Digitalizzazione, automazione e robotica per una manifattura efficiente, flessibile e sostenibile: sfide e opportunità per le imprese

Nell’era della digitalizzazione, la robotica e l’automazione stanno vivendo una trasformazione senza precedenti, grazie all’integrazione dell’intelligenza artificiale nei sistemi fisici. Questo connubio apre scenari futuristici, superando i limiti attuali dei robot e proiettando le imprese manifatturiere italiane verso una nuova frontiera di efficienza e sostenibilità.

Il percorso di digital transformation non è però privo di ostacoli: dalla carenza di competenze specifiche alla difficoltà nel valutare il ritorno sull’investimento, le aziende si trovano di fronte a sfide sempre più impegnative.

Questi temi sono stati al centro della sessione “Automazione e robotica per una manifattura efficiente, flessibile e sostenibile” dell’Industry4.0 360 Summit.

La sessione ha esplorato l’adozione delle tecnologie digitali e di automazione da parte delle aziende, cercando di individuare le sfide, i rischi e le best practice per riuscire davvero a trasformare i dati in conoscenza e assicurare il ROI degli investimenti.

L’AI e la sfida dell’embodiement della robotica

Lo sviluppo delle soluzioni robotiche è correntemente dominato dal tema dell’embodiement, cioè l’incorporazione dell’intelligenza artificiale nel mondo fisico al fine di dare “corpo all’intelligenza artificiale”, con alcune grandi novità presentate recentemente, come l’umanoide Gemini Robotics e Isaac GR00T N1, il foundation model aperto e personalizzabile di Nvidia per lo sviluppo di robot umanoidi.

Questi progressi rappresentano un passo fondamentale nell’evoluzione della robotica e dell’automazione, aprendo nuove frontiere per l’interazione tra macchine e ambiente.

Nonostante i progressi strabilianti dell’intelligenza artificiale, specialmente quella generativa, questa tecnologia incontra difficoltà quando deve interagire con il mondo fisico. “I robot, come li conosciamo finora, non sono consapevoli di quello che fanno. Un robot può spostare un oggetto dal punto A al punto B senza comprenderne il significato o le possibili operazioni che si possono compiere con esso”, spiega Paolo Rocco, Professore di Controlli Automatici e Robotica industriale, Politecnico di Milano.

“Fornire intelligenza artificiale e consapevolezza ai robot significa renderli capaci di intendere il significato semantico degli oggetti manipolati, capire le conseguenze delle proprie azioni e interpretare l’ambiente per raggiungere scopi non programmati in precedenza. Solo quando i robot saranno in grado di compiere azioni di questo tipo si potrà dire che l’embodiment dell’intelligenza artificiale sarà compiuto. Ma c’è ancora molta strada da fare”, aggiunge Rocco.

Il processo di integrazione dell’AI riguarda anche i robot industriali. Qui però a dominare è l’AI tradizionale, che sta compiendo passi in avanti soprattutto sul fronte dell’apprendimento e della visione.

Alcuni dei trend più rilevanti in questo campo sono:

• rendere i componenti più intelligenti. Ad esempio, dotare un semplice cilindro pneumatico, o una pinza, di intelligenza locale per aumentarne le prestazioni.
• efficientamento energetico. Migliorare l’efficienza energetica di qualsiasi tipo di azionamento, in linea con gli obiettivi di transizione energetica
• automazione del processo di automazione. Sviluppo di sistemi software completamente automatizzati che, a partire dal disegno CAD di un oggetto, consentono di individuare l’automazione giusta, i tempi ciclo raggiungibili e gli aspetti correlati come l’impacchettamento

I vantaggi dell’integrazione dell’AI nelle soluzioni di Automazione

L’AI è al centro delle soluzioni di automazione industriale di Mitsubishi Electric, per un impatto significativo sulla produttività e la sostenibilità.

