L'intelligenza artificiale governerà il PLM?

Francesca Frattini: Buongiorno e ben ritrovati a Trasformazione Digitale - Come il Digitale Trasforma il Fisico. Sono Francesca Frattini, Direttore Marketing di PTC e oggi affrontiamo un tema decisamente caldo e le cui potenzialità applicative in realtà sono ancora a tratti sottostimate ed in divenire: parliamo infatti di intelligenza artificiale. L'intelligenza artificiale sta rivoluzionando la nostra vita in vari ambiti che vanno ben al di là di Chat GPT ed è destinata a prendere sempre più piede nel nostro quotidiano e non solo, sta rivoluzionando anche il modo in cui le aziende operano, concepiscono, progettano e producono i propri prodotti.

L'utilizzo dell'intelligenza artificiale nel ciclo di sviluppo prodotto apre nuove frontiere di efficienza innovazione e competitività e in questa puntata è questo che vogliamo esplorare: come l'intelligenza artificiale, appunto, possa costituire un valido strumento per sfruttare al meglio quel database di conoscenza e informazioni che è gestito dai sistemi PLM, quindi per la gestione dei processi di sviluppo prodotto.

Vedremo oggi le opportunità, le sfide e i prerequisiti per sfruttare al massimo appunto, in ambito manifatturiero, le opportunità offerte dall'intelligenza artificiale e dalle sue applicazioni. Questo lo vedremo non con uno ma con ben due ospiti: lato PTC ritroviamo Fabrizio Ferro, Solution Consulting Senior Director per il Sud Europa ben ritrovato Fabrizio!

Fabrizio Ferro: Ciao Buongiorno a tutti.

Francesca Frattini: Come gradito ospite esterno invece, direttamente da Capgemini Engineering abbiamo oggi con noi Giulio Lanza, Presales Director, Digital Continuity e Smart Factory. Ciao Giulio e benvenuto.

Giulio Lanza: Ciao Francesca grazie a tutti.

Francesca Frattini: Allora partiamo con Giulio. Giulio che cosa incontri e vedi sul mercato? Ci fai uno scenario delle tendenze che state osservando come Capgemini Engineering?

Giulio Lanza: Beh Francesca, incontrando i clienti quotidianamente nel mondo dello sviluppo prodotto e del manufacturing, io ho notato una tendenza (soprattutto nello sviluppo prodotto) di richieste che toccano temi dell'applicazione intelligenza artificiale per migliorare l'efficienza di questa struttura. L'idea che mi sono fatto è che possa nascere un confronto tra l'area Manufacturing e la Supply Chain laddove l'intelligenza artificiale già da tanti anni dà dei forti contributi ad esempio sui temi della previsione della domanda, i temi della manutenzione predittiva, i temi del controllo qualità con l'intelligenza artificiale applicata al riconoscimento immagini, riconoscimento difetti… Ma pensiamo anche all'ottimizzazione della schedulazione e pianificazione delle attività produttive.

Lo sviluppo prodotto non ha ancora questo livello di automazione o di utilizzo dei dati. C'è la volontà, ma non c'è ancora un reale beneficio dell'utilizzo di questi strumenti. Quindi i clienti sono interessati e pongono delle domande interessanti.

Francesca Frattini: In quali ambiti prevalentemente ti pongono delle domande? Cosa ti chiede fondamentalmente il mercato?

Giulio Lanza: Beh una delle domande più comuni è quello del riutilizzo delle parti: come fare in modo che i progettisti (anche nuovi) non reinventino da capo una soluzione, ma sfruttino tutta la storia, la memoria tecnica dell'azienda. Quindi modelli di ricerca avanzata all'interno dei database, dei modelli CAD, multi CAD, ma anche all'interno di altri database, report di qualità, dati di costo, un database sulle obsolescenze in maniera da riutilizzare quanto più possibile soluzione già vendute, già prodotte e con risultati affidabili.

Un altro tema caldo è quello della qualità: cioè il prevenire gli errori o almeno individuarli prima di rilasciare una parte verso la produzione. Questo vuol dire sfruttare tutta la memoria tecnica in maniera più interattiva. Immaginiamo la chat bot applicata alla consultazione delle norme di progettazione. Immaginiamo un progettista che mentre modella e disegna una parte, ha un dubbio: interroga in real time il sistema chiedendo “Quale distanza devo ottenere? Quale materiale? Quale tolleranza? …” Ed è il sistema che va a scandagliare la “memoria tecnica” e gli fornisce una risposta, rispetto ad andare a sfogliare centinaia di pagine di un pdf che è un modo ormai difficile visti i tempi e il time to market che si accorcia.

