esoscheletro

Esoscheletro a supporto dei lavori pesanti

Scritto da gaetano on . Postato in Articoli, News, Pillole di IA

Una nota catena di supermercati sperimenta un esoscheletro per i suoi magazzinieri.

 

La catena di supermercati sarà il banco di prova di una soluzione robotica indossabile sviluppata da Comau e dalla startup Iuvo e pensata per chi lavora nella logistica.

Un esoscheletro per migliorare l’ergonomia e ridurre gli infortuni di chi carica e scarica le merci. Comau, società del gruppo Stellantis e Iuvo, stanno sviluppando una soluzione robotica indossabile per i lavoratori del gruppo Esselunga, la catena più redditizia dei supermercati italiani.

L’obiettivo è ovviamente migliorare il benessere degli operatori, riducendo il senso di affaticamento della zona lombare nel lavoro di movimentazione manuale dei carichi.

L’azione dell’esoscheletro sosterrà i muscoli della schiena creando così benefici a breve e lungo termine grazie a una significativa riduzione dello sforzo fisico e della sensazione di fatica percepiti.

Comau sta ingegnerizzando il nuovo esoscheletro per il supporto lombare a partire da modelli già svelati anni fa.

Poi il team di progettisti specializzati di Iuvo (società spin-off della prestigiosa università Scuola Superiore Sant’Anna di Pisa, di cui Comau detiene come detto una quota di maggioranza) si occuperà dell’elaborazione e dello sviluppo del progetto, oltre che del collaudo della tecnologia di robotica indossabile.

Esselunga entrerà in campo nella validazione del dispositivo ma sarà coinvolta fin dall’inizio grazie alla collaborazione di proprie risorse.

La diffusione degli esoscheletri è in espansione da tempo.

Una diffusione legata, fra gli altri fattori, anche all’invecchiamento della forza lavoro. Un aspetto che apre ovviamente altri spunti di riflessione sull’opportunità di lasciar lavorare più a lungo persone più anziane in certe mansioni, magari con un alleggerimento della legislazione sugli infortuni.

Ci sarà insomma da discutere sull’impiego sempre più diffuso di questi strumenti: devono servire prima alla sicurezza e poi, semmai, a spingere l’aumento della produzione. Rimane anche molto da indagare sugli effetti a lungo termine di indossare questo genere di strumentazioni, ancora sconosciute per la stragrande maggioranza dei lavoratori.

Insomma, gli esoscheletri iniziano a togliersi di dosso quell’alone di futuribilità, non solo in ambito industriale ma anche militare, biomedico e riabilitativo.

Edilizia, agricoltura, manifattura, automotive compaiono fra i settori più ricettivi all’impiego. Si parla in molti casi, come in quello di Mate-XS, di esoscheletri passivi, che cioè sfruttano materiali e design senza fornire propulsione o energia in modo diretto: più che un’integrazione uomo-robot, insomma, un sofisticato sostegno meccanico privo di batterie o altre alimentazioni.

Una nota catena di supermercati sperimenta un esoscheletro per i suoi magazzinieri.

 

La catena di supermercati sarà il banco di prova di una soluzione robotica indossabile sviluppata da Comau e dalla startup Iuvo e pensata per chi lavora nella logistica.

 

 Un esoscheletro per migliorare l’ergonomia e ridurre gli infortuni di chi carica e scarica le merci. Comau, società del gruppo Stellantis e Iuvo, stanno sviluppando una soluzione robotica indossabile per i lavoratori del gruppo Esselunga, la catena più redditizia dei supermercati italiani.

L’obiettivo è ovviamente migliorare il benessere degli operatori, riducendo il senso di affaticamento della zona lombare nel lavoro di movimentazione manuale dei carichi.

L’azione dell’esoscheletro sosterrà i muscoli della schiena creando così benefici a breve e lungo termine grazie a una significativa riduzione dello sforzo fisico e della sensazione di fatica percepiti.

Comau sta ingegnerizzando il nuovo esoscheletro per il supporto lombare a partire da modelli già svelati anni fa.

Poi il team di progettisti specializzati di Iuvo (società spin-off della prestigiosa università Scuola Superiore Sant’Anna di Pisa, di cui Comau detiene come detto una quota di maggioranza) si occuperà dell’elaborazione e dello sviluppo del progetto, oltre che del collaudo della tecnologia di robotica indossabile.

Esselunga entrerà in campo nella validazione del dispositivo ma sarà coinvolta fin dall’inizio grazie alla collaborazione di proprie risorse.

La diffusione degli esoscheletri è in espansione da tempo.

Una diffusione legata, fra gli altri fattori, anche all’invecchiamento della forza lavoro. Un aspetto che apre ovviamente altri spunti di riflessione sull’opportunità di lasciar lavorare più a lungo persone più anziane in certe mansioni, magari con un alleggerimento della legislazione sugli infortuni.

