4.TRASFERIMENTO TECNOLOGICO E COMPLESSITA’
ARTIFICIAL INTELLIGENCE IN MANUFACTURING
6.2 Architetture di sistemi produtt
L’intelligenza artificiale é in grado di riconoscere pattern (modelli) e di eseguire facilmente compiti che l’uomo non è in grado di svolgere, per questo può essere applicata con successo ad un sistema produttivo.
In particolare l’IA consente di realizzare lo scheduling della produzione sulla base di vincoli opportunamente scelti e introdotti dall’utente, vagliando migliaia di possibilità fino a giungere alla soluzione ottimale del problema. Spesso il sistema per lo scheduling é integrato in un sistema Enterprise Resource Planning (ERP). Un server calcola il tempo di inizio e di fine delle operazioni in base agli ordini e alle capacità produttive. Quando un ordine è stato eseguito il sistema di scheduling aggiorna le informazioni e manda i risultati al server. Il sistema consente di fare delle previsioni su ciò che accadrebbe nel momento in cui si applicassero dei cambiamenti alla programmazione oppure se si apportassero variazioni alle capacità del sistema produttivo.
Altra possibile applicazione in ambito produttivo é il controllo. In questo caso le tecniche analizzano ed individuano quale delle passate produzioni si avvicina maggiormente agli obiettivi aziendali del momento. Il software calcola il processo migliore per il lavoro corrente e aggiusta automaticamente il settaggio produttivo per garantire la realizzazione del prodotto. Si riducono così i costi e l’inventario, oltre che crescere il livello del profitto.
97
Un sistema produttivo è rappresentabile come un insieme integrato di sottosistemi complessi che interagiscono fra di loro e secondo un loro utilizzo predeterminato raggiungono una serie di obiettivi comuni [75]. Il sistema trasforma efficientemente l’input in output tenendo in considerazione la varie specifiche produttive.
L’integrazione dei sottosistemi costituenti il sistema produttivo può essere ottenuta attraverso la condivisione di un database intelligente di sistema. Non si tratta di una semplice interfaccia, che permette solamente lo scambio di informazioni, bensì di un trasferimento di informazioni bidirezionale. Quest’ultimo obiettivo può essere ottenuto tramite [75]:
- un database di sistema per quei sottosistemi che non influenzano direttamente in modo forte ogni altro sottosistema;
- connessione diretta fra i sottosistemi che detengono un elevato livello di interazione; - la considerazione del manufacturing system come un sistema distribuito. Sviluppare e
implementare un’architettura di sistema aperto per l’integrazione.
Queste soluzioni consentono un aumento di flessibilità della produzione e in particolare ne migliorano la risposta in caso di eventi inaspettati come i guasti.
I sistemi produttivi sono oggi in trasformazione a causa della maggiore partecipazione del cliente nel processo produttivo e ad una diminuzione della dimensione dei lotti e dei tempi di consegna. I sistemi in grado di rispondere a queste nuove necessità devono disporre di caratteristiche come la modularità, la standardizzazione e un controllo aperto I sistemi di produzione classici non risultano appropriati a fronteggiare questi tipi di cambiamento e pertanto l’applicazione di tecniche di IA al contesto produttivo costituisce al momento una delle possibilità più promettenti.
98
Fig.6.2 Vista di insieme del sistema manifatturiero dal punto di vista funzionale [75]
Al momento i tre principali sistemi manifatturieri basati su tecniche di intelligenza artificiale implicano l’assimilazione della cella manifatturiera alla cella del sistema e sono riconosciuti come: Bionic Manufacturing Systems, Fractal Manufacturing System, Holonic Manufacturing Systems [81]. Ciascuno viene di seguito sinteticamente descritto.
Bionic Manufacturing Systems (BMS) [75,81,82]
La parola bionico proviene da biologia e da elettronico e si utilizza per indicare l’applicazione industriale di metodi e sistemi trovati in natura. Nel caso di un sistema manifatturiero, le unità di produzione (work cells) possono essere comparate alle cellule di un sistema biologico e i coordinatori delle unità produttive agli enzimi che coordinano le cellule.
Gli ormoni del sistema biologico corrispondono alle strategie o politiche aziendali che hanno un effetto a lungo termine sul sistema. Tutto è quindi soggetto ad un controllo centralizzato, cioè le informazioni provengono dal top-level specificando i compiti che devono essere svolti nei livelli più bassi e le operazioni di tutte le celle sono riflesse nell’intero sistema che è pertanto in grado di reagire in modo rapido ai cambiamenti. In modo analogo alle cellule inoltre le diverse unità produttive possono riunirsi per formare “organi” cioè sottosistemi produttivi.