Francesca Frattini: Questo diventa anche una soluzione molto più legata all'utilizzo day by day, perché qualunque cosa che facciamo è chiedere a un sistema di ricerca di trovarci l'informazione direttamente in maniera vocale. Poterlo fare almeno con un chatbot è già un qualcosa che lega alla quotidianità anche il nostro meraviglioso ambito manifatturiero.

Giulio Lanza: Ma ti dirò di più, si vogliono anche automatizzare i controlli qualità sul modello 3D e sui disegni. Fare in modo che si possano lanciare delle query e verificare se ho applicato tutti i requisiti, se ho applicato le norme, e quindi aiutare il progettista a vedere in anticipo (quanto più possibile) se c'è qualcosa da correggere. Questo può essere fatto a livello di una distinta base per vederne la completezza, può essere fatto a livello di modello CAD. Sempre di più questi strumenti permettono di far bene al primo colpo e quindi di evitare modifiche che sono sempre fonti di ritardi, costi e anche di “non qualità”.

Un altro tema caldo che noto è la collaborazione: da un lato gli uffici tecnici soffrono un po’ del turnover con persone che vanno e persone che vengono… Strumenti di questo tipo possono aiutare a capire chi in azienda è la persona che ha più competenze su una tecnologia, su un tipo di materiale ecc… Immaginiamo una R&D sparsa per il mondo con migliaia di persone e un progettista nuovo che si si trova magari in difficoltà nello scegliere una soluzione tecnica.

Immaginiamo un responsabile dell’ufficio tecnico o un responsabile della piattaforma che deve costruire un team di lavoro multifunzionale e vuole usare le migliori skill in azienda. Oppure immaginiamo che voglia far evolvere alcune skill, per questo deve sapere per ogni progettista quanto tempo ha dedicato alla progettazione di un componente per sviluppare una competenza anche su altri componenti sfruttando la job rotation ecc...

Immaginiamo inoltre aziende che fondono R&D a seguito di acquisizioni e che devono confrontarsi su criteri di progettazione, su standardizzazione, semplificazione del product offering… Tutte queste attività sono time consumer, vuol dire consultare un sacco di database e per questo motivo sono agevolate da questo tipo di strumenti.

Francesca Frattini: Fabrizio, dicevamo appunto che gli ambiti più frequenti di richiesta di applicazione di intelligenza artificiale sono (come diceva Giulio) l'ambito della qualità, del controllo, della collaborazione, dei requisiti, del riutilizzo delle parti. Hai qualcosa da aggiungere?

Fabrizio Ferro: Si può aggiungere sicuramente che l'intelligenza artificiale fino ad oggi è uno strumento che laddove già usato all'interno delle soluzioni che PTC propone (ma anche all'interno delle diverse soluzioni e all'interno dello sviluppo prodotto) è più un'intelligenza di tipo on demand: faccio una domanda, qualcuno risponde.

Esempi di questo tipo sono il generative design ad esempio. Con il concetto del “fare bene al primo colpo” il discorso del generative design è importante perché a fronte di determinati vincoli è la macchina che definisce qual è la forma: questa è quella che io chiamo una intelligenza artificiale on demand. Quello che potrà cambiare è il fatto che l'intelligenza artificiale deve diventare, diventerà, più proattiva. Se ci pensate oggi molti prodotti di qualunque tipo sono sempre più intelligenti sono in grado di capire le carenze di materiale, le carenze di filling, di particolari contenuti e sono in grado in una certa misura di prevenire delle esigenze.

La stessa cosa dovrà capitare anche per quanto riguarda le applicazioni di tipo industriale e qualcosa c'è già, come diceva Giulio, ma anche di tipo più dedicato al mondo digitale e non al mondo fisico secondo la nostra accezione, quindi a un aiuto che possa diventare più proattivo in tutte le fasi che sono caratteristiche della parte digitale legata allo sviluppo prodotto.

Francesca Frattini: Bello! A questo proposito, Giulio, dove siamo adesso all'interno dell'azienda? A che punto siamo? Cosa stanno facendo?

Giulio Lanza: Oggi vediamo diversi progetti pilota, esperimenti, prove, una crescita graduale. Sicuramente i sistemi non sono ancora maturi per essere industrializzati in larga scala, ma diversi nostri clienti ci stanno appunto chiedendo l'avvio di questi progetti pilota su alcuni temi specifici e soprattutto stanno predisponendo dei budget per il prossimo anno. Questo è un bel indicatore perché significa che stanno già toccando con mano dei risultati e stanno già intravedendo la possibilità di fare efficienza, fare produttività all'interno dello sviluppo prodotto.

