La metrologia incontra il digitale e l’AI

Il futuro delle misurazioni di precisione vedrà sempre più spesso la convergenza tra discipline diverse. L’INRiM è pronto per affrontare le sfide

Negli ultimi anni l’applicazione dell’intelligenza artificiale (AI) ha aperto nuovi orizzonti nei settori della metrologia, contribuendo significativamente agli ambiti dello spazio, della medicina e dell’informazione quantistica. Questa convergenza tra AI e metrologia, insieme alla crescente digitalizzazione, sta delineando il futuro delle misurazioni di precisione, delle reti di sensori e più in generale dei processi scientifici avanzati. 

Coerentemente al documento di visione dell’INRiM, Metrology towards 2030 , l’istituto è impegnato attivamente nella realizzazione del concetto di Industria 4.0. A tal fine le attività sono orientate allo sviluppo di strumenti metrologici in grado di gestire grandi quantità di dati oltre quello, primario, di garantire il massimo grado di fiducia nelle decisioni prese dall’intelligenza artificiale.

Di seguito presentiamo  lo stato dell’arte attuale e gli obiettivi futuri delle attività in ambito AI e digitalizzazione coordinate dall’Istituto Nazionale di Ricerca Metrologica. In particolare, ci occuperemo di  digitalizzazione dei servizi metrologici e dei certificati di taratura, delle attività di INRim presenti e future in ambito AI e di Infrastruttura per la Qualità. Si tratta di temi per i quali l’Istituto ha presentato i propri contributi all’interno dell’evento Automation & Testing, A&T 2024.

La digitalizzazione dei servizi metrologici e dei certificati di taratura 

Digitalizzazione in EURAMET: focus su Digital Calibration Certificate (DCC)

di Luigi Iacomini

La trasformazione digitale impatta anche sulla metrologia e sui relativi servizi. Tra i cambiamenti attesi vi è lo sviluppo dei certificati di taratura digitali (Digital Calibration Certificate – DCC) “paperless”, immediatamente disponibili per i clienti, meno soggetti a errori umani ed integrabili nei sistemi LIMS (Laboratory Information Management System) già esistenti. I DCC potranno essere la base per produrre quasi automaticamente certificati di misura. Attraverso loro si potrà ottenere una qualificazione automatica dei dati e ricostruire la catena di riferibilità fino al SI (International System of Units). Essendo “machine readable” potranno fungere da stimolo per la creazione di una nuova classe di strumenti aventi la capacità di acquisire direttamente dal DCC i fattori di correzione conseguenti alla taratura, oltre a dare un impulso alla crescita dei “digital twins” sia degli strumenti che degli impianti industriali.

EURAMET, l’associazione degli istituti metrologici nazionali (NMI) europei, ha avviato il progetto n. 1448 “Development of digital calibration certificates” per favorire lo sviluppo e l’armonizzazione dei DCC a livello degli NMI. Vi sono molteplici iniziative che contribuiscono allo scopo, sperimentando possibili infrastrutture, valutando la struttura e il codice più adeguato (si va affermando il formato .xml, eventualmente incorporato in un file .pdf) ed identificando i requisiti minimi che devono possedere. Le infrastrutture della qualità nazionali sono pronte per lavorare con i DCC? È necessario che i DCC emessi dagli NMI siano accettati dagli enti di accreditamento nazionali e i laboratori accreditati siano ben informati e in grado di gestirli. In questa direzione vanno le iniziative congiunte di INRiM ed ACCREDIA per la loro promozione sul territorio nazionale.

Il progetto europeo “Metrologia per la fabbrica del futuro”

di Denis Smorgon

All’interno del progetto europeo EMPIR “Metrology for the factory of the future” (Met4FoF) l’INRIM ha sviluppato, in collaborazione con il partner industriale SPEA S.p.A., azienda produttrice di Automated Test Equipment (ATE), una piattaforma metrologica per la taratura “in process” di sensori MEMS (Micro-Electro-Mechanical System) per la misura della temperatura, assicurando così la riferibilità delle misure.
L’implementazione di tale concetto lo rende estendibile ad altri parametri ambientali. In molti ambienti industriali, in cui i dispositivi legati al paradigma Industrial IoT (IIoT – Industrial Internet of Things) sono molto diffusi, si impiegano sensori MEMS in virtù della loro flessibilità e del costo ridotto.
Prima del progetto Met4FoF, non era disponibile in ambito industriale una piattaforma metrologica capace di garantire la riferibilità delle misure dei dispositivi MEMS oggetto di test nei sistemi ATE. INRiM e SPEA S.p.A. hanno sviluppato e realizzato un’apparecchiatura di riferimento installata a bordo dei sistemi ATE, formata da una rete di 64 sensori digitali di temperatura in tecnologia a circuito integrato, con specifiche adeguate per i test in temperatura dei dispositivi in tecnologia MEMS, in grado di misurare in modo riferibile le condizioni applicate nel corso del processo di prova.
Inoltre, l’INRiM ha inoltre realizzato nei suoi laboratori l’infrastruttura metrologica per la taratura delle reti di sensori di riferimento capace di massimizzare l’uniformità di temperatura nello spazio tridimensionale di test per mezzo di un dispositivo equalizzatore, riducendo così il maggior contributo di incertezza di misura, ovvero l’uniformità di temperatura nel volume di prova. Per rendere tali apparecchiature integrabili nei processi industriali con gli ATE, è stato sviluppato un sistema automatico di taratura per la rete di sensori digitali di riferimento e, grazie alla collaborazione con il progetto europeo, EURAMET EMPIR “Communication and validation of smart data in IoT-networks” (SmartCom), a partire dai dati di taratura dei sensori digitali di temperatura, l’INRiM ha emesso il suo primo certificato di taratura digitale (DCC). 

