Guidare l’industria oltre la trasformazione digitale con il motto “Thinking industry further! Progettiamo insieme il futuro dell’industria”. Così Siemens rafforza ancora una volta la propria visione olistica, il proprio know-how e la propria competenza nel supportare e fornire consulenza per la trasformazione digitale delle imprese manifatturiere e di processo italiane.
Edge computing, intelligenza artificiale e macchine intelligenti
Simatic Edge è la piattaforma Siemens per l’Industrial Edge Computing, una soluzion in grado di migliorare la raccolta e l’elaborazione del dato vicino alla sorgente (edge computing) anche grazie all’uso dell’intelligenza artificiale.
Da un lato il cloud computing offre una grande flessibilità per la raccolta e l’analisi dei dati da diverse macchine installate nel mondo e una gestione innovativa del software basata su Apps. Dall’altro l’elaborazione locale consente di elaborare molti dati con una bassissima latenza senza necessariamente trasmettere i dati su cloud.
Con Simatic Edge è possibile combinare i vantaggi di entrambi i mondi: i dati sono raccolti ed elaborati ad alta velocità tramite Edge Devices locali con la massima sicurezza, analisi ed elaborazione dei dati basata su Apps, generazione di dati aggregati per ottimizzare il traffico e la comunicazione con sistemi IT / Cloud e un ecosistema aperto e flessibile con funzioni di gestione e aggiornamento di Edge Devices e Edge Apps centralizzate.
Intelligenza artificiale per autoapprendere
Inoltre, soluzioni di intelligenza artificiale che all’interno di un’unità di elaborazione basata su chip rendono le macchine ancora più ‘intelligenti’ e polifunzionali grazie alle capacità di apprendere autonomamente attraverso la propria rete neurale.
Un tempo era infatti necessario investire molto per addestrare ad esempio un robot a raccogliere oggetti noti, dovendo definire in modo meticoloso ogni movimento. Tramite la rete neurale installata sulla scheda Siemens TM Npu a bordo del Plc Simatic S7-1500, l'intelligenza artificiale garantisce al robot di riconoscere oggetti noti in posizioni non dettagliate a priori, ma anche oggetti sconosciuti e di calcolare autonomamente i migliori punti di presa. Tutto questo grazie a un preventivo addestramento della rete neurale, che raccoglie e sfrutta tutta l'esperienza raccolta durante l'addestramento.
