L’Industrial AI di Siemens per una fabbrica efficiente e future proof

Le imprese manifatturiere sono alla continua ricerca di tecnologie capaci di ottimizzare i processi, incrementare l’efficienza, che permettano di rispondere con agilità alle mutevoli richieste del mercato. In questo scenario l’intelligenza artificiale si sta affermando come un imprescindibile motore di cambiamento, capace di ridefinire i paradigmi consolidati e di aprire nuove prospettive per la produttività e l’innovazione. Siemens, attore di primo piano nel panorama dell’automazione industriale e della digitalizzazione, ha recentemente offerto una visione tangibile di questo futuro durante l’ultima edizione di SPS Italia, la fiera di riferimento per l’automazione e il digitale per l’industria.

L’approccio dell’azienda non si è limitato a una mera esposizione di prodotti, ma ha mirato a contestualizzare le novità tecnologiche in ambiti applicativi concreti, dimostrando come l’AI possa integrarsi efficacemente con l’automazione tradizionale per creare fabbriche più intelligenti, resilienti e sostenibili.

L’integrazione tra Industrial AI e automazione

Una delle sfide più significative nell’adozione dell’intelligenza artificiale in ambito industriale risiede nella coesistenza di cicli di vita profondamente diversi: da un lato, le macchine e gli impianti industriali, caratterizzati da una longevità che si misura in decenni; dall’altro, le tecnologie IT (AI in primis), il cui sviluppo e aggiornamento avvengono con una rapidità impressionante, spesso nell’ordine di mesi o addirittura settimane. Questa discrepanza temporale impone la necessità di architetture e piattaforme flessibili, capaci di integrare l’innovazione continua dell’AI senza stravolgere gli investimenti pregressi in macchinari e infrastrutture.

Siemens risolve questa complessità con l’architettura innovativa che contraddistingue l’ultima release del TiA Portal e che mira a preservare la validità della progettazione tradizionale, consentendo al contempo una rapida introduzione di nuove funzionalità basate su AI e Internet of Things (IoT). Il risultato di questa visione è il concetto di “Software Defined Automation”, una filosofia che disaccoppia sempre più le funzionalità di controllo e automazione dall’hardware specifico.

Massima espressione della Software Defined Automation è l’introduzione del Virtual PLC su piattaforma Industrial Edge permette di elaborare i dati vicino alla fonte che li ha generati – la macchina o l’impianto – abilitando risposte in tempo reale e riducendo la latenza. Il PLC virtuale, eseguito come software su dispositivi Edge, offre una flessibilità senza precedenti: nuove funzionalità di controllo possono essere implementate, aggiornate o modificate tramite software, senza interventi invasivi sull’hardware esistente. Il risultato? La massima flessibilità nella gestione di una domanda fortemente variabile e la possibilità di semplificare la manutenzione.

L’approccio di Siemens mira a dimostrare la perfetta integrazione dell’intelligenza artificiale con l’automazione. Non si tratta di sostituire l’automazione esistente, ma di potenziarla, aggiungendo un livello di intelligenza che permette alle macchine di percepire, comprendere e agire in modo più autonomo e adattivo. Questo connubio tra la robustezza dell’automazione tradizionale e la dinamicità dell’AI è la chiave per sbloccare nuovi livelli di efficienza operativa e per preparare le fabbriche alle sfide future, rendendole “future proof”. La capacità di gestire questa integrazione diventa quindi un fattore competitivo determinante per le aziende manifatturiere che puntano a mantenere un vantaggio nel lungo periodo.

L’Industrial AI in azione: applicazioni pratiche

La vera portata dell’integrazione tra AI e automazione si manifesta nelle applicazioni concrete, capaci di risolvere problemi specifici e generare valore tangibile. Siemens ha presentato in fiera diverse demo e macchine operative, realizzate in collaborazione con clienti italiani, per illustrare le potenzialità dell’Industrial AI.

Material handling e picking from bulk

Una prima applicazione significativa riguarda il “material handling”, in particolare il prelievo di oggetti collocati in un cesto alla rinfusa (“picking from bulk”). In uno scenario tradizionale i robot richiedono che gli oggetti posizionati in modo preciso e prevedibile. Tuttavia in molte situazioni reali, i componenti sono disposti casualmente. Qui interviene l’AI: sistemi di visione potenziati da algoritmi di intelligenza artificiale sono in grado di analizzare la scena, riconoscere gli oggetti anche se ammassati disordinatamente, identificarne la forma e l’orientamento, e determinare il punto di presa ottimale per il robot. L’intelligenza artificiale conferisce al robot la consapevolezza della posizione degli oggetti, consentendogli di operare in ambienti meno strutturati.