Presente e futuro delle attività INRiM in ambito AI

Machine Learning per il rilevamento di anomalie su orologi atomici in Sistemi di Navigazione Satellitare

di Ilaria Sesia

La metrologia del tempo per applicazioni satellitari potrebbe beneficiare dall’adozione di tecniche avanzate di Intelligenza Artificiale e Machine Learning (ML). Il rilevamento di anomalie negli orologi atomici spaziali è cruciale per garantire le funzioni principali dei sistemi di navigazione satellitare. Gli orologi sono infatti il cuore di tali sistemi, poiché consentono di determinare la posizione dell’utente mediante la misurazione del tempo di volo dei segnali satellitari. Un errore di tempo equivale quindi a un errore nella localizzazione, dove un milionesimo di secondo può tradursi in un errore di 300 metri. Identificare potenziali deviazioni negli orologi atomici diventa quindi fondamentale per il corretto funzionamento del sistema.

Attualmente lINRiM utilizza tecniche tradizionali per la detection, ma abbiamo recentemente iniziato a esplorare l’applicazione AI e ML per il rilevamento di anomalie nelle serie temporali di orologi atomici satellitari. L’AI e il ML presentano notevoli vantaggi nell’analisi di grandi volumi di dati, perché consentono l’identificazione automatica di pattern complessi e la correlazione dei dati con variabili cruciali come ad esempio temperatura e radiazioni solari. L’automazione di questi processi non solo migliora l’efficienza, ma permette anche di individuare anomalie che potrebbero sfuggire ai metodi tradizionali. In sintesi, l’esplorazione di AI e ML rappresenta un passo avanti cruciale per le detection di anomalie negli orologi atomici, dato che contribuisce  a garantire la continuità e l’affidabilità dei sistemi di navigazione satellitare attraverso un’analisi avanzata delle prestazioni degli orologi spaziali.

Applicazione sinergica di AI e metrologia nella diagnostica per immagini

di Alessandra Manzin

Il notevole incremento dei dati in ambito medico e il progresso nelle tecnologie digitali ha spinto la ricerca scientifica verso lo sviluppo di nuovi strumenti diagnostici e predittivi basati sull’AI.
Tuttavia, l’adozione di tali soluzioni in ambito clinico rimane a tutt’oggi limitata, a causa della ridotta qualità dei dati e della scarsa interoperabilità. Ma anche a causa dell’assenza di procedure di validazione, della mancanza di strategie di adozione e linee guida armonizzate, e del livello di sfiducia verso l’applicazione dell’AI in campo medico.
In tale complesso scenario, si inserisce il progetto di ricerca EURAMET MAIBAI “Developing a Metrological framework for Assessment of Image-Based Artificial Intelligence systems for disease detection”, finanziato nell’ambito del partenariato europeo per la metrologia. Il progetto, coordinato dall’INRiM e partito a settembre 2023, mira a sviluppare una metodologia standardizzata e generale, per valutare l’affidabilità, la robustezza e l’imparzialità dell’AI nella diagnostica per immagini, garantendone allo stesso tempo la spiegabilità e l’interpretabilità. MAIBAI si prefigge di raggiungere tali obiettivi con un approccio basato sulla generazione, tramite modelli in silico, di dati sintetici che fungano da “ground-truth” per la validazione metrologica dell’AI nell’analisi di immagini mediche e nella rilevazione di patologie. Focalizzandosi sullo screening mammografico, i modelli predittivi verranno testati su un ampio database di immagini radiografiche, al fine di individuare le strategie ottimali per la traslazione dell’AI in campo clinico.