Francesca Frattini: Fabrizio da questo lato PTC dov'è?

Fabrizio Ferro: Fondamentalmente l'interesse per l’intelligenza artificiale, come potrete capire, è assolutamente elevato. Siamo in una fase sicuramente di studio in cui si cerca di capire quali siano le modalità migliori per inserire questo tipo di interazione in modo che siano correttamente non invasive (perché altrimenti diventa poi un qualcuno che continua a punzecchiare il progettista o comunque chi lavora nell'ambito dello sviluppo prodotto).

Sicuramente molte delle funzionalità sono di derivazione IoT, le acquisizioni che PTC ha fatto recentemente nel mondo dell’IoT (ma non solo), hanno portato in casa due grandi aspetti:

Il primo, un motore di intelligenza artificiale che guarda caso arriva dal mondo del generative design: lì dentro c'è un motore di intelligenza artificiale. Dall'altra parte la capacità di integrazione con sistemi sia informatici sia oggetti presenti nella fabbrica, ma non solo, che deriva dall'ambito IoT.

Se ad esempio noi andiamo ad esplorare un tema che sta andando per la maggiore che è quello della sostenibilità, una delle potenziali applicazioni dell'intelligenza artificiale potrebbe essere quella ad esempio di assistere il progettista, ma non, assistere anche l'azienda nelle valutazioni relative alla sostenibilità.

La sostenibilità richiede tutta una serie di valutazioni riguardo alle emissioni di CO2, al consumo di acqua, consumi energetici e cose di questo genere. In molti casi quando si vanno a cambiare determinati parametri di progetto è necessario immediatamente avere a disposizione le valutazioni riguardo gli impatti di questi cambiamenti.

L'intelligenza artificiale potrebbe aiutare in questa attività di rollup e di analisi della distinta in maniera molto efficiente e in maniera non solo on demand ma anche proattiva, accorgendosi che certe cose sono cambiate e che quindi certe valutazioni devono essere rifatte e ripresentate eventualmente con i loro aspetti positivi e negativi.

Francesca Frattini: Certo! Colgo l'occasione, oltre che per avere il tuo impegno a parlare con noi di generative design, per ricordare agli amici del nostro podcast che abbiamo trattato tematiche inerenti alla sostenibilità ambientale in altre due puntate che vi invito ad andare a riascoltare se ancora non l'avete fatto.

Tornando invece a bomba all'argomento di oggi, abbiamo evidenziato quelli che sono obiettivi potenziali e futuri di applicazione dell'intelligenza artificiale anche in ambito manufacturing. Abbiamo valutato anche i vantaggi in termini di sostenibilità ambientale che questo offre, abbiamo analizzato i benefici, e a questo punto parliamo anche del contraltare. Giulio quali sono le analisi che stiamo facendo a livello di superamento delle potenziali obiezioni diciamo a questo tipo di tecnologia.

Giulio Lanza: Sicuramente un punto di attenzione è quello della proprietà intellettuale dei dati, perché ovviamente il sistema va veramente nel cuore di un'azienda nel suo Know How, lo elabora e lo rende disponibile. L'altro tema è la certezza della risposta, quindi un tema di responsabilità. Questo è figlio anche dei dati che ho a disposizione e un'attività di pulizia di sistemazione di qualità dei dati è propedeutica all'avvio di questi progetti.

C'è anche un tema legato alle persone, il progettista dovrà sviluppare delle nuove competenze sarà sgravato da quelle attività che non portano un valore aggiunto come consultare un database o “attività noiose”. Gli si liberano delle ore che vanno investite invece attività a più valore aggiunto e quindi l'attività di innovazione, di ottimizzazione del prodotto laddove diciamo l'intelligenza artificiale non può arrivare.

Francesca Frattini: Questo è senz'altro un passo avanti. In conclusione Fabrizio tu hai qualcosa da aggiungere?

Fabrizio Ferro: Non posso far altro che confermare quello che Giulio sta dicendo. È evidente che dobbiamo considerare un fatto molto importante: l'intelligenza artificiale sarà tanto più accurata quanto più l’alimentiamo con delle informazioni corrette, quindi magari (lo vedremo poi in seguito) comincere a farsi delle domande su quello che abbiamo in casa all'interno dei dati che le aziende immagazzinano costantemente all'interno dei loro sistemi.

