Fol News

Tutti gli approfondimenti
Tutte le notizie

TXT E-SOLUTIONS

  • Ecco la 72° Edizione del settimanale "Le opportunità di Borsa" dedicato ai consulenti finanziari ed esperti di borsa.

    È stata un’ottava ricca di spunti per i mercati, dapprima con l’esito delle elezioni europee, poi con i dati americani incoraggianti sull’inflazione e la riunione della Fed. L’esito delle urne ha mostrato uno spostamento verso destra del Parlamento europeo, con l’avanzata dei partiti nazionalisti più euroscettici a scapito di liberali e verdi. In Francia, il presidente Macron ha indetto il voto anticipato dopo la vittoria di Le Pen e in Germania i socialdemocratici del cancelliere tedesco Olaf Scholz hanno subito una disfatta record. L’azionario europeo ha scontato molto queste incertezze legate al rischio politico in Francia. Oltreoceano, i principali indici di Wall Street hanno raggiunto nuovi record dopo che mercoledì sera, la Fed ha mantenuto invariati i tassi nel range 5,25-5,50%. I dot plot, le proiezioni dei funzionari sul costo del denaro, stimano ora una sola riduzione quest’anno rispetto a tre previste a marzo. Lo stesso giorno è stato diffuso il report sull’inflazione di maggio, che ha mostrato un rallentamento al 3,3% e un dato core al 3,4%, meglio delle attese.
    Per continuare a leggere visita il link

Akiba80 ha scritto:
Il report di Intermonte indica pfn 2024 a 38mln quindi diciamo che ha la stessa validità dell'oroscopo scritto sui quotidiani gratuiti che danno in metro
Clicca per espandere...

1000001123.jpg


Poi di nuovo depressione quando il titolo scenderà da 30 a 29,50. :asd:
 
Anxhe qui volevo accumulare in area 23, mancati i ********.
Ne ho già abbastanza per me però ne avrei aggiunte volentieri.

Volumi si alzano, acquisizione e rottura max
Coraggio
 
Nella mia operatività il prezzo è secondario ai volumi.
E oggi i volumi sono buoni e compratori.
Quindi il prezzo di stasera conta il giusto.
 
dovessero mangiare fino a 25 il book rimarrebbe praticamente vuoto
lo specialist sarebbe chiamato agli straordinari

si sente un pò di puzzetta di opa...possibile??
 
Ultima modifica:
Ma quando sospesa? a che ora? per quanto? oggi pomeriggio ero fuori.
E comunque che chiusura ragassi!!!! e che bei volumi.
:cool:
 
Siamo sui max storici e nessuno si gasa???
Mica avrete venduto.
Comunque i 30 entro fine anno le vedo altamente probabili
 
Xmanai, il progetto IA di Txt e-tech: spiega e risolve e i problemi dell'industria 5.0 - Industria Italiana

Xmanai, il progetto IA di Txt e-tech: spiega e risolve e i problemi dell’industria 5.0​

Di Piero Macrì ♦︎ Il progetto eXplainable Manufacturing Artificial Intelligence vuole rendere trasparente il meccanismo di decision making dell’IA. È Coordinato da Txt e-Tech (Gruppo Txt) e finanziato dal programma UE Horizon 2020. I casi d’uso per Ford, Whirlpool e Unimetrik. La soluzione per Cnh che riduce i tempi di intervento macchina del 70%. eXplainable AI: interfacce operatore in realtà aumentata. Ce ne parla Michele Sesana, innovation manager di Txt Group​

Intelligenza artificiale per il lean manufacturing 5.0. Miglioramento continuo grazie alla collaborazione uomo-macchina intermediata dall’Explainable AI (Xai). L’algoritmo supervisiona il funzionamento macchina, suggerisce eventuali possibili interventi e l’operatore può decidere se accettarli o rifiutarli. Con il progetto Xmanai, eXplainable MANufacturing Artificial Intelligence, coordinato da Txt e-tech del Gruppo Txt e finanziato dal programma europeo Horizon 2020 per complessivi 5,9 milioni di euro, nasce la collaborazione uomo-macchina in logica industry 5.0. Connessione con macchine e sistemi di fabbrica e uomo al centro del processo decisionale. Meno stress più produttività.

