La Metrologia ha subito molte rivoluzioni dalla sua nascita. Infatti è sempre esistita, per esigenze legate ai viaggi, al commercio ma anche, e forse soprattutto, alla curiosità dei nostri antenati per i fenomeni naturali che osservavano.

Per tutti questi motivi, tutte le civiltà hanno “fatto” metrologia, ma in modo scoordinato fino a quando non è intervenuta la prima rivoluzione, in concomitanza con la rivoluzione francese. Fu infatti l’Assemblea Costituente a lanciare e portare avanti l’idea di concepire un sistema di unità universali, che resiste ancora oggi. E poiché è consuetudine dare nomi ai grandi momenti della nostra storia, questa rivoluzione potrebbe prendere quello di “Illuminante”.

Figura 1 – le misurazioni nel tempo

È proprio grazie a essa che le scienze hanno potuto svilupparsi, per raggiungere l’attuale livello di comprensione generale del mondo. Dall’inizio del XIX secolo, la Metrologia ha subito una nuova rivoluzione: la Metrologia Legale, che ha compiuto a perfezione, come dimostra la storia, la missione per la quale è stata concepita, cioè garantire il commercio equo. È attiva ancor oggi, per la gioia dei consumatori, che non tendono più a dubitare dei valori misurati durante i loro acquisti; a differenza dei loro antenati, che nel 1789 pretendevano “un peso e una misura”. In tutto ciò, come parte di una fiducia data a misure che stabiliscono il costo di una transazione commerciale, questa rivoluzione merita il nome di “Benevola”. La terza rivoluzione nasce alla fine del XX secolo, con l’avvento delle certificazioni di “Qualità”, tipo ISO 9001. Ci si può comunque rammaricare per essa che sia stata troppo ispirata dalla sua antenata, che aveva lavorato così bene. Sfortunatamente ne ha copiato i dettagli, in particolare le sue verifiche a date fisse degli strumenti (e le loro etichette verdi!).

Figura 2 – Service de la vérification des poids et mesures

Limitandosi agli strumenti di misura, questa Metrologia del XX secolo ha in un certo senso mancato il punto. Una misurazione è il risultato di un processo complesso, che coinvolge uno strumento, ovviamente, ma anche molti altri fattori imperfetti, come l’ambiente, l’operatore o il metodo. Tutte queste imperfezioni si combinano per formare l’incertezza di misura. Ma i nostri contemporanei, troppo abituati alla comodità della Metrologia Legale, che ha fatto dimenticare loro che le misure non potevano essere perfette, considerano, nella loro vita quotidiana come in quella professionale, le misurazioni esatte. Per aggirare, spesso empiricamente, questo errore di valutazione, i requisiti funzionali sono stati ridotti in uno spirito di “chi può fare di più, può fare di meno” (o in quello del “caso peggiore”), spirito che porta a un consumo eccessivo, divenuto inammissibile non appena ci si rende conto, finalmente, che le nostre risorse non sono infinite… In questo senso, questa rivoluzione è una rivoluzione fallita. Avrebbe dovuto farci muovere verso un bel traguardo del “giusto necessario”, se avessimo rispettato il requisito iniziale: “Le incertezze di misura sono note e compatibili con la capacità di misura richiesta”. L’uso, anche le difficoltà, ci hanno invece rinchiuso in una routine insopportabile di calendari e adesivi verdi o rossi. Come tale, merita quindi il nome di rivoluzione “Pietosa”…

Figura 3 – Evoluzione della ISO 9001

Con quella che ora viene chiamata la 4a rivoluzione industriale (rivoluzione che ha portato al nome “Industria 4.0” o “Industria del Futuro”), anche la Metrologia conoscerà la sua quarta rivoluzione, l’“Efficiente”. Le nuove tecnologie, infatti, totalmente dirompenti nel modo di utilizzare i dati, e quindi le misurazioni, impongono una qualità di molto superiore alla precedente “(pseudo) qualità” che era, in un certo senso, “coperta” da eccessivi requisiti. I pionieri dei Big Data, fondamento dell’Intelligenza Artificiale, hanno capito che i dati possono diventare il petrolio del 21° secolo, a patto che siano di varietà diverse, in grandi volumi, che i calcoli procedano velocemente (velocità) e, soprattutto, che i dati siano affidabili (verità). In questo nuovo mondo, le incertezze insite in ogni misurazione non devono semplicemente essere conosciute. Devono essere ottimizzate (correzione se necessario, controllo delle dispersioni e monitoraggio permanente di derive e/o incidenti sempre possibili) e utilizzate, se necessario, per migliorare la qualità di una misura.

