Segnatempo nell'era della produzione digitale

La custodia protettiva brevettata 2ndSCIN® rende idonei per ambienti sterili qualsiasi componente di automazione in movimento. © Fraunhofer IPA/Foto: Rainer Bez

Un robot agricolo del Fraunhofer IPA si occupa del controllo delle infestanti in un vivaio di alberi. © Ufficio federale per l'agricoltura e l'alimentazione/Fraunhofer

Con il software pitasc, applicazioni di montaggio come l'aggancio o l'inserimento di componenti uno nell'altro possono essere automatizzate in modo economicamente conveniente. © Fraunhofer IPA/Foto: Rainer Bez / Con il software pitasc, le applicazioni di montaggio come l'aggancio o l'inserimento di componenti uno nell'altro possono essere automatizzate in modo che abbia senso dal punto di vista economico. © Fraunhofer IPA/Foto: Rainer Bez

Il software »ARCaide Assembly Suite« supporta gli operatori qualificati con, ad esempio, una pianificazione automatizzata dell'assemblaggio o un'assistenza all'assemblaggio basata sulla realtà aumentata. © Fraunhofer IPA/Foto: Rainer Bez

L'apprendimento automatico aiuta a rendere tecnologie come il prelievo dal contenitore più autonome. © Fraunhofer IPA/Foto: Rainer Bez

Nel progetto di ricerca rob-akademI, i robot imparano come assemblare in modo che una programmazione più flessibile sia possibile. © Fraunhofer IPA/Foto: Rainer Bez

Intelligenza Artificiale Spiegabile: Alla fiera automatica, il Fraunhofer IPA presenta metodi che visualizzano le decisioni delle reti neurali e le rendono trasparenti e comprensibili per l'utente. © Fraunhofer IPA/Foto: Marco Huber

Grazie all'analisi dei dati di PLC e sensori, è possibile rilevare automaticamente inefficienze o perdite nelle linee di produzione. © Fraunhofer IPA/Foto: Rainer Bez

Sostenibile, autonomo, intelligente, puro: Dai robot autoapprendenti per campi e fabbriche alle tecnologie più avanzate di camere bianche, procedure per la spiegabilità dell'apprendimento automatico fino agli strumenti software per la produzione ottimizzata – il Fraunhofer IPA presenta all'automatica dal 21 al 24 giugno 2022 una vasta gamma di applicazioni e servizi per la produzione automatizzata.

Con quattro cluster, la fiera di presenza automatica torna in estate dopo una pausa dovuta al Covid-19: »Trasformazione digitale«, »Intelligenza artificiale«, »Uomo e macchina« e »Produzione sostenibile« – quattro temi su cui anche il Fraunhofer IPA di Stoccarda conduce ricerche intensive e realizza innovazioni. Alla fiera, i dipendenti dell'istituto mostreranno su 240 metri quadrati ciò che è già possibile oggi e verso dove si dirigerà il percorso dell'automazione.

Robot da esterno per un'agricoltura sostenibile

Questo percorso non deve sempre svolgersi in fabbrica, come dimostra l'esposizione sulla robotica agricola. Il robot agricolo »CURT«, sviluppato dal ricercatore Kevin Bregler e dal suo team, serve alla regolazione meccanica delle infestanti. Così, CURT dovrebbe garantire che si usino meno pesticidi nella protezione delle piante, rendendo possibile anche un completo divieto di erbicidi e creando un'agricoltura ecologica ed economica.

L'esposizione mostra un sistema robotico, la cui hardware e software sono completamente sviluppati presso il Fraunhofer IPA. Un componente hardware importante è, ad esempio, il manipolatore, che rimuove le infestanti in modo energeticamente efficiente e rispettoso dell'ambiente. Dal punto di vista software, funzioni fondamentali sono la navigazione e l'elaborazione delle immagini. In questo modo, il robot può trovare autonomamente e in modo sicuro il suo percorso anche in condizioni dinamiche difficili sui campi, riconoscendo singole piante, file di piante e infestanti da eliminare. I dati raccolti possono inoltre contribuire a rendere più efficienti e autonomi i processi decisionali grazie all'intelligenza artificiale (IA). Il robot rappresenta simbolicamente molte attività dell'istituto legate a un'agricoltura rispettosa delle risorse e sostenibile.

Individuare sistematicamente i potenziali di automazione

Tornando al reparto produzione: qui molte aziende si chiedono se e come possano automatizzare i loro compiti di montaggio. Già da anni, il Fraunhofer IPA offre l'Analisi del Potenziale di Automazione (APA) per questa domanda. Inizialmente, l'APA si basava sulle conoscenze di un esperto di automazione. Ora, una nuova app rende questa conoscenza più facilmente accessibile. Guida l'utente ad analizzare i propri processi di montaggio, valuta le risposte e informa sui potenziali di automazione. »Con la nostra app, chiunque può diventare esperto nella valutazione dei processi di montaggio«, spiega Joshua Beck, ricercatore presso il Fraunhofer IPA, che ha co-sviluppato l'app. Considerando aspetti tecnici ed economici, l'app offre una base dati completa per le decisioni di investimento. Può essere ottenuta tramite un semplice contratto di licenza per l'uso di prova. Inoltre, l'istituto dispone di un dimostratore a scopi formativi.

