Webinar
L'Intelligenza Artificiale per l'Industria del Futuro: potenzialità e rischi

Agenda

Moderatore: Antonio Frisoli , responsabile macronodo Artes@SSSA

Bio: Antonio Frisoli è professore ordinario di Robotica presso la Scuola Superiore Sant’Anna, dove ricopre l’incarico di Responsabile di Ricerca Scientifica dell’area Human Robot Interaction presso il laboratorio PERCRO dell’Istituto TeCIP e di responsabile del macronodo Sant’Anna del centro di competenza del MISE Artes 4.0 sulla robotica collaborativa.

Antonio Frisoli ha conseguito il dottorato di ricerca con lode (2002) presso la Scuola Superiore Sant’Anna e la laurea in Ingegneria Meccanica con lode (1998), indirizzo di Robotica, presso l’Università di Pisa.

Gli interessi di ricerca del Prof. Antonio Frisoli sono nel campo della robotica riabilitativa ed indossabile, degli esoscheletri robotici e delle Body Machine Interfaces. Egli è autore di più di 250 pubblicazioni in riviste e conferenze scientifiche internazionali.

Compila subito il form con i tuoi dati per richiedere la partecipazione!

Descrizione degli interventi

Affidabilità dell'Intelligenza Artificiale nei sistemi safety critical

Giorgio Buttazzo

Bio: Giorgio Buttazzo è IEEE Fellow e professore ordinario di Ingegneria Informatica presso la Scuola Superiore Sant’anna, dove svolge ricerca da oltre 30 anni sull’intelligenza artificiale e il software real-time ad elevata affidabilità. 

È stato Chairman dell’IEEE Technical Committee on Real-Time Systems, Program Chair e General Chair delle maggiori conferenze sui sistemi real-time. Nel 2013, ha ricevuto l’Outstanding Technical Contributions and Leadership Award dal IEEE.  È Editor-in-Chief del Journal of Real-Time Systems (Springer), la maggiore rivista sui sistemi real-time.

Egli è autore di 6 libri e oltre 300 pubblicazioni nel campo dei sistemi real-time, della robotica e delle reti neurali, ottenendo 11 Best Paper Award.

Abstract: Possiamo fidarci dell’Intelligenza Artificiale? Il software basato su AI è maggiormente soggetto ad attacchi informatici? È possibile certificarlo? Cosa succede se una deep network commette un errore?

Questo seminario illustra i principali problemi derivanti dall’uso dell’intelligenza artificiale in sistemi complessi ad elevata criticità, quali robot intelligenti, veicoli a guida autonoma, e sistemi di supporto alle decisioni, dalla predizione di guasti in impianti industriali alle diagnosi mediche.

Verranno infine presentate alcune metodologie software in grado di offrire una soluzione a tali problemi.

AI@The Deep Edge: intelligenza artificiale distribuita per applicazioni industriali

Viviana D'Alto

Bio: Viviana D’Alto è Direttore del gruppo di ricerca Artificial Intelligence Software & Tools all’interno di System Research & Application, un’organizzazione di STMicroelectronics che opera orizzontalmente rispetto alle divisioni di prodotto focalizzandosi sull’innovazione di sistema e sull’introduzione di nuove tecnologie nei prodotti di ST.

In particolare, è responsabile dello sviluppo di tool automatici avanzati per l’ottimizzazione di modelli di reti neurali artificiali per microcontrollori, ampiamente adottati in dispositivi ST attualmente sul mercato, e partecipa alla definizione delle roadmap di prodotto in relazione al supporto dell’IA in azienda.

Abstract: L’utilizzo di un approccio distribuito all’intelligenza artificiale, in cui soluzioni di machine learning e deep learning possano essere realizzate anche al nodo sensori e sui sensori stessi, permette di migliorare i tempi di risposta, aumentare la sicurezza e la privacy dei dati, oltre a diminuire il consumo di energia a livello di sistema.

La presentazione introdurrà quali soluzioni di questo tipo possono essere sfruttate in ambito industriale, grazie a microcontrollori e sensori intelligenti di nuova generazione.

Accelerazione di algoritmi di AI su piattaforme integrate in ambito industriale

Alessandro Biondi

Bio: Ricercatore di Ingegneria Informatica in tenure-track presso la Scuola Sant’Anna di Pisa. I suoi interessi di ricerca includono la progettazione di cyber-physical systems basati su AI che siano sicuri, affidabili e predicibili, sistemi operativi e hypervisor, e software per sistemi embedded.

Laureato con lode in Ingegneria Informatica presso l'Università Pisa nel contesto del Percorso d'Eccellenza. Nel 2017 ha ricevuto il PhD con lode presso la Scuola Sant’Anna in Emerging Digital Technologies. Nel 2016 ha lavorato presso il Max Planck Institute for Software Systems di Kaiserslautern (Germania).

