L’integrazione tra robotica e intelligenza artificiale (IA) sta trasformando in modo radicale le industrie manifatturiere, consentendo di automatizzare una gamma sempre più vasta di attività complesse. Questa combinazione rappresenta un passaggio verso processi produttivi più autonomi, efficienti e adattabili, in cui robot avanzati e sistemi basati sull’IA lavorano in sinergia per creare ambienti più sicuri e sostenibili.
I vantaggi sono immediati: infatti, quando la robotica è potenziata dall’intelligenza artificiale permette di automatizzare un maggior numero di attività, aumentando il tempo d’esercizio dei task, consentendo di ridurre i costi e i margini di errore e garantendo una maggiore flessibilità delle operazioni.
Nello specifico, tramite la localizzazione basata su Deep Learning, i sistemi di guida robot sono in grado di identificare oggetti di diversa grandezza, forma e orientamento, contribuendo in modo determinante all’efficienza di processi industriali di produzione e logistica. In questo modo l’operatore è sollevato da mansioni ripetitive, logoranti e pericolose, si evita di farlo operare in contesti a forte rischio per la sua incolumità e sicurezza, aumentando al contempo la qualità dell’ambiente di lavoro e la produttività. Il controllo qualità ottimizzato dall’IA permette l’individuazione delle non-conformità e garantisce velocità e affidabilità, migliorando lo standard qualitativo della produzione anche per oggetti o difetti con aspetto variabile, che sono difficilmente gestibili con le normali ispezioni visive.
In questo contesto le soluzioni per la guida robot e il controllo qualità di SICK sono un punto di riferimento per l’evoluzione delle fabbriche del futuro, grazie alla loro capacità di potenziare i processi produttivi e migliorare la qualità del lavoro, combinando robotica, intelligenza artificiale e sensoristica avanzata.
Indice degli argomenti
L’integrazione tra guida robot e Intelligenza Artificiale
Le fabbriche intelligenti basate su sistemi robotici e IA sono in grado di adattarsi rapidamente alle esigenze del mercato. Questo concetto, noto come “automazione flessibile”, permette alle aziende di riconfigurare le linee di produzione e adattare i processi per rispondere a una domanda in costante evoluzione, come avviene nella produzione personalizzata e su piccola scala. La flessibilità è fondamentale per migliorare l’efficienza e ridurre i tempi di inattività, portando a una maggiore produttività.
SICK rafforza l’automazione flessibile attraverso una gamma di soluzioni avanzate basate su sensori intelligenti, strumenti di visione artificiale e tecnologie di localizzazione e ispezione che consentono ai sistemi produttivi di adattarsi in modo dinamico alle esigenze della fabbrica moderna.
A fianco dei sistemi di guida robot 2D e 3D classici, che localizzano gli oggetti da prelevare basandosi su regole definite dal programmatore, si aggiungono ora anche moderne soluzioni di guida robot, che integrano l’intelligenza artificiale sotto forma di reti neurali istruite appositamente per gestire la variabilità nell’aspetto degli oggetti da prelevare, senza necessità di complesse e tediose riconfigurazioni.
In alcuni processi, come per esempio la depallettizzazione con robot, infatti, una delle sfide principali è conseguenza dell’ampia varietà di merci e imballaggi in entrata. Per il funzionamento automatico, è necessario riconoscere in modo affidabile scatole di diversa forma e grandezza e registrare la loro posizione sui pallet. Questo vale anche nel caso in cui i colli siano disposti in modo stretto, in qualsiasi schema di impilamento, senza etichette, o in caso presentino colori e nastri di imballaggio diversi che possano interferire con l’identificazione.
Questa sfida complessa è vinta grazie alla nuova soluzione SICK per la guida robot PALLOC che sfrutta algoritmi di AI per localizzare tutti i tipi di scatole su pallet in modo preciso e veloce, anche in condizioni variabili, consentendo di aumentare l’efficienza produttiva e riducendo i fermi macchina. L’acquisizione delle immagini viene fatta dalla camera 3D stereoscopica Visionary-S installata in posizione fissa sopra al pallet oppure direttamente sul braccio del robot, per garantire il massimo grado di precisione e velocità in base alle esigenze applicative.
Grazie alle immagini 3D e a colori fornite dalla camera di visione, le singole scatole e di ciascuno strato vengono rilevate e localizzate con precisione e in modo riproducibile. Per distinguere fra loro le scatole, a prescindere dalla dimensione e dalla grafica, la camera utilizza una rete neurale che è già stata istruita con moltissime immagini di scatole di tipo diverso ed è quindi in grado di riconoscerle indipendentemente dal loro aspetto specifico e senza la necessità di un training specifico, nella grande maggioranza dei casi. PALLOC trasmette le coordinate di posizione delle scatole al robot, in modo che questo possa alloggiarle singolarmente o a gruppi in una sequenza configurabile, sgravando i collaboratori e aumentando parallelamente il tempo d’esercizio. In questa fase, infatti, l’automazione risolve anche le problematiche causate da pacchetti pesanti che possono rallentare considerevolmente il processo di lavoro o provocare un temporaneo fermo macchina.