Ci sarà insomma da discutere sull’impiego sempre più diffuso di questi strumenti: devono servire prima alla sicurezza e poi, semmai, a spingere l’aumento della produzione. Rimane anche molto da indagare sugli effetti a lungo termine di indossare questo genere di strumentazioni, ancora sconosciute per la stragrande maggioranza dei lavoratori.

Insomma, gli esoscheletri iniziano a togliersi di dosso quell’alone di futuribilità, non solo in ambito industriale ma anche militare, biomedico e riabilitativo.

Edilizia, agricoltura, manifattura, automotive compaiono fra i settori più ricettivi all’impiego. Si parla in molti casi, come in quello di Mate-XS, di esoscheletri passivi, che cioè sfruttano materiali e design senza fornire propulsione o energia in modo diretto: più che un’integrazione uomo-robot, insomma, un sofisticato sostegno meccanico privo di batterie o altre alimentazioni.

IL MATEMATICO CHE CAMBIO’ LA SORTE DEGLI EBREI E NON SOLO…

Scritto da gaetano on . Postato in Pillole di IA

Alan Turing padre dell’Intelligenza Artificiale che salvò milioni di ebrei grazie alla sua macchina codificatrice!

I nazisti, durante la Seconda Guerra Mondiale, per scambiarsi informazioni e per coordinare le operazioni militari, al fine di garantire sicurezza nelle comunicazioni, utilizzavano “ENIGMA”: dispositivo capace di creare e decriptare messaggi cifrati.

  Decifrare i codici codificati della macchina Enigma era una missione ritenuta impossibile da chiunque, in particolare dalle autorità britanniche, in quanto si trattava di un dispositivo estremamente complesso, che presentava un’enorme quantità di possibili chiavi di codificazione dei messaggi.

 I tedeschi cambiavano la chiave di codificazione ogni 24 ore, allo scoccare della mezzanotte di ogni giorno.

Nel pieno della seconda guerra mondiale, il brillante matematico Alan Turing decide di mettere le proprie capacità al servizio del governo del suo Paese, la Gran Bretagna.

L’obiettivo era far terminare il conflitto quanto prima, collaborando all’operazione, ad alto livello di segretezza. Turing decise però che era giunto il momento di cambiare metodo: non più agire in difesa tentando di capire giorno per giorno quale sia la chiave usata al momento nei codici, ma giocare al contrattacco e realizzare una macchina che decifri automaticamente ogni singolo messaggio.

 Alan selezionò quindi tra i migliori candidati coloro che dovranno accompagnarlo nell’impresa di costruire la macchina elaboratrice che renda comprensibili i messaggi nemici.

 Progettò una macchina chiamata Colossus (lontana antesignana dei computer) che decifrava in modo veloce ed efficiente i codici tedeschi creati.

La novità di questa teoria, è che si dimostrava che una macchina poteva essere codificata come un numero e viceversa, introducendo il concetto di ciò che oggi chiameremmo software.

Dopo questa occasione che gli cambiò la vita, lui divenne membro del “Walton Athletic Club” e vinse alcune gare di corsa sulle tre e sulle dieci miglia. Raggiunse inoltre ottimi livelli nella maratona, correndo con un record personale di 2 ore 46 minuti e 11 secondi.

Nel 1950, sulla rivista Mind scrisse un articolo dal titolo “Computing machinery and intelligence” in cui descriveva quello che sarebbe divenuto noto come il test di Turing: era convinto che si potesse raggiungere un’intelligenza artificiale solo seguendo gli schemi del cervello umano.

Su questo articolo si basa buona parte dei successivi studi sull’intelligenza artificiale.

 

altre fonti : https://www.stoplusjednicka.cz/

Intelligenza Artificiale nei Call center e contact center

Scritto da gaetano on . Postato in Articoli, Auto risponditore - IVR, Callcenter, Centralini IP/PBX, News, Pillole di IA, Telefonia, Uncategorized

Un contact center dispone di una grande quantità di preziosi dati sui clienti, che i supervisori e i responsabili del controllo qualità possono utilizzare per comprendere facilmente il sentiment, le tendenze e i rischi di conformità delle conversazioni con i clienti.

Queste informazioni consentono alle aziende di formare efficacemente gli operatori telefonici, replicare interazioni di successo e identificare importanti feedback dei clienti.

Detto questo, molte aziende trovano difficile rilevare rapidamente i problemi relativi all’esperienza del cliente.
Fornire feedback agli agenti e ai supervisori del servizio clienti diventa difficile a causa della velocità e della precisione necessarie per analizzare le informazioni pertinenti da enormi quantitativi di dati.

