Co-creazione per una produzione più intelligente

Invito al cambiamento

Immagina di essere un tecnico in una fabbrica di aerei. Oltre al controllo manuale occorre ricordare quando vengono installati i componenti principali. È importante che il prodotto finito sia costruito secondo standard precisi, compreso un rigoroso processo di ispezione in ogni fase della costruzione. Si tratta certamente di un procedimento che richiede tempo e lavoro.

Immagina ora se questi stessi processi potessero eseguirsi con una tecnologia basata sull'intelligenza artificiale (AI). Questa soluzione dovrebbe essere in grado di registrare automaticamente le principali fasi di assemblaggio, eliminando la possibilità di errore umano. Troppo bello per essere vero? Per Airbus, uno dei principali costruttori di aeromobili, è il futuro del lavoro.

L'azienda è costantemente alla ricerca di nuovi modi per migliorare il processo di produzione sfruttando le tecnologie più recenti. In collaborazione con Accenture Labs, con sede presso l'Accenture Shenzhen Innovation Hub, l'Airbus China Innovation Centre (ACIC) esplora come la produzione intelligente basata sull'AI può trasformare le proprie attività. Come proof-of-concept, l'azienda si è concentrata sulla reimmaginazione dell'assemblaggio finale di un aereo. Tradizionalmente, questo è un approccio molto impegnativo in termini di tempo perché si basa sull'inserimento manuale e sul giudizio umano per determinare quando un'operazione di assemblaggio è completa.

Quando la tecnologia incontra l'ingegno umano

Per avviare il progetto, si sono riuniti i team di due centri di innovazione avanzata. Gli specialisti del settore di ACIC conoscevano i dati, il processo di raccolta dei dati durante la produzione, i problemi riscontrati e le soluzioni desiderate. Nel frattempo, i ricercatori di Accenture Labs hanno utilizzato la loro esperienza nell'AI e computer vision per sviluppare una nuova AI e uno speciale strumento di annotazione dei dati, appositamente progettato, al fine di accelerare l'annotazione di oltre un milione di segmenti video.

I team hanno seguito un processo agile per sviluppare efficientemente l'AI, addestrare e testare il modello, identificare i punti deboli e iterare fino a raggiungere il livello di prestazioni necessario per svolgere il lavoro in modo corretto e coerente.

La soluzione utilizza flussi video per rilevare automaticamente i problemi di produzione nell'assemblaggio finale dell'aereo. Quando viene ispezionato, l'AI di deep learning riconosce quando le attività sono state completate. Ad esempio, una volta montata l'ala, vengono registrati il processo e il tempo. Questo è un modo più rapido ed efficiente per eseguire l'ispezione finale. Inoltre, la soluzione AI raccoglie e annota immagini e video per ispezionare in modo più accurato la corretta installazione e posizione delle parti più grandi degli aerei. Tutto questo si traduce in un processo automatizzato che consente ai dipendenti Airbus di concentrarsi su attività più importanti mentre la soluzione AI si occupa di tutto il resto.

Una differenza di qualità

Grazie all'approccio agile del team, siamo riusciti ad affrontare ogni difficoltà. In un'occasione, ci siamo resi conto che stavamo adottando un approccio manuale all'etichettatura e al trattamento dei dati utilizzando singoli fotogrammi. Immagina di dover interrompere, analizzare e avviare un video per ogni nuovo fotogramma. Abbiamo quindi considerato i dati come un filmato invece che come una serie di immagini. Combinando questa scelta con lo strumento di annotazione personalizzato, siamo riusciti ad accelerare le ispezioni da centinaia a milioni di immagini al minuto. Ciò significa più dati per l'AI, ottenendo maggiori approfondimenti e un processo più intelligente ed efficace.

La combinazione di AI e computer vision aumenta sia l'efficienza che l'accuratezza dei processi. Automatizzando l'ispezione visiva dell'aereo attraverso l'analisi dei filmati, il sistema è in grado di registrare con precisione le principali fasi di assemblaggio ed eliminare la possibilità di errore umano. Il risultato è un netto miglioramento dell'accuratezza delle letture, che si traduce in risparmi significativi durante il processo di produzione, il tutto aumentando la qualità e mantenendo gli standard di sicurezza.