Siemens offre librerie software specifiche, come “Pick AI”, che facilitano l’implementazione di queste funzionalità. Questo tipo di soluzione non solo aumenta la flessibilità dei sistemi robotizzati, ma riduce anche la necessità di complessi sistemi di alimentazione e orientamento dei pezzi, con un conseguente risparmio di costi e spazio. La capacità di comandare robot di diversi produttori, come quello di Yaskawa nell’applicazione portata in fiera, attraverso librerie standardizzate integrate nell’ambiente di sviluppo TIA Portal, permette inoltre di lavorare ad un livello di astrazione superiore, semplificando la programmazione e la gestione di celle robotiche eterogenee.

Nella stessa applicazione Siemens ha mostrato anche un’altra area di grande impatto per l’AI, cioè il controllo qualità in tempo reale. L’ispezione visiva tradizionale, spesso affidata all’occhio umano o a sistemi di visione convenzionali, può presentare limiti in termini di velocità, accuratezza e capacità di rilevare difetti complessi o appena percettibili. Siemens ha presentato “Inspekto”, un software frutto di una recente acquisizione, capace di identificare graffi superficiali quasi invisibili o altre anomalie sui prodotti direttamente sulla linea di produzione. Questi sistemi di AI apprendono da grandi quantità di dati (immagini di prodotti conformi e difettosi) e sviluppano la capacità di classificare i pezzi con elevata precisione e in frazioni di secondo. L’implementazione di un controllo qualità basato su AI permette di intervenire immediatamente in caso di non conformità, riducendo scarti e rilavorazioni, garantendo standard qualitativi più elevati e fornendo feedback preziosi per ottimizzare i processi produttivi a monte. Queste soluzioni, descritte come sostanzialmente pronte all’uso, pur necessitando di una fase di configurazione e addestramento, si avvicinano a prodotti software verticali che offrono risultati tangibili in tempi relativamente brevi.

Etichettatura di prodotti complessi

Un esempio particolarmente interessante di applicazione dell’AI riguarda l’etichettatura di prodotti complessi, come una bottiglia di vino con un fregio a sbalzo sul vetro. La sfida, in questo caso, consiste nell’applicare l’etichetta cartacea in una posizione precisa rispetto al fregio, che può variare leggermente da bottiglia a bottiglia e non è facilmente identificabile da sistemi di visione tradizionali a causa della sua natura tridimensionale e della trasparenza del vetro. La soluzione, sviluppata in collaborazione con Gai, un costruttore italiano di macchine etichettatrici, utilizza un sistema di visione con intelligenza artificiale per riconoscere il fregio e orientare la bottiglia correttamente prima dell’applicazione dell’etichetta.

Un aspetto innovativo di questa applicazione è che l’addestramento della rete neurale sottostante è stato effettuato nel metaverso, utilizzando dati sintetici generati da un gemello digitale della macchina e della bottiglia. Questo approccio permette di accelerare significativamente la fase di training, riducendo la necessità di campioni fisici e consentendo di testare virtualmente diverse condizioni operative. Il gemello digitale, una volta completato l’addestramento, può rimanere “vivo” per futuri sviluppi, ad esempio per addestrare la rete a riconoscere nuovi tipi di bottiglie o fregi, o persino per consentire alla macchina virtualizzata di imparare a gestire la prossima produzione mentre la macchina reale è ancora impegnata con quella corrente.

Digital twin per il troubleshooting e la gestione della conoscenza

Una demo presentata in collaborazione con AISent ha mostrato un’applicazione per mappare e diagnosticare una vasta gamma di problemi macchina – da quelli elettrici a quelli di qualità, fino a semplici segnalazioni di errore. L’idea è di simulare il ragionamento di un operatore esperto o di un manutentore per risolvere i problemi, digitalizzando la conoscenza dei processisti e dei tecnici di stabilimento all’interno di una piattaforma.

Questa base di conoscenza digitale guida poi gli operatori, anche quelli meno esperti o in formazione, attraverso passaggi strutturati per identificare la causa del problema e implementare la soluzione corretta, attingendo ai dati dei sensori della macchina o fornendo istruzioni manualistiche. Questo approccio trasforma la conoscenza tacita, spesso patrimonio di poche figure esperte, in un asset aziendale tangibile e fruibile su larga scala, migliorando i tempi di risoluzione dei problemi, facilitando la formazione e garantendo una maggiore uniformità negli interventi di manutenzione.

Tecnologie abilitanti: software defined automation e nuovi linguaggi

L’effettiva implementazione delle sofisticate applicazioni di Industrial AI discusse in precedenza poggia su fondamenta tecnologiche solide e innovative. Tra queste, la “Software Defined Automation” sta emergendo come un paradigma trasformativo per l’intero settore dell’automazione industriale. La Software Defined Automation rappresenta un’evoluzione significativa rispetto agli approcci tradizionali, dove le funzionalità di controllo erano strettamente legate a specifici dispositivi hardware. Con la Software Defined Automation si assiste a una progressiva virtualizzazione delle funzioni di automazione, che vengono gestite come software eseguibili su piattaforme hardware più standardizzate e flessibili.

