Per non lasciare che i robot restino nei laboratori o diventino fenomeni mediatici dalla vita breve, servono soluzioni che li rendano utili e facilmente utilizzabili in situazioni reali. La mission di chi introduce queste tecnologie nelle aziende è quella di restare al passo con la loro evoluzione, senza che essa le renda meno integrabili. Tutto ciò, sapendo di doversi misurare con contesti non sempre all’avanguardia, sia dal punto di vista delle infrastrutture che delle skill interne.
I dati dell’International Federation of Robotics (IFR) sono incoraggianti in tal senso. L’Italia è quinta al mondo per numero di nuove applicazioni (14mila), davanti a paesi fortemente industrializzati (Taiwan, Francia e Polonia), e di grandi dimensioni (India). Nel 2021 il nostro Paese è infatti cresciuto del 65% nel settore della robotica, più di Cina, Usa, Giappone e Germania e con un tasso doppio rispetto alla media mondiale.
Risultati di cui andare fieri, se non fosse per la lacuna in termini produttivi. La robusta adozione di robot, infatti, non corrisponde a un successo dei costruttori italiani. Oggi rappresentano solo il 10% delle consegne sul suolo nazionale e non riescono a compensare sufficientemente con l’export.
Quando robot e PLC si parlano, meno costi e più agilità
Questa “pecca” nel roseo scenario italiano della robotica può e dovrebbe far scattare lo spirito di competizione. Con un’offerta sempre più all’avanguardia, infatti, gli OEM potranno guadagnare terreno e mercato. È in questa direzione che si sta evolvendo la partnership tra Siemens e Comau con l’integrazione della robotica e dell’intelligenza artificiale nel PLC, presentata nelle scorse settimane al MADE, il Competence Center per l’Industria 4.0 situato a Milano.
La prima ha messo in campo una library universale per PLC (SIMATIC Robot Library), la seconda una piattaforma di programmazione da connettere al controller dei propri robot (Next Generation Programming Platform). Tecnologicamente, si sono venute incontro per far sì che i due device parlino la stessa lingua, quella basata sul protocollo “Standard Robot Command Interface” di Profinet. Ciò significa che si potranno utilizzare applicazioni robotizzate tramite un’interfaccia standardizzata, senza dover conoscere linguaggi o ambienti specifici.
Abbattendo il grado di complessità di programmazione e di utilizzo, si guadagna in agilità e flessibilità nel riconvertire o nel comporre e adattare un robot, risparmiando costi e tempi operativi. Nei diversi processi di fine linea, una migliore integrazione tra robot e PLC comporterebbe un aumento di efficienza e produttività. Benefici analoghi potrebbero registrarsi nelle operazioni di inscatolamento e pallettizzazione e in tutto il mondo della logistica.
AI sempre più intelligente, imprese più pronte a qualsiasi futuro
Una volta introdotta nel sistema, la standardizzazione diventa un fattore abilitante anche per applicazioni basate sull’intelligenza artificiale. Quelle legate alla robotica utilizzano spesso algoritmi di grasping o handling che Siemens ha industrializzato, affinato e reso open source, anche grazie alla partnership con Nvidia.
Nel primo caso si ricavano dalle immagini delle coordinate di presa (localizzazione e orientamento dell’oggetto), “un processo ormai divenuto ‘abituale’, ma che può diventare un fattore competitivo importante se se ne aumenta la flessibilità. Grazie a un efficiente utilizzo dell’AI si possono per esempio localizzare oggetti con caratteristiche molto diverse, utilizzando sempre lo stesso algoritmo di object detection. Analogamente per l’handling, allenando una rete neurale architetturalmente diversa, si riescono a individuare dimensione e posizione di elementi differenti per poi ottimizzarne la disposizione” spiega Vincenzo De Paola, Supporto Tecnico Intelligenza Artificiale e Industrial Edge di Siemens.
Anche l’introduzione di un codice open source in ambito come quello industriale, in cui quasi tutto è “proprietario”, risulta una mossa disruptive. “È in parte in contrasto con il concetto di standardizzazione, ma apre alla possibilità di integrare algoritmi AI all’avanguardia e, in termini di hardware, astrarre dalle specifiche delle varie telecamere proposte dai vendor. Aumentando il livello di flessibilità della macchina, la si ‘prepara’ per possibili future evoluzioni sia degli algoritmi che delle tecnologie accessorie” aggiunge De Paola, indicando come settori più impattati dalla novità l’automotive per il grasping e l’intralogistica per l’handling.
In generale, precisa, “un robot che gestisce pezzi diversi e automatizza linee prima fortemente manuali, migliora la ripetibilità del processo produttivo e ne favorisce una eventuale futura trasformazione. Questo perché rende più semplice cambiare tipologia di pezzi, strategia e perfino modello di business, permettendo di associare alla macchina servizi innovativi e convenienti”.
Il prossimo passo di Siemens sarà quello di creare delle app easy-to-use AI-based per funzionalità specifiche come il packaging e l’ispezione. Un modo per rendere ancora più veloce e semplice l’integrazione della tecnologia in realtà di piccole dimensioni o prive di competenze interne specifiche.
Simulazione per automatizzare l’ottimizzazione della produzione in real time
Sempre ottimizzando l’utilizzo dell’intelligenza artificiale, un’altra frontiera che Siemens sta esplorando è quella del training dell’algoritmo con immagini sintetiche. L’idea è quella di poter ottenere macchine capaci di ottimizzare la produzione in real time, senza la necessità di operatore con competenze specifiche.
“Con queste immagini appositamente create, si possono simulare caratteristiche dell’oggetto, condizioni di visione e ambientazioni che difficilmente si ottengono lavorando con mock-up. Si ottiene un digital twin, un modello fotorealistico di cui cambiare i parametri per insegnare il modello AI a generalizzare o ad affrontare situazioni di ogni genere” spiega De Paola.
Nel settore automotive, ciò significa allenare i veicoli in modo semplice anche in condizioni costose o complesse da simulare diversamente. Oppure proporre situazioni paradossali, come l’attraversamento della strada da parte di un elefante: ipotesi improbabile, ma utile per ottimizzare gli algoritmi.
Nel manufacturing, il contributo delle immagini sintetiche porta a una riduzione del time to market delle macchine. La simulazione permette infatti a chi le produce di anticipare e realizzare in modo autonomo un maggior numero di operazioni di progettazione e settaggio. “Lavorando in questa direzione, si arriva ad avere una macchina che da sola capisce come organizzare la produzione momento per momento. Questo permette di minimizzare i pezzi da scartare e il tempo di parametrizzazione che spesso rallenta il processo manuale. La macchina stessa diventerà col tempo un ‘ambiente’ con cui interagire e migliorare le performance dell’intero processo, sfruttando il reinforcement learning, approccio finora poco usato in manifattura” racconta De Paola.
Con questo ulteriore passo avanti nel campo del rendering, Siemens chiude il cerchio dei suoi prodotti legati all’AI che spaziano dalla simulazione meccatronica, alla gestione del robot, fino alla fluidodinamica. Allo stesso tempo compie un passo avanti nella realizzazione di digital twin a uso industriale che strizzano l’occhio al metaverso.
