ambito sperimentale, è fondamentale raggiungere un tasso di accuratezza di analisi praticamente corretto al 100%. Pensiamo, per esempio, all’ambito applicativo della guida autonoma: il margine di errore deve essere azzerato, altrimenti le conseguenze possono essere disastrose»

spiega Lorenzo Fagiano, docente di controlli automatici del Politecnico di Milano e parte attiva del Dipartimento nel progetto.

Da qui la necessità di avviare questo progetto il cui obiettivo è mettere a punto nuovi metodi, nonché migliorare quelli esistenti, per cercare di incorporare in modo efficiente l’uso di reti neurali ricorrenti in strategie di controllo predittivo. L’intento, in poche parole, è creare una sorta di “rete di protezione” rispetto all’algoritmo decisionale basato su un’evidenza limitata.

Il progetto in tema di intelligenza artificiale per sistemi industriali formerà ricercatori qualificati in grado di far progredire ulteriormente la ricerca e il trasferimento tecnologico dell’apprendimento incorporato e delle soluzioni decisionali all’industria.

«Nello specifico, i due dottorandi in ricerca formati al DEIB del Politecnico si occuperanno di sviluppare in un caso approcci che permettano di avere garanzie a priori sull’attendibilità del meccanismo che sovrintende la capacità decisionale e nell’altro lavorerà su approcci decisionali gerarchici, cercando di ricavare logiche decisionali a livello più elevato in modo che i vari sottosistemi possano lavorare in concerto, evitando di generare situazioni che possono provocare insicurezza» specifica Fagiano.

Sistemi autonomi ancora più intelligenti: su cosa si concentra il lavoro di ricerca

In tema di intelligenza artificiale per sistemi industriali, il team dell’ateneo milanese si occuperà anche di sviluppare metodi per progettare in modo sistematico architetture di controllo multi-livello per sistemi autonomi, in cui l’ottimizzazione numerica e l’apprendimento automatico sono impiegati a diverse scale temporali e con varie priorità tra livelli gerarchici interagenti. 

Questi metodi saranno applicati a tecnologie innovative, come droni ad ala rotante per applicazioni civili e sistemi di energia eolica di alta quota, così come in applicazioni civili e industriali, tra cui l’ottimizzazione di complessi sistemi di controllo del clima per edifici.

Il gruppo di ricerca del Dipartimento di Ingegneria Meccanica e di Processo dell’ETH di Zurigo si concentrerà invece sullo sviluppo di algoritmi decisionali basati sull’ottimizzazione, che possono adattarsi continuamente a nuovi dati e informazioni in ambienti mutevoli, bilanciando le necessità di esplorazione dell’ambiente e di miglioramento delle prestazioni e garantendo sempre la sicurezza durante il funzionamento. Gli algoritmi sviluppati saranno implementati con tecniche efficienti e utilizzati in applicazioni innovative, quali la guida autonoma di veicoli.

Intelligenza artificiale per sistemi industriali: le potenzialità di ELO-X

Le potenzialità del progetto ELO-X sono decisamente elevate. «Innanzitutto intende avvicinare l’ambito del controllo, basato per lo più su modelli di ottimizzazione di natura fisica, ai metodi data driven tipici del machine learning e deep learning per ricavare logiche decisionali in materia di sicurezza. Inoltre, tali metodologie di controllo basate sull’apprendimento e l’ottimizzazione embedded per SICS, intendono mettere a punto nuove tecnologie e la prossima generazione di prodotti e processi industriali digitali che permetteranno potenzialità di calcolo e decisionali decisamente più avanzati rispetto al panorama attuale» precisa il docente del Politecnico di Milano.

La finalità della ricerca condotta attraverso il progetto europeo è mettere a punto approcci basati su dati – e sempre più intelligenti e sicuri – applicati alle metodiche industriali. Tecniche di intelligenza artificiale per sistemi industriali e, in particolare di ML e DL, hanno anche un ulteriore utilità: permettono di essere adattative e quindi nel tempo possono governare i processi senza la necessità di reingegnerizzare da zero i sistemi di controllo.

Non solo: le prospettive che apre la ricerca sviluppata grazie a ELO-X sono legate alle ricadute sulla formazione di esperti espressamente qualificati e con un elevato livello di formazione su questi temi di frontiera che a loro volta contribuiranno ad elevare le competenze dell’industria europea.