99
Fractal Manufacturing System (FrMS) [75,81,82]
Il concetto di frattale ha origine dalla matematica e dalla teoria del caos e implica un nuovo approccio per gestire la inflessibilità e rigidità delle attuali organizzazioni. L’FrMS è un sistema aperto costituito da piccoli componenti definiti come unità frattali, le cui caratteristiche principali sono: self-similarity tra i frattali, ricorsione implicata, e pattern-inside-of-pattern.
Fig.6.4 Rappresentazione grafica delle entità frattali [81]
100
Ogni unità frattale possiede le proprietà di auto-organizzazione, cioè non necessita una mediazione esterna per riorganizzarsi, somiglianza agli altri frattali ma struttura interna che può essere diversa, auto-ottimizzazione, cioè continua ricerca della migliore prestazione. Ogni frattale pertanto agisce in forma autonoma e con grande dinamicità per raggiungere i propri obiettivi ma collaborando con le altre unità per raggiungere un obiettivo comune.
Gli impianti Fractal dispongono di un sistema informativo e di navigazione efficiente e flessibile. Il sistema FrMS controlla continuamente le zone di destinazione, riconsidera la loro posizione e i progressi e apporta eventuali correzioni se necessario. In questo modo le strutture organizzative vengono costantemente ottimizzate da ogni singola unità.
Holonic Manufacturing Systems (HMS) [75,81,82,83]
Il concetto di sistema olonico deriva dalla ricerca svolta in ambito filosofico finalizzata alla definizione della natura ibrida delle strutture degli organismi viventi e dei gruppi sociali. In natura ogni sistema è costituito da parti e allo stesso tempo fa parte di qualcosa di più grande. Un holon è costituito da sotto-unità (altri holon) e, contemporaneamente, è una sotto-unità di un sistema più grande (costituito da altri holon). Le due caratteristiche predominanti di un’unità holon sono l’autonomia e la cooperazione. Mediante la prima un holon esprime la propria interezza e la capacità di regolarsi autonomamente, mentre la seconda implica la capacità di integrazione con altri holon. che possono essere pensati come un complesso sistema che, organicamente, integra vari sottosistemi intelligenti, secondo un’unica procedura distribuita.
101
Partendo dalla prospettiva secondo cui le celle di produzione hanno bisogno di essere strutturate come holon, è possibile pervenire ai criteri basilari nella costruzione di un sistema intelligente di produzione basato sull’architettura cellulare come rappresentato in figura 6.6.
Fig.6.6 Rappresentazione di un sistema manifatturiero olonico [fonte Internet Web]
Nella tabella 6.2 si riporta un confronto tra le modalità di funzionamento dei tre sistemi produttivi organizzati secondo le tecniche di IA sopra riportati: si nota come i BMS corrispondono ad un controllo centralizzato, mentre gli FF ad una gestione autonoma delle singole celle e infine gli olonici ad un misto di queste due caratteristiche.
102
Il vantaggio principale dei sistemi produttivi basati su tecniche di IA, e in particolare di quello bionico, come mostrato in figura 6.7, è che consentono di ottenere una elevata flessibilità a fronte comunque di una dimensione del lotto accettabile, anche se in genere più ridotta rispetto Ai classici sistemi flessibili FMS, FMC e FMS.
Le tecniche di Intelligenza Artificiale hanno pertanto interessanti applicazioni in ambito produttivo e in particolare possono essere utilizzate per il calcolo di indicatori di produzione, anche se al momento esistono ancora pochi esempi. In base alle considerazioni fatte è possibile ritenere che i Sistemi Esperti e quelli Multi-agent siano i più adatti a svolgere questo tipo di compito. I primi per la loro capacità di inglobare e aggiornare le conoscenze necessarie al calcolo dell’indicatore, i secondi grazie alle tecniche di coordinazione e di assegnazione dei compiti ai vari agenti fino ad arrivare alla computazione finale, che li caratterizzano.
L’analisi di queste metodologie risulta nel presente lavoro particolarmente significativa in quanto si tratta di tecniche adatte al calcolo dell’indice di complessità. In particolare sono stati utilizzati a tal fine i Sistemi Esperti, ai quali verrà dedicato un intero capitolo, e si farà riferimento nelle conclusioni alla Knowledge Based Engineering, che è un particolare tipo di KBS, come possibile ambito di applicazione dell’indice di complessità calcolato con il metodo qui proposto.
103