Figura 4 – Le rivoluzioni della metrologia

La statistica è uno strumento con risorse favolose. È la base per la valutazione delle incertezze di misura, valutazione di cui Deltamu si è specializzata sin dalla sua creazione (oltre 20 anni fa). Alcune teorie secolari sono riemerse anche di recente con il documento JCGM 106, che è diventato uno standard internazionale (ISO/IEC Guide 98-4). Questo documento introduce un approccio cosiddetto “bayesiano” nell’elaborazione dei risultati delle misurazioni. E tutti i suoi approcci pragmatici danno ora origine a un nuovo servizio di Deltamu, per aiutare i “Data Scientists” a “parlare di dati”: il “Bayesian Measurement Refinement” (BMR). Abbiamo detto poc’anzi che i dati possono diventare il petrolio del 21° secolo. Tuttavia il petrolio, come la misura, non può essere utilizzato senza essere raffinato. Questo è il ruolo che può essere assegnato al metrologo del 21° secolo: affinare le misurazioni, cioè “estrarre” la realtà, di cui gli algoritmi hanno bisogno. Si tratta quindi di poter “rimuovere” gli errori di misura dalle misure disponibili. Sulla base delle raccomandazioni bayesiane dello standard ISO / IEC Guide 98-4, è possibile ora eseguire questo essenziale perfezionamento … Non si tratta qui di entrare nei dettagli della “raffinazione”, ma si possono fornire le fasi principali.

Fase 1: Legge degli errori di misura

La valutazione delle incertezze di misura, ovvero la “legge di distribuzione degli errori di misura” rientra in una competenza particolare. Tenendo con – to del processo di misurazione e pa – droneggiando gli strumenti statistici che consentono di modellare quanto accade nel mondo “casuale”, questa legge di distribuzione degli errori di misura è oggettivamente quantificabile. Una volta svolto questo lavoro (Fase 1), “basta” considerare la relazione fondamentale della misurazione, che ogni metrologo conosce, cioè: Valore misurato = Valore vero + Errore di misura (1) per ottenere quanto raffigurato in Fig. 5.

Figura 5 – Relazione fondamentale della misurazione

In particolare: l’istogramma a sinistra in Fig. 5 rappresenta la distribuzione delle mi sure disponibili, l’ “A priori” definisce la distribuzione dei valori veri sottostanti (realtà ricercata) e la gaussiana, a destra nella figura, rappresenta “l’incertezza di misura”, cioè la legge di distribuzione degli errori di misura che ha corrotto casualmente ciascuna delle misure. In altre parole, le misure disponibili sono il “frutto” della commistione tra la realtà (di cui hanno bisogno gli algoritmi) e gli inevitabili (anche se vorremmo dimenticarli) errori di misura. Una volta ammessa questa realtà, ba – sta fare un po’ di matematica….

Fase 2: una deconvoluzione

La relazione di Fig.5 permette di ottenere la relazione, rappresentata in forma grafica, in Fig. 6. Questa operazione presuppone di conoscere oggettivamente l’incertezza di misura, tenendo presente come non sia raro che quest’ultima venga sovrastimata dai metrologi, con l’intento di “essere sicuri”, ponendosi nel “caso peggiore”. Inoltre, questa operazione può rivelarsi complicata quando i fenomeni coinvolti (“distribuzione delle misure”e “incertezza di misura”) non sono gaussiani…

Figura 6 – Deconvoluzione delle misure per ottenere l'”a priori”

Fase 3: Inferenza Bayesiana

L’inferenza bayesiana consiste nel prendere in considerazione tutte le informazioni disponibili per decidere riguardo a una misura. Quando si conosce solo il valore che lo strumento fornisce (valore misurato), si può operare solo con quello… ma se si sa di più, in particolare se si conosce l’incertezza di misura del processo che ha prodotto la misura stessa (ruolo teorico del metrologo) e la distribuzione dei possibili valori del misurando (ruolo che dev’essere colto dal metrologo diventato “Smart”), si può andare molto oltre il singolo valore misurato per farsi un’opinione sulla realtà. È possibile utilizzare queste informazioni per definire la legge “a posteriori”, la cui media è più probabile dell’unico valore misurato. È proprio questo valore, “il più probabile sapendo tutto quello che so”, che è preferibile sostituire al valore misurato, spesso di qualità mediocre… Questa operazione di “raffinazione bayesiana” è dunque molto simile all’operazione di raffinazione del petrolio. Chi avrebbe avuto l’idea di mettere il greggio nel serbatoio della propria auto? Lo stesso vale per le misurazioni negli algoritmi! Prese senza precauzione, le misurazioni rischiano spesso di mascherare una realtà modellabile o di far credere a una pseudo-realtà che è solo il risultato di misurazioni casuali e che non sarà robusta da sperimentare. Convergono così, nel segno dei tempi, le rivoluzioni industriali e la “Metrologia”. Questa convergenza tende all’ottimizzazione delle pratiche, quindi all’ottimizzazione dell’uso delle risorse. Parallelamente all’evoluzione della tecnologia verso nuove capacità di calcolo per meglio comprendere i fenomeni, la metrologia deve assumere il ruolo che avrebbe dovuto sempre avere: garantire l’affidabilità delle misurazioni su base quotidiana. Non passa giorno senza che riceviamo inviti a eventi o webinar dedicati alla digitalizzazione; non passa giorno senza che appaiano articoli su questo argomento, sulla stampa e/o sui social network professionali, come LinkedIn in particolare. Tutto ciò evoca la necessità, ovvia, di “digitalizzare” l’azienda, ovvero di dotarla di un software che permetta di gestire o, addirittura, catturare l’attività (CRM, MES, ERP, CAD, PLM, IOT, IIOT, e altre sigle che rendono la situazione, piuttosto frustrante in generale per la maggior parte…) e far sì che questi software possano (o potranno) comunicare tra loro, per essere in grado di fornire informazioni aggiornate e condivisibili. Sfortunatamente rimane relativamente raro che le ragioni davvero dirompenti di questa esigenza, o anche questa necessità, della digitalizzazione siano affrontate in modo chiaro. In effetti, questi software esistono da molto più tempo dell’industria del futuro: essi risalgono, per la maggior parte, alla fine del XX secolo. Sono ovviamente ancora utili oggigiorno, nell’industria detta anche 4.0, per recuperare e condividere informazioni, ma l’industria “moderna”, quella su cui si dice che la tecnologia stia sconvolgendo pratiche (non ci siamo ancora arrivati, per la stragrande maggioranza delle aziende), è in definitiva solo una forma di culmine di questi strumenti? Da parte mia, la risposta è decisamente “no”!

