L'AI permette di trasformare quella che una volta era una esperienza umana non trasferibile in un dataset su cui addestrare un modello che porta valore nelle varie fasi di progettazione dei prodotti.
Nel settore industriale, la fase di test è essenziale, nonché solitamente una di quelle che porta via più tempo. D’altro canto, produce una quantità enorme di dati, il che è una buona notizia in tempi di AI. Reinova, azienda specializzata in testing e validazione, vuole rendere riutilizzabile questi dati, creando dataset “privati” sui quali costruire modelli predittivi e agenti AI in grado di affiancare ingegneri e tecnici nello sviluppo di nuovi prodotti.
Il progetto NEXUS, presentato dall'azienda di Soliera nella Motor Valley emiliana, è la piattaforma proposta per evolvere le attività di testing, validazione e ingegneria verso un modello AI-native e data-driven. L'idea alla base è quella di mettere in relazione elementi che nascono e, troppo spesso, restano in sistemi e fasi differenti del processo industriale. Partedo dai test fisici ai dati sperimentali passando per digital twin, modelli predittivi, messe a norma ed risultati delle validazioni, si costruisce un ambiente nel quale ciò che viene appreso durante un test contribuisce allo sviluppo dei progetti successivi.
L'AI parte dai dati misurati nel mondo fisico
La peculiarità di NEXUS è che non nasce come applicazione industriale di un modello AI generalista, ma viene alimentata da dataset sperimentali prodotti nei laboratori, misurati sul campo e interpretati da ingegneri e specialisti: una caratteristica importantissima soprattutto nell'ingegneria di sistemi complessi, dove la qualità del modello dipende non soltanto dalla quantità delle informazioni disponibili, ma dalla possibilità di stabilirne origine, attendibilità e significato fisico.
Un test eseguito oggi, quindi, può produrre informazioni utilizzabili anche domani per simulazioni, nuove campagne di validazione o prodotti differenti. Il dato sperimentale diventa parte della memoria tecnica dell'impresa trasformando il banco prova, il progetto o il team che lo ha prodotto in una fucina di esperienza riutilizzabile. Il modello punta inoltre a ridurre la frammentazione tra progettazione, simulazione, testing, validazione e rilascio, creando una continuità informativa lungo il ciclo di sviluppo. Per le aziende industriali questo significa ridurre i tempi di analisi, usare in modo più efficiente i banchi prova e diminuire anche drasticamente il numero di prototipi fisici, aumentando contemporaneamente la tracciabilità delle decisioni tecniche e delle evidenze necessarie ai processi di conformità.
L'AI decide quali test servono davvero
Sfruttare un sistema di AI come Nexus, inoltre, permette anche di evitare di ripetere prove quando esistono già evidenze sufficienti per prendere una decisione. Mettendo in relazione lo storico dei test con requisiti, simulazioni, modelli e risultati sperimentali, NEXUS “riscopre” ciò che l'organizzazione conosce già e ciò che invece deve ancora verificare, fornendo le informazioni necessaria per decidere dove concentrare le risorse di laboratorio, oltre ad analizzare più velocemente i risultati una volta conclusa una prova. Questo è un approccio particolarmente importante nello sviluppo di prodotti elettrificati, software-defined e connessi, che diventano sempre più difficili da progettare a causa della complessità crescente della interdipendenza tra hardware e software.
«L'obiettivo non è sostituire il lavoro delle persone, ma aumentarne il valore», afferma Giuseppe Corcione, Founder e CEO di Reinova. L'automazione dovrebbe assorbire soprattutto le operazioni ripetitive di analisi, correlazione e classificazione dei dati, lasciando agli specialisti progettazione, supervisione e decisioni tecniche. È un punto tutt'altro che secondario. In ambito industriale la questione non è soltanto quanto un sistema AI sia capace di produrre una risposta, ma quanto sia possibile ricostruire i dati, le evidenze e le decisioni che hanno portato a quella risposta. Ed è proprio qui che il connubio tra dati sperimentali, digital twin e AI Agent può diventare interessante: non un'intelligenza artificiale sovrapposta ai processi di ingegneria, ma un livello software che cerca di trasformare l'esperienza accumulata dall'azienda in un patrimonio utilizzabile nei progetti successivi.