“Mitsubishi Electric integra l’intelligenza artificiale (AI) nei propri prodotti rendendoli più smart. Questa integrazione avviene combinando l’AI con la profonda conoscenza che l’azienda ha dei suoi stessi prodotti in quanto sviluppatore”, spiega Giovanni Mandelli, Product Solution Manager Control-SCADA & Visualization dell’azienda.

Questo approccio permette di fornire funzionalità avanzate che sono già disponibili direttamente sul prodotto.

Un aspetto importante è che, grazie all’AI integrata, non è necessario trasferire grandi quantità di dati per eseguire analisi complesse, come la valutazione dello stato di salute di un robot o di un motore collegato a un inverter.

“L’AI opera direttamente a livello ‘edge’ e ha la capacità di rispondere in tempo reale ai problemi che si verificano nell’automazione, con tempi di risposta misurabili in millisecondi. Questo tipo di analisi possono essere effettuate localmente, vicino a dove i dati vengono generati e solo il risultato dell’analisi viene poi trasferito. Questo consente un’ottimizzazione dei processi molto rapida e immediata“, aggiunge. 

Un altro punto chiave è il ruolo dell’AI come supporto per gli operatori dell’automazione.

Anche in situazioni in cui mancano competenze specifiche nell’analisi dei dati, l’AI può automatizzare una parte significativa di questo processo, fornendo all’operatore risultati che possono essere direttamente collegati e applicati all’automazione, traducendosi in un beneficio concreto direttamente sulla macchina.

Robotica avanzata per l’industria: l’innovazione del Joiint Lab

La ricerca nel campo della robotica applicata all’industria è oggi trainata da temi importanti per le aziende e la società, come il reshoring, l’invecchiamento della popolazione, le competenze e la trasformazione del lavoro per rendere il settore manifatturiero più attrattivo.

Di questo, e non solo, si occupa il Joiint Lab, un’iniziativa nata dall’esigenza di aziende del territorio bergamasco (sia grandi che piccole) di intraprendere percorsi di innovazione e trasferimento tecnologico a partire dalle ricerche condotte dall’IIT (Istituto Italiano di Tecnologia).

“Si tratta di un laboratorio in cui ricercatori dell’IIT e ingegneri delle aziende partner lavorano insieme nello stesso ambiente e quotidianamente. L’obiettivo principale è risolvere problemi specifici che le aziende devono affrontare, in modo trasversale e collaborativo”, spiega Manuel Catalano, Ricercatore in Soft Robotics for Human Cooperation and Rehabilitation, IIT.

Un esempio concreto dell’attività del Joint Lab è la collaborazione con Fassi: insieme al produttore di gru per camion sono stati sviluppati algoritmi e sistemi di sensorizzazione che hanno portato al rinnovamento del parco tecnologico, trasformando le gru in sistemi controllabili come robot.

Il laboratorio è attivo anche su progetti che riguardano la robotica morbida, o soft robotics – una delle aree di ricerca dell’IIT -, che si propone di emulare le caratteristiche dei sistemi biologici, combinando precisione e sicurezza nell’interazione. Questo approccio si basa sull’idea di un’intelligenza distribuita nel corpo, come nelle mani, dove parte dell’intelligenza deriva dal cervello e parte dalla loro struttura.

La robotica morbida permette di creare organi di presa che si adattano a forme e consistenze diverse, grazie a un’intelligenza meccanica intrinseca, simile ai muscoli delle dita umane, agevolando operazioni di picking anche in applicazioni particolarmente difficili come per esempio in ambito food.

Nel Joiint Lab questi sistemi innovativi vengono applicati in contesti di produzione con alta variabilità di oggetti, minimizzando lo sforzo grazie alla capacità di presa dei robot.

