Come l’intelligenza artificiale sta cambiando le prove sui materiali
Uno sguardo su come le opportunità, le sfide e cinque straordinari campi di applicazione dell’AI possono rendere le prove sui materiali e sui componenti ancora più efficienti e affidabili.
Le prove meccaniche sui materiali sono uno dei metodi più importati utilizzati nella garanzia della qualità, sia nello sviluppo di nuovi materiali, che nella produzione o in laboratorio. Ma cosa succede quando l’intelligenza artificiale (AI) incontra questo campo consolidato? Gli algoritmi AI sono in grado di valutare le prove di trazione, individuare anomalie o controllare in modo intelligente le sequenze di prova o addirittura sostituirle?
La risposta è sì, e in alcuni casi sta già accadendo. Ma come funziona esattamente? E quali vantaggi, ed eventualmente quali rischi, comporta l’utilizzo dell’AI?
Cosa può fare l’AI nelle prove sui materiali?
L’AI è più di una moda. In pratica può aiutare ad analizzare più rapidamente grandi quantità di dati generati durante le prove sui materiali, identificare modelli e deviazioni e rendere i processi più efficienti. Questo è particolarmente interessante in un ambiente che sta diventando sempre più digitale e automatizzato, ovvero l’industria 4.0.
Qui vi sono cinque aree chiave in cui l’AI già ora può fare la differenza nelle prove meccaniche sui materiali:
1. Valutazione automatizzata delle prove
Quanto tempo serve a un esperto in laboratorio per analizzare un diagramma di sforzo-deformazione e interpretare valori caratteristici come la resistenza alla trazione? In particolare quando nella serie di prova sono coinvolti diversi campioni? Con l’AI si può fare in pochi secondi. Gli algoritmi individuano i punti rilevanti sulla curva o nelle tabelle dei risultati, indipendentemente che si tratti di una prova di trazione su metallo secondo le norme ISO 6892-1 o ASTM E8 o di una norma completamente diversa. Questo consente di risparmiare tempo e riduce gli errori umani oppure può indicare quali risultati debbano essere osservati in dettaglio da parte degli esperti.
Nelle prove in cui le analisi ottiche sono importanti, l’AI può anche accelerare la valutazione e prevenire gli errori. Nelle prove di durezza, ad esempio, l’AI fornisce un supporto efficiente e affidabile nell’individuare e interpretare le impressioni.
2. Individuazione di anomalie e qualità predittiva
Cosa accadrebbe se si potessero individuare difetti dei materiali prima che questi diventino un problema? L’AI riconosce deviazioni e modelli nei dati di prova che possono sfuggire all’occhio umano. Questo consente di garantire una qualità predittiva, ad esempio individuando precocemente deviazioni nei batch o campioni difettosi.
È importante che tutti i dati di prova siano salvati centralmente. La piattaforma di analisi testXpert Analytics fornisce un accesso centralizzato a tutti i dati di prova e delle macchine.
3. Progettazione di prove intelligenti e controllo adattivo
Come è possibile ottimizzare la strategia di ispezione di una nuova geometria del componente? L’AI è in grado di apprendere dalle prove precedenti e suggerisce automaticamente parametri di prova adatti, fra cui i range di forza, le velocità o i profili di temperatura. In combinazione con i sistemi adattivi, la prova può anche adattarsi al comportamento del materiale in tempo reale.
Si prega di notare che il controllo adattivo non è fornito né consentito in tutte le normative di prova. Tuttavia, in questo caso il processo di prova può essere accelerato e il numero delle prove fallite può essere ridotto in modo significativo.
4. Rendere la robotica e l’automazione ancora più intelligenti
AI e robotica: una squadra perfetta? Nei moderni laboratori di prova, ad esempio dotati di sistemi robotizzati o sistemi di movimentazione per campioni, l’AI assume il comando intelligente: rileva i campioni utilizzando l’elaborazione delle immagini, li smista automaticamente e ne analizza il comportamento durante la prova. Questo consente un rendimento maggiore e processi più stabili.
È importante che il sistema di prova sia dotato delle opzioni necessarie per l’integrazione dei sistemi di videocamere o altri sensori nel processo di prova. Da una parte questo richiede una elettronica di misura e controllo moderna e, dall’altra, il software di prova deve avere interfacce idonee.
5. Gemelli digitali e prove di simulazione
È possibile condurre una prova senza eseguirla realmente? I gemelli digitali supportati dall’AI possono essere utilizzati per simulare le proprietà reali del materiale e confrontarle con i risultati di prova reali. Questo consente di eseguire virtualmente alcune parti di prove meccaniche, il che è particolarmente interessante in caso di componenti dai costi elevati o di difficile accesso.
Le prove citate con condizioni di applicazione reali non sono solitamente permesse in aree critiche per la sicurezza. È più probabile che venga utilizzata una combinazione delle due possibilità: simulazione + prove reali mirate È importante che il gemello digitale venga “alimentato” con risultati di prova reali, che devono essere controllati regolarmente in modo da restare affidabili.
Vantaggi - Quali sono i vantaggi dell’AI?
Il potenziale è impressionante:
- Valutazioni più rapide e pertanto cicli di prova più rapidi
- Maggiore accuratezza, poiché vengono ridotti gli errori di valutazione soggettivi
- Risparmio dei costi dovuto a sforzi di prova ridotti e a un numero inferiore di scarti
- Scalabilità, è possibile analizzare senza problemi grandi quantità di dati
- Base migliore per il decision making, ad es. tramite l’analisi delle tendenze o il riconoscimento dei cluster
Rischi e sfide - dov’è l’inganno?
Ovviamente non è oro tutto ciò che luccica. L’uso dell’AI solleva anche nuovi interrogativi:
- Cosa succede se i dati non sono validi? L’AI è valida solo se è ben addestrata. Dati non corretti o incompleti comportano risultati non corretti.
- Chi può decifrare la scatola nera? Molti modelli AI non forniscono una motivazione trasparente per le loro decisioni, il che può costituire un problema con le prove critiche per la sicurezza.
- Come vengono considerate le normative e gli standard? Le normative attuali quasi non prendono in considerazione l’AI, pertanto le incertezze dal punto di vista legale sono inevitabili. Inoltre la gestione dell’AI non è ancora stata definita nell’intero settore della taratura.
- E cosa accade alle conoscenze degli esperti? Quando gli algoritmi sostituiscono le persone, il know how rischia di andare perduto.
In conclusione: evoluzione, non sostituzione
L’AI non è una sostituzione dei metodi di prova tradizionali, ma è un potente ausilio. Se usata correttamente, può rendere le prove sui materiali più veloci, efficienti e intelligenti. È importante che venga utilizzata in modo responsabile: l’AI non dovrebbe sostituire le persone,, ma supportarle.
Il futuro delle prove sui materiali è basato sui dati – Ora è il momento di garantire che i vostri dati di prova e macchina e i vostri sistemi di prova siano “AI ready”. A questo scopo sono fondamentali la memorizzazione dei dati centralizzata, ad esempio con testXpert Analytics , interfacce flessibili e opzioni di integrazione per sistemi di riconoscimento delle immagini.