L’intelligenza artificiale nel controllo di processo

L’intelligenza artificiale viene sempre più applicata in numerosi aspetti della nostra vita: dalla medicina fino ai veicoli autonomi, oggi si è allargata al controllo dei processi industriali. Vediamo quali sono i benefici e le evoluzioni nel prossimo futuro

La tecnologia di controllo esiste dai tempi della rivoluzione industriale, quando i regolatori centrifughi venivano utilizzati per regolare la velocità dei motori a vapore. Ma è stato l’avvento delle tecnologie di controllo elettrico, elettronico e computerizzato nel corso del XX secolo a definire lo scenario che conosciamo oggi. Nel corso degli anni si sono succedute tre principali generazioni di tecnologie di controllo.
Oggi sta emergendo un approccio completamente nuovo, che potrebbe trasformare il modo in cui le aziende controllano i propri asset.

Fondamentalmente, il controllo dei processi di produzione si può sintetizzare nel cercare di avvicinarsi il più possibile a setpoint stabiliti (pressione, temperatura, pH e via dicendo) per ottimizzare la qualità del prodotto finito, la produttività e la resa. Tuttavia, i modelli tradizionali utilizzati per il controllo di processo, come i loop PID, il controllo di processo avanzato (APC) e il controllo di processo multivariabile (MPC), sono limitati nella loro capacità di raggiungere questi obiettivi. Grazie all’intelligenza artificiale (IA), questi problemi possono essere spesso superati, con risultati notevolmente migliorati.

• 

• 

I sistemi di controllo tradizionali

In origine, il controllo di processo dipendeva in larga misura dall’istinto o dall’esperienza specialistica degli operatori. In seguito, per contribuire ad automatizzare la funzione di controllo sono emersi due modelli simili, prima l’APC e successivamente l’MPC. 

Con l’APC, un controller statico regola una singola variabile di un processo, come la qualità del gas ottenuto da un processo di distillazione. L’MPC regola invece più variabili di processo con un controller statico, gestendo anche le loro interazioni.

I loop PID, APC e MPC sono tuttavia dei modelli statici. Ciò significa che viene applicata continuamente la stessa logica, a meno che qualcuno non intervenga manualmente. Inoltre, la maggior parte dei controller è reattiva in quanto prova qualcosa, considera i risultati ottenuti e quindi usa quel feedback per adattarsi alle condizioni del processo. In particolare, pur essendo promettente, l’MPC non si è affermato in modo deciso nell’industria perché le sue simulazioni sono eccessivamente costose.

Più di recente, la rivoluzione digitale ha consentito a produttori e utility di dotare i propri impianti di sistemi distribuiti di controllo e supervisione, che consentono di utilizzare i dati generati dal processo per obiettivi di produzione e conformità. Tali sistemi stanno iniziando a destare attenzione come potenziali candidati per l’uso dell’IA. L’utilizzo dell’intelligenza artificiale per il controllo dei processi può infatti semplificare notevolmente l’elaborazione dei dati, e fornire agli operatori un supporto decisionale avanzato, soprattutto quando è necessario monitorare contemporaneamente decine di segnali. Le grandi quantità di dati che gli impianti acquisiscono e archiviano continuamente possono essere gestite più agevolmente da un sistema di intelligenza artificiale.

• 

• 

• 

Controllori basati sull’IA

L’AIPC (Artificial Intelligence Process Control), un concetto introdotto dalla statunitense Nanotronics, potrebbe essere il passo successivo nella curva di evoluzione del controllo di processo. Ottimizza o sostituisce i loop PID e APC portando l’intelligenza artificiale nei controller, e utilizzando modelli di apprendimento automatico per generare e perfezionare i processi di controllo. Si tratta di una tecnologia che apprende dai modelli APC esistenti, da simulazioni o da dati storici dei sensori per applicare tale feedback al processo, consentendo all’algoritmo di controllo di diventare più intelligente. Inoltre, le velocità di calcolo molto elevate dell’AIPC rendono possibile il controllo predittivo.