Il laboratorio, rinnovato per i prossimi 11 anni, si concentrerà sulle tecnologie e applicazioni da inserire nella “fabbrica del futuro” in cui opereranno sempre più “persone tramite elementi remoti, quindi con la remotizzazione del lavoro. Il lavoro delle persone che normalmente effettuavano l’ispezione e la manutenzione sulla linea si trasformerà: non lo faranno direttamente, ma tramite robot. Immaginiamo quindi questo futuro in cui le nostre aziende e le nostre aree produttive cambiano, diventando nuovi moduli da gestire in modo diverso”, aggiunge.

Digitale e sostenibilità, aumenta l’adozione di robotica e AI nelle imprese

La robotica e l’intelligenza artificiale sono solo due delle tecnologie che le aziende possono impiegare per efficientare i processi e affrontare un’altra importante sfida: quella della sostenibilità. Ma a che punto sono le imprese in questo percorso? La ricerca del laboratorio RISE dell’Università di Brescia ha fornito un quadro dell’approccio delle imprese italiane su questo fronte, analizzando la relazione tra il livello di digitalizzazione e il livello di sostenibilità delle aziende e l’adozione di specifiche tecnologie digitali.

“I risultati della ricerca evidenziano una relazione positiva tra i due elementi: le aziende più sostenibili tendono ad essere anche più digitalizzate, e viceversa, le imprese più propense all’innovazione digitale sono anche quelle che applicano un numero maggiore di pratiche di sostenibilità”, spiega Andrea Bacchetti, Professore associato, Università degli Studi di Brescia.

Bacchetti sottolinea che, sebbene il campione sia significativo ma limitato, questo dato suggerisce che il digitale può essere una leva per raggiungere obiettivi di sostenibilità, confermando in un certo senso il paradigma dell’Industria 5.0.

Per quanto riguarda la scelta delle tecnologie adottate, quelle legate alla gestione del dato sono le più diffuse, mentre la robotica (inclusa quella collaborativa e le interfacce uomo-macchina), assieme all’intelligenza artificiale, si collocano al terzo e quarto posto per livello di adozione.

“Rispetto alla rilevazione dell’anno precedente, queste tecnologie sono in forte ascesa, soprattutto per quanto riguarda il loro utilizzo effettivo e il livello di maturità con cui vengono impiegate nelle aziende”, spiega Bacchetti.

Le motivazioni dietro gli investimenti, suggerisce la ricerca, riguardano:

• un aumento e un recupero di efficienza
• una maggiore produttività
• aumentare il servizio al cliente

“Questo indica un superamento del vecchio paradigma che, prima della digitalizzazione, contrapponeva efficienza ed efficacia. Attraverso le tecnologie digitali, le imprese cercano di perseguire entrambi gli obiettivi simultaneamente”, spiega Bacchetti.

Dalla ricerca emerge però anche un dato negativo: il 44% delle imprese del campione risulta essere indietro da entrambi i punti di vista (digitalizzazione e sostenibilità).

Il peso del fattore culturale nel processo di digitalizzazione delle aziende

Proprio questo dato evidenzia un tema importante per quanto riguarda gli ostacoli al processo di digitalizzazione delle aziende: una cultura non adeguata.

“Quando si parla di digitalizzazione, non sempre è chiaro cosa realmente significhi. Per alcune aziende, potrebbe voler dire semplicemente usare Word ed Excel al posto della carta”, spiega Andrea Robbiani, Business Development Executive – Smart Manufacturing, Corvina.

“Molte aziende esprimano il desiderio di ‘digitalizzare’ e di ‘raccogliere dati dalle macchine’ senza avere un obiettivo preciso o una chiara comprensione del perché vogliano farlo. Va tenuto anche a mente che digitalizzare non si riduce alla semplice acquisizione di dati. Il vero significato risiede nell’utilizzare i dati per ottenere informazioni utili”, aggiunge.

Il cambiamento culturale deve quindi precedere l’adozione delle tecnologie per non rischiare di vanificare gli investimenti. Al tempo stesso, anche l’implementazione delle tecnologie di automazione richiede un approccio strategico che deve partire dall’analisi dei processi attuali per non cadere nella trappola di “automatizzare le inefficienze”.

