Riassunto analitico
In un contesto tecnologico in cui l’intelligenza artificiale si fa strada tra le aziende e la nostra quotidianità, questa tesi ha l’obiettivo di esporre, fase per fase, un’attività che mi ha riguardato in prima persona presso Snap on Equipment, su un’implementazione di un algoritmo di deep learning su una macchina smontagomme.
L’azienda Snap On Equipment di Correggio è una divisione della multinazionale americana Snap On, che si occupa della produzione dei prodotti per “Automotive Wheel Service”, come macchine smontagomme ed equilibratrici.
Viene prima introdotto il contesto aziendale e del prodotto che si vuole migliorare, con tutte le considerazioni riguardo ai vantaggi teorici del processo migliorativo da apportare.
Viene esposto il processo di implementazione, descrivendone le fasi operative necessarie: creazione del database, processo di aprendimento per diverse architetture e valutazioni di performance.
L’esposizione è accompagnata da molti a margine delle azioni descritte, le quali risultano fondamentali per individuare gli obiettivi di un progetto che si muove su una strada mai esplorata prima, sia nel contesto aziendale, sia nella linea di prodotto su cui ci si appresta ad implemtare ciò.
Seguono ulteriori analisi di fattibilità e di performance sui modelli testati, utili per valutare le fasi successive del progetto, e le conclusioni che riportano l’attenzione sulle potenzialità del deep learning, e in modo più generico dell’AI, ma anche sui rischi ad essi collegati, per i quali ad oggi vi è ampio spazio di ricerca e sviluppo e di cui nessun contesto aziendale è immune.
|