Alessandro ha ricevuto vari premi internazionali di particolare prestigio quali ACM SIGBED Early Career Award 2019 ed EDAA Dissertation Award 2017. È regolarmente membro dei comitati di programma delle principali conferenze internazionali nel dominio dei sistemi embedded e membro del comitato editoriale della rivista "Real-time Systems". Alessandro svolge e coordina progetti di ricerca finanziati da enti pubblici e privati relativi a software per sistemi safety-critical e veicoli autonomi.

Abstract: L’Intelligenza Artificiale, e più in particolare gli algoritmi di Deep Learning, hanno recentemente raggiunto prestazioni sorprendenti nello svolgere alcuni compiti specifici, quali il riconoscimento e l’elaborazione di immagini, l’elaborazione del linguaggio naturale e l’analisi di grandi quantità di dati. In aggiunta ad i processi di addestramento, noti per essere dispendiosi in termini di risorse e tempi di calcolo, tali algoritmi spesso necessitano di piattaforme di calcolo ad alte prestazioni anche per il loro utilizzo post-addestramento. Queste piattaforme diventano indispensabile quando è necessario dover utilizzare algoritmi di Deep Learning in tempo reale, un requisito senza più pervasivo in svariati ambiti industriali.

Questa presentazione fornirà una panoramica dello stato dell’arte delle tecnologie e piattaforme di calcolo integrate per accelerare l’esecuzione di algoritmi di Deep Learning in tempo reale, evidenziandone pro e contro in vari contesti applicativi. Verranno inoltre discussi aspetti legati alla sicurezza, alla predicibilità temporale ed all'integrazione con altri sistemi critici.

ISCRIVITI AL WEBINAR

Manutenzione predittiva & AI

Luca Odetti

Bio: Di formazione Informatico, Luca Odetti ha una lunga esperienza di ricerca, sviluppo e innovazione nel mondo della biorobotica e delle tecnologie per l’autonomia personale, e da 10 anni dirige il nodo italiano di Tecnalia, socio fondatore di ARTES 4.0. Tecnalia, che ha la sua sede principale nei Paesi Baschi, con oltre 1000 tecnici e ricercatori è uno dei più importanti attori privati del sistema Europeo di Ricerca, Sviluppo e Innovazione tecnologica, e un partner strategico per grandi e piccole imprese nel mondo del 4.0: dall’Industria all’Energia, dalle Costruzioni alla Salute e all’Agroalimentare.

Abstract: Il contributo di Tecnalia al webinar si incentra su un recente success case, che ha riguardato lo sviluppo di una soluzione basata su machine learning, finalizzata all’analisi descrittiva e prescrittiva dei guasti nelle apparecchiature/sistemi critici di un impianto solare termico a concentrazione, con particolare riferimento alle pompe che inviano l’acqua al generatore di vapore. 

La soluzione tecnica sviluppata fornisce, a partire da alcune variabili monitorate coinvolte nel funzionamento della pompa, un sistema di alerting precoce che avverte dell'imminente rischio di guasto della pompa. Gli algoritmi di machine learning sviluppati allo scopo hanno permesso di creare un sistema capace di generalizzare a qualsiasi pompa e di eliminare automaticamente i falsi positivi.

La soluzione ha rappresentato per il cliente un importante fattore di competitività, permettendo di ridurre di oltre il 70% sia i costi di riparazione, sia quelli derivanti dal fermo impianto; inoltre ha reso possibile un incremento del 15% del volume di commesse ottenute.

In che modo le macchine addestrate dall'intelligenza umana rimodelleranno le industrie manifatturiere?

Massimo Ippolito

Bio: Massimo Ippolito currently holds the position of Head of Digital Innovation & Infrastructures at Comau, where he has been working since 2012.

He is also member from 2015 of the Board of Directors of the European Factories of the Future Research Association (EFFRA). Ippolito holds a Ph.D. in “Industrial production engineering” from Parma University and a M.Sc. in “Computer science” at the University of Milan. He has extensive experience in methodologies and tools for product and production system design.

Since 2000, he has been involved in various international research projects in the product design and manufacturing area, ranging from methodologies for product design for manufacturing to process design for energy efficiency. From 2007 to 2012, within Centro Ricerche Fiat, he was responsible of an innovation research program related to manufacturing topics.

Abstract: In tutti i processi  produttivi in cui il livello di automazione è molto elevato, il rischio maggiore è quello di ridurre la produttività degli impianti a causa dei guasti improvvisi o diminuzione della qualità, con una ridotta capacità di essere risolti velocemente.

'introduzione in azienda delle soluzioni COMAU legate all'Industria 4.0 consente non solo di impostare correttamente il metodo, progettare i processi produttivi, ma  anticipare potenziali guasti degli impianti e monitorare costantemente la qualità del prodotto durante l'intero ciclo produttivo.

