innovazione

I vantaggi di IA e machine learning applicati ai dati di produzione: il caso Ima



Indirizzo copiato

L’introduzione dell’intelligenza artificiale è stata un elemento cruciale del piano di innovazione globale di IMA Group, volto a efficientare flussi interni e offrire servizi e soluzioni per il mondo del manufacturing. Ecco i vantaggi per il business e i clienti

Pubblicato il 18 lug 2023

Riccardo Trevisan

Research and Innovation on Data and AI – IMA Group



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Digital,Data,Flow,On,Road,With,Motion,Blur,To,Create




Attraverso l’avvio di 7 macroaree e oltre 30 progetti IMA Group – attiva tra le altre cose nella progettazione e produzione di macchine automatiche per il processo e il confezionamento di prodotti farmaceutici, cosmetici, alimentari, tè e caffè, cura della persona e casa ed e-commerce – ha lanciato un piano di innovazione globale volto a efficientare flussi interni e offrire servizi e soluzioni per il mondo del manufacturing. L’introduzione dell’intelligenza artificiale è stata un elemento cruciale di questa iniziativa.

Le opportunità dell’IA per la trasformazione digitale

L’intelligenza artificiale ha aperto a opportunità straordinarie per accelerare la trasformazione digitale e migliorare le modalità in cui IMA opera e supporta i propri clienti. Grazie alla sua capacità di analizzare grandi quantità di dati, rilevare modelli e apprendere dall’esperienza, l’AI ha trovato perfetta applicazione in diversi aspetti dei business.

Il potenziamento della connettività tra impianti e piattaforme cloud

Uno degli ambiti interessati è quello che da tempo vede il Gruppo impegnato nel potenziare la connettività tra impianti e piattaforme cloud, con l’obiettivo di raccogliere dati e informazioni dalle macchine e linee di processo e di packaging per analizzarli e ricavarne strategie volte a un efficientamento della produzione. Grazie allo sviluppo di strumenti di connettività specifici e di analisi dei dati per un monitoraggio in tempo reale, il Gruppo è stato oggi in grado di connettere più di 300 macchine singole o in linea riuscendo così a raccogliere dati utili per analizzare parametri e KPI dedicati, quali allarmi macchina, consumi di energia, disponibilità dei materiali, tempistiche di lavorazione e così via.

L’analisi dei dati dei sensori

L’Intelligenza Artificiale sviluppata da IMA Group si è dimostrata un potente alleato nel rendere ancora più puntuale questa attività, riuscendo a plasmare gli algoritmi di apprendimento automatico per analizzare i dati provenienti dai sensori e dalle macchine e restituirli ripuliti, comprensibili e semplificati. I sistemi di visione su cui il gruppo sta lavorando forniscono poi un ulteriore supporto, grazie alla capacità degli algoritmi nell’individuare difetti o irregolarità, permettendo di identificare e correggere eventuali errori in modo tempestivo, e garantendo che solo prodotti di alta qualità raggiungano i consumatori.

L’ottimizzazione dei processi e delle performance

L’uso delle tecnologie digitali e dell’intelligenza artificiale ha portato vantaggi: in primis un’ottimizzazione dei processi e delle performance, grazie alla capacità degli algoritmi di intelligenza artificiale di analizzare grandi quantità di dati con l’obiettivo di identificare modelli, tendenze e anomalie. Ciò consente di ottimizzare ulteriormente i processi produttivi, individuando le aree di miglioramento, implementando strategie correttive, contribuendo fortemente a circoscrivere le attività relative alla manutenzione: l’AI analizza i dati dei sensori per monitorare le prestazioni delle macchine e prevedere potenziali problemi; l’’approccio proattivo aiuta a risolvere i problemi prima che si verifichino, riducendo i tempi di fermo macchina e ottimizzando l’efficienza complessiva.

I vantaggi per i clienti del gruppo

Dell’intelligenza artificiale hanno beneficiato diversi clienti del Gruppo e molti altri stanno iniziando ad approcciare il tema.

Incremento di produttività

Un esempio riguarda un’azienda alimentare la cui necessità si focalizzava sull’aumentare l’efficienza: un bisogno comune, e che ha visto l’azienda in questione scegliere una soluzione di AI basata su algoritmi di benchmarking. Il cliente in questione ha dotato i propri operatori di diversi tablet in grado di erogare suggerimenti smart su dove concentrare l’attenzione per migliorare le performance di produzione dell’impianto.

L’adoption della soluzione e gli algoritmi impiegati per raggiungere lo scopo hanno riscosso successo oltre le aspettative, facendo guadagnare rapidamente diversi punti percentuali di efficienza. Nel giro di tre mesi l’impianto ha ottenuto un incremento notevole di produttività, grazie anche allo spirito che è nato tra operatori delle macchine, che hanno visto in prima persona la possibilità di incrementare l’efficienza attraverso il monitoraggio dell’applicazione e trasformando il tutto quasi in una sfida di team o in una competizione.

Estrarre valore dalle informazioni raccolte

Un altro caso, molto diverso, riguarda una grande azienda farmaceutica. Il cliente in questione si trovava nel dover gestire una mole ingente di dati senza tuttavia avere gli strumenti per capire come estrarre valore dalle informazioni raccolte, inerenti sia la gestione delle prestazioni che l’analisi dei processi.

Lo stabilimento di produzione era composto da linee farmaceutiche complesse, all’interno delle quali lavoravano in modo integrato sia macchine di processo che di packaging, in grado di generare un’enorme quantità di dati. IMA e il cliente hanno avviato un lavoro sinergico per lo sviluppo di algoritmi avanzati, all’interno di un ambiente collaborativo, per colmare il gap che si era venuto a creare (nonostante il gruppo farmaceutico contasse su un preparato gruppo di data scientist), per riuscire a visualizzare i risultati e le informazioni ripulite estratte dai dati grezzi.

Conclusioni

Il lavoro di co-sviluppo portato avanti si è dimostrato la chiave di volta per esprimere e visualizzare rapidamente il valore nascosto di tutte quelle informazioni, mettendo in luce tutte quelle che fino a quel momento erano state intuizioni, e che si sono poi dimostrati elementi concreti per ottenere un maggiore efficientamento. L’impatto ottenuto grazie ai modelli predittivi co-sviluppati è andato oltre le più rosee aspettative, e gli stessi algoritmi hanno poi trovato applicazione su altri impianti.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x