Figura 7

L’industria del futuro (o 4.0) non si limita alla digitalizzazione dell’informazione, ma deve usarla per realizzare una sorta di Graal: solo ciò che è necessario. E questo “solo necessario” si comprende tanto a livello di vendita (come ottimizzare le proprie risorse per vendere in modo ottimale, senza spendere inutilmente i propri budget di “comunicazione”) ma anche a livello di produzione (come ottimizzare i processi di produzione per ottenere “buono la prima volta e sempre”), di HR (come scegliere i “talenti” in mo do pertinente), di manutenzione (come prevedere malfunzionamenti delle proprie macchine), progettazione (come garantire la funzionalità attesa ottimizzando le risorse necessarie), ecc… Infatti, l’IA cerca senza pregiudizi, “a priori” (si parla anche di tecnologia ingenua e gli anglosassoni la definiscono un approccio fact driven), “l’equazione magica” che permetterebbe di prevedere che un tale e un tale altro evento accadranno (o non accadranno se sono temuti), e quindi di evitarli, se necessario. Il suo carattere “ingenuo” la distingue dagli approcci che hanno regnato fino a oggi (qualificati come “opinion driven”) ed è in questo che è totalmente dirompente. Cerca, nei Big Data, le condizioni (i fattori) che spieghino la realizzazione di questo o quell’evento, qualunque sia la sua natura. L’obiettivo è quindi, per l’IA, di capire perché e quando la signora Rossi acquisterà questo o quel prodotto. Nel mondo industriale, che ora si sta aprendo a questa tecnologia, questa domanda diventa: perché questo o quell’altro prodotto è conforme e quest’altro no? Grazie a nuovissimi algoritmi, nati dalla potenza di calcolo, memorizzazione e acquisizione delle informazioni (Big Data), l’IA pretende quindi di poter conoscere i fattori che determineranno il verificarsi di tale e tale altro evento (non ha ancora la pretesa di prevedere che questo o quell’evento accadranno, con certezza, an che se questo è già nei suoi obiettivi). Si tratta quindi, grosso modo, di capire quali sono i fattori che spiegano questo o quell’evento e come essi devono essere articolati, l’uno con l’altro, per l’evento atteso/sperato o, addirittura, temuto. Ora si immagini per trenta secondi che il proprio principale concorrente acquisisca questa tecnologia (che, quindi, sappia in anticipo cosa sta per succedere o che sappia organizzarsi affinché l’evento temuto non accada) e che noi, presi dalla velocità degli eventi, non siamo consapevoli di ciò che sta accadendo…. Non si riuscirebbe neanche a capire perché il nostro concorrente è davanti a noi sul mercato! Si può spiegare con la sfortuna, o l’incompetenza di questo o quel collaboratore, ma forse la spiegazione sta più semplicemente nel fatto che lui ha capito, prima di noi, la potenza e la necessità dell’IA e della digitalizzazione per migliorare le sue prestazioni, come se avesse capito l’uso dello smartphone quando noi avevamo solo fax e telefono…

È dunque solo su queste due condizioni essenziali (evoluzione della tecnologia verso nuove capacità di calcolo per meglio comprendere i fenomeni e Metrologia che assume il ruolo di garantire l’affidabilità delle misurazioni su base quotidiana) che Il metrologo del 21° secolo non è dunque un manager di pianificazione! È il “Totale” di domani e ho la debolezza di pensare che nel futuro troverà molto più riconoscimento di quando ne abbia avuto nel secolo scorso nell’attaccare etichette….

Scopri la rivoluzione metrologica 4.0 in video!

Ritrova tutti i nostri video su YouTube