Controllo qualità ottimizzato grazie all’IA
Con l’avvento della digitalizzazione, si assiste ad un aumento della complessità degli ambienti di produzione industriale, sempre più dinamici, connessi e caratterizzati da interdipendenze, incertezze, nonché dalla generazione di grandi volumi di dati. I recenti progressi nell’Intelligenza Artificiale hanno mostrato il potenziale di questa tecnologia anche in questi ambiti, quale alleato prezioso per la trasformazione digitale grazie alla possibilità di eseguire analisi predittive basate sui dati e sulla capacità di assistere il processo decisionale.
L’ottimizzazione dei processi di produzione e il riconoscimento automatico e precoce delle non-conformità, la previsione dei guasti sugli impianti per l’ottimizzazione dello scheduling di manutenzione, così come l’apprendimento automatico per il miglioramento dell’interazione uomo-macchina nelle isole robotiche collaborative sono solo alcuni dei vantaggi che l’adozione degli algoritmi di Intelligenza Artificiale e Deep Learning permette per il mondo dell’industria.
Ma c’è di più. L’AI consente di risolvere una grande quantità di applicazioni diverse di controllo qualità in svariati contesti industriali, riducendo la complessità di sviluppo della soluzione.
È, infatti, possibile istruire direttamente a bordo di sensori di visione intelligenti, algoritmi di Deep Learning che, dopo un’opportuna fase di addestramento, consentano all’operatore di gestire facilmente e in modo efficiente operazioni di elaborazione delle immagini complesse, come la classificazione dei componenti, il rilevamento delle anomalie o il conteggio di oggetti con aspetto variabile.
In questi casi si parla di “on-device training”, ovvero training della rete neurale direttamente a bordo del dispositivo, che può essere effettuato in modo molto veloce utilizzando poche immagini di esempio (fino ad un massimo di 100). Questo approccio innovativo, che semplifica fortemente la fase di training e velocizza la configurazione dei sensori di visione, è disponibile in diversi tool basati su IA: AI Anomaly Detection (rilevamento delle anomalie), AI Classification (classificazione oggetti) e AI Object Detection (rilevamento, conteggio e localizzazione di oggetti). Questi strumenti basati su IA permettono quindi di gestire in modo più immediato l’elevata variabilità dei prodotti tipica delle fabbriche moderne e possono inoltre essere combinati con strumenti di analisi delle immagini classici (basati su regole), ottenendo così possibilità di soluzioni molto promettenti, indipendentemente da quanto la persona sia esperta nell’elaborazione meccanica dell’immagine.
Dopo la fase di apprendimento, l’algoritmo di Deep Learning sarà in grado di eseguire, con un certo grado di precisione (che dipende anche dalla grandezza del database d’apprendimento), il task richiesto.
Nel caso di applicazioni più complesse, caratterizzate da elevata variabilità dei campioni e grandi insiemi di dati, invece, gli utenti hanno la possibilità di accedere alla potenza di calcolo del servizio cloud SICK dStudio per addestrare la propria rete neurale con un elevato numero di immagini.
Si tratta di operazioni che in passato risultavano estremamente difficili da automatizzare e richiedevano molto tempo e personale esperto, quali ad esempio controlli di qualità e montaggio con parti riflettenti, il controllo di punti di saldatura o lo smistamento di prodotti naturali, per le quali, oggi, grazie all’IA e ad una rete di Deep Learning opportunamente istruita con immagini opportunamente etichettate, è possibile l’identificazione automatica, consentendo un controllo della qualità puntuale sui vari componenti. Grazie al servizio in cloud di SICK, infatti, è possibile etichettare le immagini da utilizzare per il training della rete neurale in modo semplice ed effettuare il teach-in di modelli di IA su grandi quantità di immagini, aumentando ulteriormente la precisione di verifica e la rapidità di esecuzione della rete neurale a bordo del sensore di visione.
I tool di AI, insieme ad altri numerosi strumenti di analisi dell’immagine configurabili, vengono messi a disposizione nella sensorApp SICK Nova . SICK Nova è compatibile con numerosi sensori di visione 2D e 3D e sensori LiDAR che sfruttano anche diverse tecnologie di acquisizione delle immagini e costituisce la base software della visione artificiale configurabile, cui punta una pluralità di settori e applicazioni per il proprio sistema di controllo qualità.
Grazia ad un’interfaccia Web user-friendly, SICK Nova aiuta professionisti e non esperti a svolgere in modo semplice e rapido anche applicazioni impegnative, potendo contare su una soluzione precisa, flessibile e scalabile, con funzionamento a costi contenuti. Inoltre, gli utenti possono ampliare comodamente le funzioni software di SICK Nova con eventuali plug-in custom, tool aggiuntivi che possono essere sviluppati all’occorrenza, direttamente dall’utilizzatore finale oppure essere forniti dalla filiale di SICK.