«L’Xai ha l’obiettivo di eliminare le scatole nere degli algoritmi di intelligenza artificiale, consentendo agli operatori di comprendere il processo decisionale. Una trasparenza informativa che risulta fondamentale per aumentare la fiducia nell’IA da parte di chi la deve utilizzare in ambienti manifatturieri, dove le decisioni automatizzate possono avere un impatto significativo sulla sicurezza e la produttività», afferma Michele Sesana, innovation manager di Txt Group. «Lo scopo è trasformare la catena del valore della produzione in una glass house, dove le informazioni generate dagli algoritmi siano spiegabili». Xmanai abilita quindi una modalità collaborativa “AI Based” fondata sulla trasparenza e la fiducia. «Da parte nostra è stata definita la piattaforma software as a service in cloud, quella su cui fare il training degli algoritmi, che include i tutti gli strumenti per sviluppare soluzioni basate sui dati da cui estrarre informazioni vitali per una produzione zero downtime», spiega Sesana. Il progetto nasce da un consorzio di 15 imprese di 8 diversi paesi.
Tra gli end user società del calibro di Cnh, Ford, Whirlpool e Unimetrik, i quattro possibili futuri utilizzatori finali della piattaforma che sono stati coinvolti nel progetto con casi di produzione reali. Cnh, leader nella progettazione e produzione di macchine agricole e Txt e-tech (società del Gruppo Txt), provider end-to-end di servizi di ingegneria e di soluzioni operational technology per il mondo manifatturiero, hanno sviluppato l’app manifatturiera per risolvere problemi di produzione in logica algoritmica, con l’obiettivo di ridurre i tempi di intervento e anticipare i possibili guasti. Il vantaggio che Xmanai porta a Cnh è un risparmio di circa il 30% del tempo dedicato alla risoluzione dei problemi. Nello specifico, la soluzione, applicata a una macchina a controllo numerico per la produzione degli assali dei trattori, ha posto l’attenzione sui fermi macchina e sulla programmazione della manutenzione, un problema comune a tantissime aziende manifatturiere. «Grazie al supporto dell’AI spiegabile, gli operatori sono in grado di diagnosticare gli errori della macchina e prevedere il fine vita dei componenti in modo da rifornire in tempo utile i pezzi a magazzino per effettuare tempestivamente gli interventi manutentivi e ottimizzare l’efficienza produttiva, riducendo tempi e costi associati ai fermi non pianificati», afferma , director of ergonomics & hmi di Cnh. La soluzione Xmanai si prevede possa essere estesa ad altre macchine dello stabilimento Cnh di Modena e l’intenzione è renderla ancora più potente grazie all’utilizzo della realtà aumentata. Ecco l’Explainable AI per il manifatturiero e le potenzialità e i vantaggi che possono derivare dal suo utilizzo a partire dall’esperienza acquisita nello sviluppo della soluzione realizzata da Txt E-Tech per Cnh.

Rendere trasparente il meccanismo di decision making dell’IA ​

L’intelligenza artificiale è una black box, soprattutto quando si ha che fare con algoritmi molto performanti basati su deep learning: non si ha la minima idea del perché venga suggerito un certo intervento. Prendere decisioni in contesti di fabbrica espone a rischi: se si sbaglia qualcosa e si causa un blocco della produzione il danno può arrivare a milioni di euro. In altre parole, non ci si può fidare ciecamente di una qualsiasi intelligenza artificiale per fare previsioni. «L’Xai è oggi un campo emergente che si pone l’obiettivo di comunicare all’operatore umano il processo decisionale dell’algoritmo, dice Sesana. L’assunto dell’IA è approssimativo e non è preciso al 100%. La collaborazione con la persona umana si rivela quindi fondamentale per anticipare e prevenire i problemi con precisione. L’operatore valuta i parametri macchina e, in base alla sua esperienza, decide cosa fare».

Use case Xmanai per Cnh. Come interfacciarsi facilmente con l’IA in ambienti di produzione​

Xmanai viene utilizzato in Cnh, società manifatturiera leader globale nella progettazione e produzione di macchine agricole e da costruzione con 43 impianti produttivi e 40 centri di ricerca e sviluppo presenti in tutto il mondo. I casi d’uso Xmanai si sono concentrati nello stabilimento di Modena, che produce componenti di trasmissione che equipaggiano tutti i trattori Cnh assemblati negli impianti di St. Valentin (Austria), Jesi (Italia) e Noida (India). «Il caso d’uso si è focalizzato sui tempi di inattività delle macchine, dovuti alla sostituzione di parti difettose o interventi manutentivi, che fermano la produzione per lunghi periodi di tempo, racconta Campanella. A volte, a causa del turnover lavorativo, gli operatori inesperti devono ripristinare la macchina senza la conoscenza o il supporto adeguato da parte di un operatore esperto. Quando la macchina si ferma, l’operatore deve escludere diverse parti della macchina per arrivare poi al componente difettoso. Procedure che comportano una notevole perdita di tempo. Con l’uso della piattaforma Xmanai, l’utente viene invece aiutato a risolvere la diagnosi dell’errore con i suggerimenti dell’IA, che si basano sui valori dei sensori che monitorano lo stato operativo.

Il secondo caso d’uso riguarda la manutenzione predittiva. L’operatore, grazie al supporto della piattaforma, riceve suggerimenti su quali componenti potrebbero raggiungere la fine della loro vita utile», afferma Campanella.