“La prima azione necessaria è analizzare approfonditamente il processo produttivo esistente all’interno dell’azienda. È cruciale parlare con gli stakeholder interni per comprendere le loro diverse prospettive sulla digitalizzazione, perché spesso persone che lavorano insieme hanno visioni differenti dei processi su cui operano”, aggiunge.

Il primo passo è quindi quello dell’analisi dei processi e dei sistemi produttivi esistenti, seguito dalla creazione di documenti che delineino il percorso di digitalizzazione e definendo obiettivi realistici, tempi necessari e costi previsti.

La digitalizzazione come processo continuo

La digitalizzazione non deve quindi essere vista come un progetto “plug and play”, ma significa partire da un processo che diventa una funzione aziendale che bisogna mantenere e gestire nel tempo. Ogni progetto ha una sua curva di apprendimento tecnologico, con le complessità specifiche e il tempo necessario ad ottenere risultati. Proprio queste complessità e gli scarsi risultati iniziali, spiega Robbiani, portano spesso le aziende a disinteressarsi del processo, ma è fondamentale proseguire nel percorso delineato.

“Per superare questa fase iniziale, serve realizzare proof of concept su linee produttive significative per testare la tecnologia in un ambito ristretto. Dopo aver verificato il funzionamento e fatto il fine tuning, si può procedere con un deployment su larga scala”, spiega Robbiani.

Senza il giusto approccio ai percorsi di digitalizzazione le aziende possono non raggiungere i risultati sperati. Questo è vero anche per le grandi realtà, dove la digitalizzazione non sempre si traduce in un’effettiva efficienza dei processi. Questo può accadere quando si implementano sistemi digitali avanzati che, tuttavia, non comunicano tra loro. In questi casi, non si ottiene una visione completa e non si riesce a capire se la digitalizzazione è stata implementata correttamente.

La filosofia del miglioramento continuo è da sempre il cuore dell’innovazione per Mitsubishi Electric che, come realtà giapponese, sposa la filosofia Kaizen. Un concetto che l’azienda ha fatto proprio e che è evoluto all’interno della visione di Mitsubishi Electric per meglio adattarsi al contesto dell’industria moderna e digitale e alle esigenze delle aziende.

In questo senso, Mitsubishi Electric ha introdotto il concetto di “Digital Kaizen” – ovvero portare una filosofia di miglioramento continuo anche nell’era digitale – e successivamente quello di “Smart Manufacturing Kaizen Level”, una sorta di tabella che aiuta a capire lo stato attuale della maturità della digitalizzazione di un’azienda sia dal punto di vista dell’utilizzo del dato, sia di come viene applicato.

“Questo aiuta a definire i passi necessari per raggiungere l’obiettivo e, di conseguenza, a definire i singoli ritorni di investimento di ogni singola azione intrapresa”, spiega Mandelli.

Come generare valore dai dati?

In questo percorso che quindi deve essere continuo, come possono le imprese generare valore dai dati? Robbiani spiega che per raggiungere questo obiettivo è necessario correlare i dati provenienti dai sistemi produttivi e applicativi con le necessità aziendali e gli obiettivi identificati.

“È fondamentale creare un livello di analisi di questi dati per capire le correlazioni forti e deboli. Spesso proprio quest’ultime possono essere le più sorprendenti, poiché sono quasi impercettibili ma possono causare problemi quando si verificano”.

Per analizzare queste correlazioni, è importante che l’operatore identifichi le cause gli eventi, come i fermi macchina, fornendo informazioni sul perché si sono verificati. Senza questa informazione, anche la macchina più digitale diventa inutile.

Questa analisi permette di creare un diagramma di Pareto nell’ottica del miglioramento continuo, consentendo di focalizzarsi sulle cause principali delle inefficienze.