Il PLC virtuale è una delle manifestazioni più concrete di questo trend. Come accennato, Siemens sta spingendo questa tecnologia attraverso la sua piattaforma Industrial Edge. Invece di avere un PLC fisico dedicato per ogni macchina o sezione di impianto, le logiche di controllo possono essere eseguite come istanze software su un server Edge o su un PC industriale ad alte prestazioni. Il che offre numerosi vantaggi. Innanzitutto la scalabilità: se è necessario potenziare un sistema di automazione o aggiungere nuove funzionalità, si può “generare” un nuovo PLC virtuale o allocare maggiori risorse a quelli esistenti, spesso con un semplice acquisto di licenza e una configurazione software, eliminando la complessità e i tempi associati all’approvvigionamento e all’installazione di hardware fisico. La flessibilità è un altro beneficio chiave: gli aggiornamenti software, le patch di sicurezza e le nuove versioni delle logiche di controllo possono essere distribuite in modo centralizzato e rapido.

Un esempio rilevante riguarda l’esperienza di Audi, che ha recentemente annunciato l’utilizzo di PLC virtuali remotizzati a diversi chilometri di distanza dall’impianto produttivo, collegati tramite una rete dedicata. Questa applicazione, che ha ottenuto anche certificazioni di sicurezza (Safety) dalla TÜV per specifiche configurazioni, dimostra la maturità della tecnologia e la sua capacità di gestire non solo il controllo logico, ma anche funzioni critiche in ambienti industriali esigenti. Certo, l’estensione di tali architetture al cloud per il controllo in tempo reale non è ancora possibile, soprattutto per quanto riguarda latenza e affidabilità per funzioni safety-critical, ma la direzione è chiara: spostare l’intelligenza e il controllo da hardware locale a software gestibile in modo più agile e centralizzato.

Questa evoluzione è strettamente legata anche all’adozione di nuovi linguaggi di programmazione. Per decenni, la programmazione dei PLC è stata dominata da linguaggi specifici del settore, come Ladder Logic (LD), Function Block Diagram (FBD) o Statement List (STL). Sebbene efficaci e ben compresi dagli esperti di automazione, questi linguaggi possono rappresentare una barriera all’ingresso per le nuove generazioni di sviluppatori software, più avvezzi a linguaggi di alto livello come Python, C++ o JavaScript. La Software Defined Automation e le piattaforme come Industrial Edge aprono le porte all’utilizzo di questi linguaggi moderni anche nel dominio dell’automazione. Questo non significa abbandonare i linguaggi tradizionali, che continueranno a essere supportati e utilizzati, specialmente per la logica di base e le funzioni safety. Piuttosto si tratta di aggiungere nuovi strumenti al toolkit degli sviluppatori, consentendo di integrare più facilmente algoritmi di AI, funzionalità IoT complesse o interfacce utente avanzate.

Nella piattaforma TIA i nuovi linguaggi non sostituiscono, ma si aggiungono a quelli tradizionali. Questo approccio ibrido permette di sfruttare le competenze esistenti e, allo stesso tempo, di attingere a un bacino più ampio di talenti software, affrontando così la crescente carenza di skill specialistiche nel campo dell’automazione. La possibilità per un programmatore PLC esperto di continuare a lavorare in Ladder, mentre un team di data scientist sviluppa un modulo AI in Python che viene poi integrato nel sistema di controllo, rappresenta un enorme vantaggio in termini di velocità di sviluppo e innovazione.

L’importanza dell’ecosistema e dei partner

L’accelerazione dell’innovazione tecnologica e la crescente complessità delle soluzioni di automazione e digitalizzazione rendono sempre più difficile per una singola azienda, per quanto grande e competente, dominare l’intero spettro delle competenze necessarie. La creazione di un ecosistema di partner diventa quindi fondamentale per offrire soluzioni complete, verticalizzate e realmente rispondenti alle esigenze specifiche dei clienti. Siemens ha abbracciato questa filosofia con la sua piattaforma digitale aperta “Siemens Xcelerator“, che non è solo un portafoglio di hardware, software e servizi digitali, ma anche un ecosistema che facilita la collaborazione tra Siemens, i suoi clienti e una rete certificata di partner.