Francesca Frattini: Ecco qui ti interrompo perché effettivamente volevo proprio chiedere a Giulio che cosa consigliamo di fare alle aziende manifatturiere? Cosa devono fare già oggi per prepararsi a sostenere quest'onda, quella dell'intelligenza artificiale, e di come si inserirà in tutti i vari applicativi.

Giulio Lanza: Senz'altro tenersi aggiornati su quelle che sono le roadmap, le possibilità, non perdere l'onda, quindi entrarci da subito anche con progetti piccoli. Abbiamo detto fare pulizia dei dati, quindi magari creare dei sottogruppi, dei gruppi di lavoro, fare formazione alle persone. Perché è quello che abbiamo visto anche nel mondo manifatturiero con la trasformazione lean, le idee di miglioramento devono nascere dalle persone, per questo le persone devono conoscere cosa può fare intelligenza artificiale, generare idee per poter lavorare meglio e poi saranno loro gli sponsor di queste soluzioni: le sentiranno proprie, non le sentiranno come un avversario.

Sono strumenti che hanno contribuito le persone dell'ufficio tecnico a sviluppare, a generare e/o a migliorare. Quindi far partire dei progetti pilota, usare un approccio agile, quindi piccoli rilasci e vedere, correggere in caso di strade che diventano magari troppo tortuose o troppo complesse.

Iniziare a provare e avere però una vision anche su un medio/lungo periodo perché diventa poi una vera trasformazione questa e quindi diventa un aspetto di competitività di valore dell'azienda sul mercato e quindi un treno che non si può perdere.

Francesca Frattini: Certamente. Fabrizio prima parlavi della necessità appunto di fare un po’ di “pulizia domestica”, di organizzare i dati all'interno dell'azienda in modo appunto da essere preparati. Hai qualcosa da aggiungere?

Fabrizio Ferro: Io inviterei le aziende e chi ci ascolta a riflettere su due temi:

• uno riguardante il PLM come sistema
• uno riguardante i dati.

Il primo è relativo al fatto che PLM non vuol dire avere i processi a posto, i sistemi in ordine, non vuol dire avere ordine in casa a 360°. Molti sistemi PLM oggi non sono per niente completi, si va da chi fa la pura gestione del dato CAD ad altre aziende che hanno effettivamente realizzato un vero e proprio digital thread.

Il primo tema di riflessione la prima domanda è: “Siete sicuri di avere un digital thread correttamente impostato, correttamente fluente all'interno dell'azienda?”. Questo è il primo tema il secondo è che all'interno del digital thread, all'interno dei diversi sistemi esistono dei dati, esistono delle informazioni. Abbiamo detto prima che l'intelligenza artificiale è tanto più intelligente e accurata quanto più questi dati queste informazioni sono corrette, accurate, aggiornate e così via. Quindi l'altra domanda è: “Quanti dati raccogliete? Quali dati raccogliete? Quale uso ne fate di questi dati, se ne fate uno?” Molte aziende ci dicono: “Raccogliamo tanti dati, ma non li sappiamo utilizzare o non li utilizziamo a sufficienza”. Questo anche in ambiti come si diceva prima anche con Giulio, negli ambiti del manufacturing dove di dati se ne raccolgono tanti, dove c'è già una cultura legata all'implementazione all'utilizzo del machine learning e di algoritmi autoadattativi.

Quindi da questo punto di vista, anche dal punto di vista del mondo digitale sicuramente è un ambito importante. Attenzione i dati non provengono solo dalla fabbrica, non sono solo immagazzinati nel PM ma li dobbiamo vedere a 360° presenti in tutti i sistemi aziendali.

Francesca Frattini: Mi piace molto questa visione olistica dell'azienda, grazie! Grazie a entrambi per essere stati qui con noi oggi, naturalmente se avete necessità di approfondire, Giulio Lanza di Capgemini Engineering e Fabrizio Ferro che è il nostro Solution Consulting Senior Director, sono disponibili per darvi tutte le informazioni in merito a questo tema.

Grazie ancora per averci ascoltato, grazie a voi per aver partecipato Giulio e Fabrizio. Spero di avervi presto con noi un'altra volta.

Fabrizio Ferro: Grazie e un arrivederci a tutti gli ascoltatori.

Giulio Lanza: Per me è stato un piacere, a presto!

Francesca Frattini: Invitiamo gli ascoltatori appunto a fare pulizia nei loro dati in modo da prepararsi a sfruttare tutte le opportunità di cui abbiamo parlato oggi. Grazie ancora a tutti questa era Trasformazione Digitale - Come il Digitale Trasforma il Fisico. Vi invito a guardare in descrizione per approfondimenti e ci risentiamo alla prossima puntata.