La soluzione COMAU In.Grid dedicata alla manutenzione predittiva è un percorso per le imprese manifatturiere interessate a prevedere i guasti agli impianti per aumentare i livelli di produttività e la soddisfazione dei loro clienti. Analizzando e correlando i valori dei sensori provenienti dalle macchine, gli algoritmi di apprendimento automatico possono individuare relazioni tra i guasti storici per prevedere quelli del futuro.

L’addestramento degli algoritmi è supervisionato dall’uomo, attraverso un processo nel quale il manutentore esperto insegna al manutentore artificiale come riconoscere i guasti.

Modelli predittivi basati su AI per applicazioni industriali

Marco Vannucci

Bio: Marco Vannucci è ricercatore RTD-A presso il centro ICT-COISP dell'istituto TeCIP dopo aver conseguito la laurea in Informatica presso l'Università di Pisa e il dottorato in Innovative technologies alla Scuola Superiore Sant'Anna.

La sua attività di ricerca si concentra sull'utilizzo di tecniche di Intelligenza Artificiale in applicazioni industriali. Marco ha preso parte a più di 50 progetti finanziati Nazionali e Internazionali in cui sono state affrontate molteplici tematiche che hanno favorito l'analisi e lo sviluppo delle principali tecnologie legate all'IA e il design di metodologie trasversali ai vari ambiti industriali.

È autore di più di 80 pubblicazioni in riviste internazionali e nazionali e svolge attività di revisore per riviste inerenti l'IA e la sua applicazione in ambienti industriali. Marco svolge il ruolo di valutatore esperto per le proposte di progetto EU-RFCS sul tema Factory-wide and environmental control.

Abstract: Negli ultimi anni le tecniche di IA hanno raggiunto una maturità tale da rappresentare un prezioso strumento in ambito industriale. Sono molteplici i modelli predittivi che sfruttano tali metodologie e che permettono di migliorare la qualità dei prodotti, la produttività, i costi, l'impatto ambientale sia nell'industria di processo che in quella manufatturiera.

In molti di questi casi la peculiarità delle problematiche proprie dell'industria richiede l'adattamento delle metodoglogie esistenti o lo sviluppo di nuovi approcci per la risoluzione di problemi comuni ma sempre diversi. In questo intervento sono discussi i principali risultati, opportunità e problematiche relativi all'utilizzo di modelli predittivi basati su IA in diversi ambienti industriali e attraverso alcuni casi studio.

Sistemi assistiti da intelligenza artificiale per applicazioni industriali di saldatura

Cesare Stefanini

Short-Bio: Cesare Stefanini ha conseguito la laurea in Ingegneria Meccanica e il dottorato di ricerca in Microingegneria, entrambe con lode, presso la Scuola Superiore Sant'Anna di Pisa, rispettivamente nel 1997 e nel 2002. Nel 2003 è entrato a far parte della Faculty dell'Istituto di BioRobotica della SSSA. Attualmente è Professore di Bioingegneria industriale e coordinatore del Creative engineering Design Lab presso l'Istituto di BioRobotica della Scuola, e professore aggiunto presso Khalifa University di Abu Dhabi.

La sua attività di ricerca è applicata a diversi campi, tra cui: micro-robotica, sistemi bioispirati, biomeccatronica e micro-meccatronica per applicazioni mediche e industriali. Il prof. Stefanini è autore o coautore di oltre 160 articoli scientifici su riviste internazionali e atti di convegni internazionali. È inventore di 16 brevetti internazionali, per la gran parte in collaborazione con l’industria.

È membro dell'Accademia delle Scienze degli Emirati Arabi Uniti e delle Società IEEE RAS (Robotics and Automation), EMBS (Engineering in Medicine and Biology) e PES (Power and Energy).

Abstract: L’introduzione nell’industria delle tecnologie dell’informazione e della comunicazione (ICT) ha lo scopo di guidare la riorganizzazione da una produzione rigida e di massa ad una produzione personalizzata, più efficiente e flessibile, adatta anche per piccoli lotti. I nuovi sistemi intelligenti assistiti da tecniche avanzate di controllo, elaborazione delle immagini e intelligenza artificiale spingono l’automazione di processi complessi nella cornice dell’Industria 4.0.

La saldatura, in particolare, costituisce un processo fondamentale per la produzione in ambito manifatturiero, allo stesso tempo molto complesso data la varietà delle tecniche ed i numerosi fattori che lo influenzano.

Sono descritte soluzioni progettate e validate anche nel quadro del “i-Lab 4.0” in collaborazione con Baker Hughes, già pubblicate in riviste di settore: sistemi indossabili per assistere la saldatura manuale e sistemi robotici collaborativi che consentono di rendere “adattiva” la saldatura, minimizzando il rischio lavorativo dell’operatore e aumentando la produttività e la ripetibilità del processo.

Grazie a sensori intelligenti e sistemi di integrazione multi-modali tali soluzioni possono trovare ampia applicazione in ambito industriale.

Vuoi iscriverti al Webinar?

Compila il form con i tuoi dati per richiedere la partecipazione!

COMPILA IL FORM