Durante SPS Italia la presenza di partner come Accenture, Engineering e Masmec nello stand Siemens ha voluto sottolineare concretamente questo approccio collaborativo. Queste aziende, membri di Xcelerator, hanno attraversato un processo di certificazione e onboarding per qualificare le loro offerte e competenze all’interno della piattaforma. Ognuna porta un valore distintivo: Accenture, con la sua vasta esperienza consulenziale e una practice globale dedicata alle tecnologie Siemens, si focalizza su trasformazioni digitali su larga scala e sull’integrazione dell’AI a livello strategico. Engineering, pur avendo una forte componente consulenziale, possiede anche una profonda conoscenza dell’automazione e sviluppa applicazioni specifiche, agendo quasi come un system integrator robusto e con una forte presenza locale.

Masmec rappresenta un caso emblematico: nata come un Original Equipment Manufacturer (OEM) tradizionale, costruttrice di macchine per il settore automobilistico e cliente storico di Siemens, ha intrapreso da circa cinque anni una significativa trasformazione digitale. Oltre a continuare la sua attività principale, Masmec ha creato da zero un team dedicato allo sviluppo di tecnologie come Digital Twin, IoT e realtà aumentata/virtuale. Queste competenze vengono utilizzate sia per migliorare la progettazione e le prestazioni delle proprie macchine, sia per offrire servizi di consulenza e sviluppo ad altre aziende, specialmente piccole e medie imprese (PMI) del territorio. La storia di Masmec, un’azienda con un fatturato annuo di alcune decine di milioni di euro, dimostra che determinate tecnologie sono realmente alla portata di tutti. Non è necessario essere una multinazionale per innovare e adottare soluzioni digitali avanzate; ciò che serve sono la volontà, una visione chiara e, spesso, il supporto di partner e piattaforme come Xcelerator.

Questo ecosistema permette di combinare la profondità tecnologica di Siemens con l’agilità, la conoscenza del dominio specifico e la capacità di customizzazione dei partner. Per i clienti finali, ciò si traduce in un accesso più semplice a soluzioni integrate, in una riduzione dei rischi di implementazione e in una maggiore velocità nel raggiungimento dei risultati di business.

L’approccio di Siemens alla sostenibilità e all’efficienza energetica

Un’altra sfida che l’industria manifatturiera si trova ad affrontare è quella di mantenere la competitività e ridurre il proprio impatto ecologico. Siemens ha da tempo integrato questi temi nella propria strategia aziendale e nelle proprie offerte tecnologiche, e la recente edizione di SPS Italia ha fornito un’ulteriore dimostrazione di questo impegno.

Un elemento distintivo dello stand Siemens è stata l’esposizione e il monitoraggio trasparente dei consumi energetici dell’intera area espositiva. Un quadro elettrico intelligente, equipaggiato con sensori e interruttori capaci di misurare i consumi a livello di singola applicazione e zona dello stand, ha permesso di visualizzare in tempo reale l’assorbimento di energia delle diverse macchine e demo. Questa iniziativa, che riprende uno spirito già manifestato in passato con il calcolo dell’impronta carbonica dei visitatori, ha avuto un duplice scopo. Da un lato, una finalità pratica di gestione: capire se la potenza energetica acquistata dall’ente fiera fosse adeguata e ottimizzare i fabbisogni per le edizioni future. Dall’altro un intento dimostrativo: far vedere ai clienti come le tecnologie Siemens possano essere impiegate per monitorare, analizzare e gestire attivamente i consumi energetici in un contesto reale, seppur su scala ridotta rispetto a una fabbrica.

Questo approccio è direttamente trasferibile in ambito industriale, dove la gestione dell’energia è una leva fondamentale per la riduzione dei costi operativi e il raggiungimento degli obiettivi di sostenibilità. In una fabbrica un sistema di monitoraggio energetico avanzato può identificare i macchinari più energivori, i picchi di consumo, le inefficienze e le aree di potenziale risparmio. Se l’azienda autoproduce energia, ad esempio tramite impianti fotovoltaici, il sistema può aiutare a bilanciare produzione e consumo, ottimizzando l’autoconsumo e minimizzando il prelievo dalla rete.

L’impegno di Siemens per la sostenibilità non si limita alle soluzioni offerte ai clienti, ma si riflette anche nelle proprie operation. Diverse fabbriche Siemens, come quelle di Amberg ed Erlangen in Germania, hanno ricevuto il riconoscimento di “Lighthouse Factory” dal World Economic Forum. Queste fabbriche sono considerate esempi di eccellenza non solo per l’elevata produttività e l’ampia implementazione di casi d’uso di intelligenza artificiale, ma soprattutto per le loro performance energetiche, con risparmi a doppia cifra percentuale. Nonostante le fluttuazioni dell’attenzione mediatica o politica su argomenti come la transizione energetica, per Siemens l’attenzione ai consumi e alla sostenibilità rimane una priorità strategica, un impegno di lungo periodo che si traduce in innovazione continua per processi produttivi più efficienti e rispettosi dell’ambiente.