“Questo approccio pragmatico permette di ottenere risultati significativi anche senza la necessità di un data lake gigantesco, ma semplicemente mettendo in relazione poche variabili chiave”, aggiunge.

Senza questo approccio, avverte Robbiani, il rischio è creare una grande aggregazione di dati da cui non si ottiene alcun significato.

“Il vero lavoro nella digitalizzazione consiste nell’analizzare il processo produttivo e il comportamento delle persone sulla filiera, poiché mediamente il 20% delle inefficienze produttive si trascina proprio nel processo tra le persone. È quindi cruciale analizzare e ottimizzare il processo prima di concentrarsi esclusivamente sulla digitalizzazione delle macchine. Infine, occorre gestire e armonizzare i dati per ottenere risposte utili”, aggiunge.

Digitalizzazione, quali ostacoli per le imprese?

Oltre il tema culturale e della gestione della conoscenza, la ricerca del laboratorio Rise ha sottolineato altri due ostacoli che, secondo quanto riportato dalle aziende, costituiscono due importanti barriere alla digitalizzazione. La carenza di personale qualificato emerge come un ostacolo primario all’adozione delle tecnologie digitali.

“La mancanza di competenze specifiche all’interno delle aziende richiede interventi mirati, come incentivi ben strutturati per la formazione specialistica, in linea con l’evoluzione tecnologica”, spiega Bacchetti.

Allo stesso tempo le imprese faticano a comprendere appieno i benefici economici derivanti dagli investimenti digitali, percependo con maggiore chiarezza i costi. Tale difficoltà evidenzia la necessità per i fornitori di tecnologia di comunicare efficacemente il ritorno sull’investimento (ROI) delle soluzioni proposte.

Ma uno degli ostacoli principali, come già menzionato, resta la gestione della conoscenza.

“Un sistema di gestione della conoscenza serve a realizzare il percorso che trasforma i dati in informazioni e poi le informazioni in conoscenza. È solo nel momento in cui si genera conoscenza che si crea un “know-how aziendale consolidato” in grado di portare anche un vantaggio competitivo”, spiega Bacchetti.

La ricerca del laboratorio Rise, così come altre indagini similari, sottolinea infatti che nonostante la raccolta dei dati sia sempre più diffusa nelle imprese, spesso non vengono trasformati in informazioni utili per il supporto decisionale.

Questo accade perché molte imprese non riescono a fare lo step successivo, ovvero archiviare e condividere la conoscenza in maniera adeguata e strutturata. Se le informazioni rimangono isolate nei silos delle singole soluzioni tecnologiche, delle funzioni o dei processi, il passaggio da informazione a conoscenza non avviene.

“Molte aziende si limitano a raccogliere e analizzare i dati in maniera locale ed episodica per supportare decisioni specifiche, senza una vera gestione della conoscenza. Questo approccio permette di ottenere solo una parte limitata del valore potenziale dei dati”, aggiunge.

“All’aumentare del livello di digitalizzazione e del numero di soluzioni digitali adottate, cresce il rischio di ingigantire i silos di dati senza arricchire il patrimonio di informazioni e conoscenza aziendale, che dovrebbe essere il vero risultato finale sia del paradigma 4.0 che del 5.0″, conclude. 

Ed è, al contrario, proprio la conoscenza he generano i dati, a determinare il ritorno dell’investimento per un progetto di digitalizzazione.

“Le aziende investono con l’obiettivo di migliorare la produzione, aumentare la quantità prodotta nello stesso tempo, diventare più competitive e flessibili alle variazioni del mercato. È necessario costruire sistemi che permettano di rispondere a questi obiettivi aziendali”, spiega Robbiani.

Se la digitalizzazione porta a risposte concrete in termini di miglioramento e crescita, allora il processo è stato implementato correttamente. Altrimenti, si rischia di avere solo una costosa raccolta di dati che non genera un vero valore, con il rischio che il costo del dato superi il livello di conoscenza acquisita, impedendo di ottenere un ROI positivo.