Grazie alla nostra soluzione di Artificial Intelligence “Sentiment Analysis Customer Calls” si risolvono queste sfide fornendo un’esperienza di analisi pronta all’uso.

La nostra soluzione rileva inoltre i problemi dei clienti, le interruzioni e i tempi di inattività e classifica le conversazioni dei clienti in base ai criteri specificati.

Tutto questo e molto altro nelle nostre soluzioni customizzate ed integrate con Vicidial e GoAutodial.

Per maggiori informazioni non esitare a contattarci.

Puoi scriverci cliccando sul pulsante in basso a destra “Assistenza” oppure
compilando il form qui

Intelligenza Artificiale – Deep Blue

Scritto da gaetano on . Postato in Articoli, News, Pillole di IA

L’intelligenza Artificiale è senza dubbio uno dei settori legati all’informatico più in fermento e carichi di aspettative degli ultimi anni. Quello che si cerca di sviluppare è una replica delle principali funzioni cognitive associate alla mente umana, come ad esempio:

  1. Learning: raccolta di informazioni e messa a punti di parametri per usare queste informazioni
  2. Reasoning: uso di regole per raggiungere conclusioni più o meno definite
  3. Problem Solving: ovvero provare ad analizzare un problema per estrapolare da esso una soluzione

Uno degli esempi più noti di intelligenza artificiale è quella del 1997 ovvero Deep Blue dell’IBM che riuscì a battere Garry Kasparov. Il gioco in questione è quello degli scacchi inizialmente si disputo una partita l’anno precedente, nel 1996 in quell’anno però Kasparov riuscì a vincere contro l’intelligenza artificiale con un risultato di 4 a 2, un anno dopo l’intelligenza artificiale si aggiudico il match con il risultato di 3.5 a 2.5.

Il progetto originale si chiamava ChipTest realizzato nel 1985 che era semplicemente un computer ideato per giocare a scacchi, dopo di esso venne realizzato un secondo computer ovvero Deep Thought il nome è tratto da un film chiamato guida galattica per gli autostoppisti.

Hsu e Murray Campbell vennero assunti dall’IBM Research nel 1989, con l’incarico di portare avanti il progetto che porto di conseguenza alla nascita di Deep Blue.

La caratteristica che ha portato Deep Blue alla vittoria era proprio la sua straordinaria potenza computazionale ovvero:

  • Computer a parallelismo massivo a 30 nodi basato su RS/6000 (RISC System)
  • 480 processori specifici VLSI
  • Algoritmo per il gioco degli scacchi è scritto in un linguaggio C
  • Sistema Operativo AIX

Grazie a queste specifiche è in grado di calcolare 200 milioni di posizioni al secondo.

Inizialmente è stato scritto seguendo le caratteristiche del gioco ma successivamente sono state modificate utilizzando le specifiche ottimali definite dalle partite di differenti top player.

Le mosse però venivano sempre compiute da un essere umano di conseguenza Kasparov sospettava che alcune delle mosse definite venivano selezionate dall’uomo, una delle motivazioni era proprio quella che la macchina non si trovava nella stessa stanza nella quale si disputava la partita ma a chilometri di distanza, ma soprattutto il sospetto principale fu quello che non vennero mai forniti i tabulati sull’attività del computer che il giocatore Kasparov aveva richiesto in accordo alla sfida.

Il campione russo tempo dopo chiese la rivincita, ma l’IBM rifiutò e ritirò Deep Blue. Infatti Kasparov vide giusto, le regole permettevano ai creatori di modificare e aggiornare durante i vari match la conoscenza della macchina e che quindi veniva sempre di più allineato allo stile di gioco di Kasparov, permettendogli di evitare trappole o mosse che portavano l’intelligenza artificiale in errore. Da tutto l’accaduto venne realizzato un nuovo gioco chiamato Arimaa che rende impossibile realizzare un calcolatore che possa vincere a questo gioco.

Deep Blue è solo una delle intelligenze artificiali di cui abbiamo parlato ma ne esistono molte altre come ad esempio AlphaGo realizzata per vincere al gioco da tavolo go, considerato fino a pochi anni fa fuori dalla portata delle tecniche di apprendimento automoatico.

Attualmente infatti sono molto pochi i giochi in cui il campione mondiale non è una macchina.

Potremmo di conseguenza generalizzare il tutto definendo il concetto inventato da John Nash nel 1994 ovvero la teoria dei giochi la frase iconica:

il risultato migliore per un gruppo si ottiene non quando “ognuno agisce solo in base a ciò che è meglio per sé”, bensì quando “ogni membro del gruppo agisce in base a ciò che è meglio per se stesso e per il gruppo”. Una formula che si può applicare benissimo anche al mercato.

