Mentre le fabbriche e gli impianti di produzione sono diventati sempre più “intelligenti” grazie a sensori, robotica e altre tecnologie connesse, si è creato un vero e proprio tesoro di dati da sfruttare per ottenere informazioni su colli di bottiglia e altre aree di miglioramento. Tuttavia, gran parte di questi dati generati è non strutturata e non facile da sfruttare. Sebbene l’analisi dei big data sia da anni un elemento fondamentale in settori come la finanza e la logistica, non ha ancora pienamente trovato la sua strada nel mondo della produzione. Questo ha creato una miniera d’oro inesplorata di informazioni, e più di recente un mercato nascente per le tecnologie progettate sia per catturare che per dare un senso a una vasta gamma di dati di produzione.
Il potenziale inesplorato dei dati di produzione
Le fabbriche e gli impianti di produzione “intelligenti” generano enormi quantità di dati attraverso sensori, robotica e altre tecnologie connesse. Questi dati rappresentano un tesoro di informazioni che possono essere sfruttate per identificare aree di miglioramento e ottimizzare i processi. Tuttavia, gran parte di questi dati è non strutturata e difficile da utilizzare. Mentre l’analisi dei big data è ampiamente adottata in settori come la finanza e la logistica, il suo utilizzo nell’ambito della produzione è ancora limitato. Questo ha creato un’enorme opportunità inesplorata, che sta portando allo sviluppo di una nuova generazione di tecnologie dedicate alla raccolta e all’analisi dei dati di produzione.
Il finanziamento delle startup di intelligenza artificiale per la produzione
Negli ultimi mesi, diverse startup che si concentrano sull’applicazione dell’intelligenza artificiale alla produzione hanno attirato finanziamenti significativi. Società come Oden Technologies, Daedalus e Robovision hanno raccolto decine di milioni di dollari per sviluppare soluzioni che sfruttano l’IA per migliorare l’efficienza e la qualità nei processi di produzione. Questa tendenza riflette il crescente riconoscimento del potenziale dei dati di produzione e dell’intelligenza artificiale per trasformare il settore manifatturiero.
EthonAI: l’ultima startup svizzera a raccogliere fondi
L’ultima startup a entrare in questo mercato in rapida crescita è EthonAI, con sede in Svizzera. L’azienda ha annunciato di aver raccolto 15 milioni di franchi svizzeri (equivalenti a circa 16,5 milioni di dollari) in un round di finanziamento di Serie A guidato da Index Ventures, con la partecipazione di General Catalyst, Earlybird e Founderful.
La soluzione di EthonAI per l’individuazione dei difetti nei prodotti
EthonAI, fondata nel 2021 a Zurigo, offre una soluzione che consente di addestrare modelli di intelligenza artificiale per casi d’uso specifici, come la produzione di elettronica. I clienti forniscono immagini di prodotti privi di difetti, e il software Inspector di EthonAI può quindi identificare i difetti superficiali durante il processo di produzione e assemblaggio. Questa tecnologia è simile a quella recentemente acquisita da Apple, che ha acquistato la società DarwinAI per automatizzare il processo di gestione della qualità visiva nella produzione di componenti.
Espansione oltre l’ispezione visiva
Tuttavia, EthonAI non si limita all’ispezione visiva. L’azienda è in grado di combinare dati provenienti da diversi aspetti dell’impostazione di produzione di un’azienda, dai sensori agli arresti di linea, per costruire un quadro di ciò che funziona e di ciò che non funziona, e persino confrontare le prestazioni tra più stabilimenti per individuare potenziali aree di miglioramento.
Clienti di alto profilo per EthonAI
Nonostante la sua breve storia di tre anni, EthonAI ha già acquisito alcuni clienti di alto profilo, tra cui Siemens e il produttore di cioccolato Lindt. L’azienda non ha rivelato dettagli specifici sui suoi clienti nel settore dei semiconduttori, ma questo rappresenta un’area di particolare interesse per EthonAI.
I bassi rendimenti sono una preoccupazione nota nel settore dei chip, dove i difetti nei wafer di silicio possono influenzare il numero di chip effettivamente utilizzabili dopo la produzione. Ad esempio, si dice che Apple abbia raggiunto un accordo l’anno scorso con il produttore di chip TSMC, che apparentemente aveva tassi di resa particolarmente bassi (solo il 55% all’epoca), con Apple che ha negoziato di pagare solo per i wafer effettivamente utilizzabili, risparmiando miliardi di dollari.
Sfruttare i dati di produzione per migliorare le prestazioni
EthonAI afferma di collaborare con un “importante produttore di semiconduttori” che utilizza la sua piattaforma per combinare più set di dati, condurre analisi e individuare relazioni precedentemente sconosciute tra processi, apparecchiature e tassi di resa. Questa capacità di sfruttare i dati di produzione per identificare aree di miglioramento è fondamentale in un momento critico per il settore manifatturiero.
L’importanza dell’IA per l’eccellenza operativa
Come ha dichiarato il CEO di EthonAI, Julian Senoner,
“La produzione manifatturiera si trova a un bivio cruciale, e le aziende che non riusciranno ad adattarsi con l’IA rischiano di rimanere indietro. Le fabbriche stanno producendo montagne di dati e l’IA è la chiave per sbloccare intuizioni che guidino l’eccellenza operativa”.
Il mercato in rapida crescita per le soluzioni IA nella produzione
Il recente round di finanziamento di EthonAI riflette un mercato in rapida crescita per le tecnologie che sfruttano l’IA per migliorare l’efficienza e la qualità nei processi di produzione. Altre startup come Oden Technologies, Daedalus e Robovision hanno attirato finanziamenti significativi per sviluppare soluzioni simili. Questo trend sottolinea il crescente riconoscimento del potenziale dei dati di produzione e dell’intelligenza artificiale per trasformare il settore manifatturiero.
Opportunità e sfide per le startup di IA nella produzione
Le startup che operano in questo spazio devono affrontare sia opportunità che sfide. Da un lato, c’è una domanda in aumento per soluzioni in grado di sfruttare i dati di produzione e migliorare le prestazioni. Dall’altro, devono superare ostacoli come l’integrazione di sistemi legacy, la gestione di grandi volumi di dati non strutturati e la dimostrazione del valore tangibile per i clienti. Le startup di successo saranno quelle in grado di sviluppare soluzioni altamente innovative e di fornire un valore significativo alle aziende manifatturiere.
Fonte dell’articolo qui.