Serie temporali e AI per l’Internet of Underwater Things

di Gianfranco Durin

Un’altra interessante applicazione del ML e dell’AI che riguarda le serie temporali è quella dell’analisi e la previsione del contenuto di ossigeno disciolto nell’acqua di mare e più in generale del monitoraggio ambientale. Questo progetto, è nato da una collaborazione con l’ENEA di Lerici.
Si compone di una serie di sensori in acqua a basso costo per la cosiddetta Internet of Underwater Things (IoUT).
Che al contrario della Internet of Things “terrestre”, soffre maggiormente di problemi di trasmissione del segnale e di mancanze di alimentazione.
Nello specifico vengono monitorati in continuo (ogni mezz’ora) i valori dell’ossigeno disciolto insieme a molti altri parametri fisici e ambientali, come temperatura dell’acqua e dell’aria, conducibilità, radiazione solare per citare i principali. Il ML, e in particolare i metodi basati sui Decision Trees, permettono di ricostruire i dati mancanti, di valutare anomalie non prevedibili dovuti a letture imprecise, problemi tecnici e anche stimare effetti biologici presenti dovuti all’accumularsi di incrostazioni sui sensori che alternano il segnale di ossigeno. Dopo aver acquisito due anni di dati si è riusciti a ottenere un modello affidabile che correla l’ossigeno alla temperatura dell’acqua e alla sua conducibilità. Inoltre è stato possibile applicare metodi di Deep Learning specifici per le serie temporali (come il popolare Long Short-Term Memory) per ottenere predizioni dell’andamento dell’ossigeno anche a diversi giorni di distanza, utile per monitoraggio ambientale e la previsione di eventuali anomalie.

Metrologia per le tecnologie quantistiche

 di Ivo Pietro Degiovanni

Sin dalle origini della meccanica quantistica l’Europa ha contribuito profondamente al modo in cui comprendiamo l’universo. Quello che per molti anni è rimasto un impegno accademico, negli ultimi decenni è diventato sviluppo di prodotti e applicazioni grazie ai miglioramenti nel controllo dei sistemi fisici a livello quantistico. Nello specifico l’ingegnerizzazione di singoli sistemi fisici quantistici (atomi, fotoni, elettroni, ecc.), detti anche qubit (bit quantistici), sviluppa tutta una nuova serie di applicazioni nel contesto digitale:

• il Quantum Computing che trasformerà non solo il settore della computazione, ma avrà impatto su tutte le tecnologie, dalla sicurezza delle comunicazioni alle tecnologie chimico-farmaceutiche.
• La Comunicazione Quantistica, che aumenterà la sicurezza della trasmissione e dell’archiviazione dei dati.

La ricerca sulle tecnologie quantistiche in Europa è supportata dall’iniziativa Quantum Flagship, ora integrata da altri programmi “quantum” paralleli che hanno portato il totale degli investimenti europei a diversi miliardi di euro. Le aziende “quantum” mirano a creare “supply-chain” per le tecnologie quantistiche con innovazione in materiali, apparecchiature, strumenti prodotti e soluzioni quantistiche. L’INRiM, con le sue attrezzature e competenze uniche, banchi di prova, e test bed mira a supportare l’industria europea nella realizzazione e nell’immissione sul mercato dei prodotti “quantum” contribuendo alla creazione di “supply-chain” affidabili.

L’Infrastruttura per la Qualità

di Claudio Vito Fernicola

L’Infrastruttura per la Qualità (IQ) è il sistema che comprende le organizzazioni, il quadro legislativo, i regolamenti tecnici e le attività necessari a supportare e migliorare:

• la qualità di prodotti e servizi nel senso più ampio del termine, comprendente aspetti come la sicurezza, la tutela della salute e dell’ambiente;
• l’efficacia e l’efficienza dei processi e dei sistemi di gestione delle organizzazioni;
• la qualità delle competenze e l’affidabilità delle prestazioni di specialisti e professionisti.

Le componenti della IQ sono la metrologia, la normazione, l’accreditamento e la valutazione della conformità, tutte attività svolte in Italia da organizzazioni specializzate secondo un sistema che è presente anche a livello internazionale. A queste componenti si affianca la vigilanza del mercato, attività svolta da autorità pubbliche e finalizzata a garantire il rispetto dei requisiti di legge da parte di tutti gli operatori economici.

In un’epoca come quella attuale in cui sono richieste capacità e velocità di decisione sempre più rapide, anche e soprattutto legate alle nuove applicazioni che sfruttano le potenzialità del ML e dell’AI, gli strumenti e servizi forniti dall’Infrastruttura per la Qualità sono:

• essenziali, per il corretto funzionamento del mercato, il rispetto delle persone, la tutela della salute e dell’ambiente e la garanzia di scelte informate dei cittadini sulla natura e sulle caratteristiche di prodotti e servizi;
• indispensabili, per l’accesso e l’integrazione nel mercato europeo e internazionale, per dimostrare la conformità di prodotti e servizi con i requisiti richiesti da autorità pubbliche, imprese e consumatori coinvolti nelle catene del valore;
• fondamentali, per sostenere e promuovere l’efficienza delle imprese e dei mercati, supportando la diffusione di tecnologie e buone pratiche, anche in campo digitale.