I “giochi” di cui stiamo parlando non sono ciò che comunemente intendiamo (per intenderci carte, dadi, giochi di ruolo etc.). Il “gioco” nella Game Theory è sinonimo di “interazione” fra soggetti (siano essi individui, aziende, Stati, etc.) in cui le decisioni di ogni “giocatore” influenzano le decisioni di tutti gli altri. L’obiettivo finale della Game Theory è quello di analizzare tali interazioni fra giocatori per trovare una “soluzione del gioco”, che va intesa come la combinazione di decisioni prese dai giocatori che portano a una situazione di equilibrio (detto “equilibrio di Nash”, come vedremo in seguito) in cui nessuno dei giocatori è incentivato a modificare la propria situazione.

Diciamo quindi di conseguenza che è possibile analizzare situazioni molto comuni nelle aziende, riuscendo non solo a comprendere dinamiche all’apparenza inspiegabili in diversi contesti, ma anche a trovare soluzioni “non convenzionali” a problemi all’apparenza insolubili.

Big Data ed intelligenza artificiale

Scritto da gaetano on . Postato in Articoli, Big Data Appliance, News, Pillole di IA


Che cos’è il BigData?
Il termine utilizzato per descrivere un grande volume di dati, strutturati e non strutturati, che inonda l’azienda ogni giorno.
Ma non è la quantità di dati ad essere importante: ciò che conta veramente è quello che l’azienda fa con i dati.
I big data, per contare qualcosa, devono essere analizzati alla ricerca di informazioni di valore che portino a decisioni aziendali migliori e a mosse strategiche di business.
Definiamo i big data sulla base di 3V ovvero:

  1. Volume: Equivale alla quantità dei big data, sia che essi siano stati generati dagli utenti sia che, in maniera automatica, da macchine. Big data come transazioni bancarie e movimenti sui mercati finanziari assumono naturalmente valori mastodontici che non possono in alcun modo essere gestiti con i tradizionali strumenti database. Possiamo ricondurre il volume dei dati generati da una azienda all’ordine di grandezza di terabyte o petabyte.
  2. Velocità: con la crescita dell’Internet delle Cose, i flussi di dati verso le imprese devono essere gestiti in modo tempestivo e a una velocità senza precedenti. Tag RFID, sensori e contatori intelligenti hanno portato la necessità di gestire questi fiumi di dati in tempo quasi reale.
  3. Varietà: E’ la seconda caratteristica dei big data, e riguarda la diversità dei formati e, spesso, l’assenza di una struttura rappresentabile attraverso una tabella in un database relazionale. La varietà dei big data è dovuta anche alla loro mancata strutturazione: tra essi sono infatti inclusi anche documenti di vario genere (txt, csv, PDF, Word, Excel, ecc.), blog post, commenti sui social network o sulle piattaforme di microblogging come Twitter.
    I big data sono vari anche nelle fonti: alcuni sono generati automaticamente da macchine, come i dati provenienti da sensori o i log di accesso a un sito web o quelli del traffico su un router, altri sono generati dagli utenti del web.

Essi sono molto importanti grazie alle loro caratteristiche ed al loro possibile utilizzo.
Attraverso l’analisi di questo grande flusso dati ci consente di:

  1. Ridurre Costi
  2. Ridurre le tempistiche
  3. Di ottimizzare le offerte
  4. Prendere decisioni con tempi minori
  5. Ottimizzare le offerte

Prima che le aziende possano utilizzare i big data, bisogna effettuare 5 fasi

  1. Impostare una strategia basata sui big data
  2. Conoscere le fonti dei big data aziendali
  3. Gestire e memorizzare i big data
  4. Analizzare i big data
  5. Prendere decisioni migliori e Guidate dai dati

Avremo in modo preliminare una fase detta anche SAS Data Preparation ovvero preparare i big data all’analisi significa prima di tutto accedervi, profilarli, ripulirli e trasformarli.
Un compito non semplice data la loro natura in continua evoluzione. A causa della varietà delle fonti di big data, delle loro dimensioni e mutabilità, la preparazione dei dati può richiedere molto tempo.
La data preparazione di SAS semplifica il compito e permette di preparare i dati anche senza avere conoscenze di programmazione, competenze specialistiche o dover dipendere dall’IT.

Le nuove caratteristiche dei Dati forniscono una visione più completa dell’utente che utilizza i propri prodotti offerti e di conseguenza permette di generare delle personalizzazioni specifiche per l’utente che ha davanti e utilizza tali informazioni con funzionalità di marketing predittivo, fornendo agli operatori di marketing più informazioni in modo da creare una strategia d’azione al fine di incrementare il proprio business.

Se nella tua azienda si raccolgono grandi quantità di dati, contattaci per ricevere una consulenza gratuita su come questi possano divenire una risorsa proficua per il tuo business.

Google+