Le velocità di reazione più elevate consentono il controllo del processo in tempo reale. Rispetto al controllo di processo statico, l’AIPC può eseguire simulazioni fisiche predittive molto più velocemente, per simulare e prevedere gli eventi futuri come parte del ciclo di controllo. Inoltre, imparando a riconoscere quando un processo sta funzionando male, e riqualificando il controller di processo in un ciclo di feedback, la qualità del processo aumenta nel tempo.

Rilevare e risolvere i problemi prima che si aggravino

Un altro vantaggio dell’intelligenza artificiale è che può aiutare a scrutare più a fondo i processi, rispetto a quanto consentono i sistemi di controllo tradizionali, soprattutto nelle applicazioni che richiedono l’elaborazione di grandi quantità di dati. Di conseguenza, un grande contributo che l’intelligenza artificiale e l’apprendimento automatico stanno dando alla tecnologia dei controlli è la capacità di semplificare il rilevamento e la risoluzione dei problemi prima che abbiano la possibilità di aggravarsi.

A causa dei limiti umani, dei punti ciechi e del controllo statico di processo, gli errori di produzione spesso non vengono rilevati o non vengono segnalati in tempo e si propagano. Per rendere le fabbriche più efficienti, resilienti e sicure, occorre riconsiderare il modo in cui gli errori vengono rilevati e corretti nel flusso di produzione, utilizzando un approccio più dinamico. L’AIPC può rappresentare una risposta interessante, essendo in grado di trovare soluzioni ai problemi in tempo quasi reale durante il processo di produzione.

L’applicazione nel mondo degli scacchi

I sistemi AIPC funzionano in modo fondamentalmente diverso rispetto alle precedenti tecnologie di controllo di processo. Quando il programma di scacchi per computer Deep Blue di IBM ha battuto il maestro Gary Kasparov nel 1997, si è basato su migliaia di regole programmate dai suoi progettisti, proprio come i sistemi APC industriali odierni. 

Quando il programma Alpha Go di Google Deep Mind ha sconfitto il giocatore professionista Lee Sedol 18 anni dopo, il programma ha sviluppato una propria strategia analizzando le partite passate, e provando migliaia di giochi simulati. Alpha Go Zero, un’iterazione più recente del programma dell’azienda, si è allenato per battere il suo predecessore in tre giorni, semplicemente giocando contro se stesso.

Ora sta diventando possibile applicare lo stesso approccio ai sistemi di controllo industriale, impiegando un sistema di intelligenza artificiale che viene addestrato utilizzando i dati di processo storici. Molte aziende hanno anni di registrazioni dettagliate sulle condizioni operative, sulle impostazioni dei processi e sulle prestazioni risultanti. Una volta installati e operativi, i sistemi AIPC possono apprendere, migliorando gradualmente le proprie prestazioni nel tempo.

L’AIPC non richiede quindi la modellazione di ogni dettaglio del processo e la costruzione di modelli teorici complessi, perché autoapprende queste complessità. Ciò significa che l’intelligenza artificiale può essere applicata a processi complessi con interazioni che potrebbero non essere ben comprese. Spesso, infatti, gli strumenti di intelligenza artificiale hanno identificato problemi e opportunità di miglioramento che sfuggivano anche agli ingegneri di controllo più esperti.

Quale sarà il futuro per le imprese?

Le tecnologie di intelligenza artificiale hanno il potenziale per assistere le imprese che operano nell’industria di processo, nel raggiungimento di trasformazioni dirompenti sia nelle prestazioni, sia nella generazione di valore.

Secondo McKinsey (multinazionale di consulenza strategica), le imprese industriali hanno appena iniziato a sfruttare il potenziale delle tecnologie di analisi avanzata e intelligenza artificiale nel controllo dei processi. In futuro, la capacità dell’IA di assistere il controllo e l’ottimizzazione di sistemi complessi sbloccherà modi completamente nuovi per gestire non solo macchine e processi di produzione, ma anche intere aziende.