La soluzione utilizzata da Cnh riduce i tempi di intervento macchina fino al 70%​

Nello specifico, nello stabilimento di Modena di Cnh, Xmanai viene utilizzato in una macchina automatica a controllo numerico che produce pezzi dell’assale dei trattori. «Spesso la macchina si ferma, ed è complesso ricercare la causa primaria del guasto. In questi casi si può arrivare a guasti macchina critici e persino alla rottura di un pezzo, con la necessità di ricorre in emergenza a un fornitore esterno per l’assistenza», racconta Sara Cavallaro, specialist in ergonomics, Hmi, VR/AR di Cnh. «Abbiamo quindi preso i dati macchina, fase che si è protratta per un anno intero, e su questo dataset Txt E-Tech ha sviluppato il suo algoritmo di predittività, realizzando dashboard con grafici facilmente interpretabili». Risultato? L’operatore riesce a capire in modo più immediato il problema e la soluzione da adottare. «Una volta sviluppato l’algoritmo e la applicazione di manufacturing, è seguita una fase di training con gli operatori di manutenzione», aggiunge Cavallaro. «Dal tablet possono ora controllare i dati e accettare o rifiutare quello che viene suggerito dall’IA. Il feedback è assolutamente positivo: le informazioni sono di gran lunga più interpretabili rispetto a quelle disponibili a pannello macchina. All’inizio gli operatori erano molto scettici, ma in seguito all’utilizzo sul campo della applicazione di Xai hanno compreso il valore dei suggerimenti dell’algoritmo: li aiuta a capire cosa fare indicando la soluzione più opportuna. I tempi di ripristino macchina si sono ridotti drasticamente, in alcuni casi fino al 70%. E’ un miglioramento continuo, poiché l’algoritmo impara giorno per giorno. Hai fatto la scelta giusta? Bravo! Apprende dalle convalide e apprende dall’errore».

E, in un prossimo futuro, eXplainable AI con interfacce operatore in realtà aumenta
Xmanai fornisce informazioni a tutti i possibili problemi con capacità di analizzare i dati in base ai quali l’algoritmo suggerisce di andare ad operare in un certo modo piuttosto che un altro. «I grafici contengono tutta la “spiegabilità”. Nel momento in cui si ferma la macchina l’operatore ha visibilità sui guasti suggeriti dalla AI e sui dati dei sensori relativi ai componenti macchina che possono aver contribuito all’assunzione del guasto», dice Cavallaro. «Ad esempio più è lunga la barra del sensore che monitora un certo parametro, più è fondata l’assunzione che quella sia la componente su cui intervenire per ripristinare il funzionamento ottimale o agire in logica preventiva».

La matrice di correlazione che associa i dati dei sensori alle anomalie della macchina rende disponibili informazioni che possono servire per un monitoraggio on-site o da remoto. «Stiamo valutando se estendere la soluzione ad altre macchine, potenziando l’interazione uomo-macchina con strumenti di realtà aumentata», dice Cavallaro. L’obiettivo è avere disponibile la tecnologia più efficiente per supportare il personale che svolge operazioni di manutenzione. «Le soluzioni devono permettere di identificare rapidamente il componente che necessita di un intervento dando agli operatori la capacità di ripristinare la macchina in autonomia senza dover ricorrere a manutentori esterni, evitando così di arrivare a guasti critici che possono compromettere la produzione», spiega Campanella.

La logica con cui è stata sviluppata l’intelligenza artificiale spiegabile di Xmanai​

«Il machine learning è un algoritmo di apprendimento ma se non ci sono le occasioni per apprendere, dati i pochi momenti di breakdown della macchina, la correlazione dei dati che si acquisiscono è limitata, afferma Sesana. In una prima fase l’algoritmo va quindi addestrato sui dati storici per poi continuare il suo apprendimento con i dati acquisiti sul campo. La logica explainable – aggiunge Sesana – prevede l’identificazione dei fattori e delle variabili più influenti che hanno contribuito a una decisione, evidenziando quali input hanno avuto un impatto maggiore sui risultati. Questo permette agli utenti di comprendere quali variabili sono state considerate dal modello e come hanno influenzato le decisioni finali permettendo di aggiungere la propria esperienza e all’algoritmo di apprendere maggiormente. Tutto questo – conclude Sesana – aiuta gli utenti a capire quali sono le caratteristiche più rilevanti considerate dal modello e come contribuiscono alle sue previsioni».
 
Vista la malaparata sui mercati, probabile che anche qui qualcuno abbia scaricato.
Per chi fosse interessato, ne ho 100 pz in vendita a 26,00. :yes: Dai che sono già le quattro e un quarto...
e c'ho bisogno di grana :asd:
 
Devi accedere o registrarti per poter rispondere.
Indietro