Montare in modo intelligente

Un software per l'automazione del montaggio è NeuroCAD. Analizza le caratteristiche dei componenti tramite metodi di apprendimento automatico e ne valuta l'idoneità per l'automazione del montaggio. Gli utenti possono caricare gratuitamente i loro file STEP su https://neurocad-dev.web.app/dashboard e scoprire in pochi secondi quanto sia facile o difficile individuare un componente. Inoltre, il tool valuta le superfici di presa e l'allineabilità del componente. In più, la rete neurale fornisce una probabilità di accuratezza del risultato. NeuroCAD aiuta a evitare progetti di componenti svantaggiosi e a velocizzare i processi di montaggio.

Il sistema di costruzione pitasc per la programmazione di processi di montaggio a forza controllata mostra come i processi finora eseguiti manualmente, come clip, rivetti o avvitamenti, possano essere automatizzati in modo economicamente sensato. »Finora, era necessario riprogrammare un sistema robotico per ogni applicazione, spesso da zero. Con il nostro software, le attività modellate una volta possono essere rapidamente trasferite a nuove varianti di prodotto, prodotti e anche robot di altri produttori, semplicemente adattando i parametri«, spiega Frank Nägele, responsabile del gruppo di programmazione e controllo robotico presso il Fraunhofer IPA. Il software, strutturato come un sistema modulare, consente di programmare processi di montaggio in modo modulare: contiene molti blocchi di programmazione predefiniti e riutilizzabili, che possono essere combinati individualmente per configurare un sistema robotico. pitasc è pronto per l'uso in applicazioni pilota, che i ricercatori desiderano sviluppare insieme alle aziende.

La tecnologia di base di tutte le funzioni della nuova software »ARCaide Assembly Suite« è un'IA che analizza e valuta i file STEP, ricchi di informazioni. Questi file, generati da qualsiasi sistema CAD, forniscono alla »3D-Analyse-IA« tutte le informazioni necessarie per dedurre con precisione le informazioni di montaggio strutturate. Un secondo componente software di ARCaide è l' »Assembly Composer«. Questo legge le informazioni di montaggio estratte dal file STEP e le inserisce in uno strumento grafico per la pianificazione del montaggio. Lo strumento mostra in modo semplificato le informazioni rilevanti per il montaggio, facilitando la pianificazione corretta e senza errori. L'assistente di montaggio basato su IA »KIM« completa il trio di componenti software. Crea automaticamente e a basso costo assistenti di montaggio che supportano interattivamente gli operatori. L'assistente è variabile e può essere basato su 2D, 3D o realtà aumentata.

Robot autoapprendenti grazie all'IA

Non solo il montaggio, ma anche l'estrazione di oggetti da scatole o pallet rappresenta ancora una sfida per l'automazione. Con l'esposizione AI Picking, il Fraunhofer IPA mostra come i metodi di apprendimento automatico e le simulazioni possano migliorare significativamente l'autonomia e le prestazioni applicative.

Gli scienziati dimostrano questo con un robot che afferra oggetti da una posizione sconosciuta in una scatola o su una tavola. Una stima della posizione dell'oggetto basata su IA fornisce posizioni robuste e precise in pochi millisecondi. »Nuovi oggetti possono essere appresi rapidamente e facilmente sulla base di un modello CAD«, spiega il responsabile del progetto Felix Spenrath. »Il software può anche rilevare e risolvere inceppamenti e gestire materiali di imballaggio in modo robusto.« Il robot è stato già addestrato in simulazione e questa conoscenza è stata trasferita all'applicazione reale. Le posizioni e le strategie di presa vengono generate e valutate automaticamente sulla base di questa conoscenza. Un'interfaccia utente intuitiva completa l'applicazione.

Oltre alla presa, anche il montaggio beneficia di robot autoapprendenti. Come si ottiene questo, viene mostrato dall'esposizione del progetto di ricerca congiunta rob-aKademI. L'obiettivo del progetto è rendere la programmazione flessibile dei robot per compiti di montaggio facile e veloce. Si rivolge principalmente alle aziende che cercano un ingresso semplice ma futuro-proof nell'automazione robotica del montaggio. È stata creata un'ambiente di simulazione in cui il robot impara a montare sulla base di dati CAD e con il metodo di IA »Reinforcement Learning«, cioè attraverso tentativi ed errori. Impara anche a gestire tolleranze del pezzo o imprecisioni nel processo. L'obiettivo è una montatura robotica robusta fino a un lotto di 1 metro. Una cella robotica illustrerà uno scenario di applicazione concreto di queste tecnologie.

Produrre senza contaminazioni grazie alla »seconda pelle«

Non solo una produzione più autonoma, ma anche più pulita, è sempre più richiesta. »Ambienti di produzione puri consentono le tecnologie high-tech del futuro«, spiega Udo Gommel, responsabile del dipartimento di micro e produzione in ambienti controllati presso il Fraunhofer IPA. »Le tecnologie chiave di domani avanzano solo con tecnologie di purezza. Sono decisive: dalla produzione di batterie alla biotecnologia.«

In questo contesto, la protezione brevettata 2ndSCIN® rende pronte le componenti di automazione dinamica, come un robot per la produzione ultra-pura. La copertura è composta da un tessuto multistrato, permeabile, mobile e simile a una pelle umana. A seconda dell'applicazione, possono sovrapporsi due o più strati. Gli strati sono separati da distanziatori. In ogni intercapedine, si può aspirare o scaricare aria, rimuovendo particelle provenienti dall'ambiente o dal componente di automazione. L'introduzione di gas speciali negli interstizi del sistema permette, ad esempio, di sterilizzarli. Inoltre, la copertura può essere sostituita in circa un'ora e riutilizzata dopo la decontaminazione. Gli strati tessili sono dotati di sensori che misurano costantemente parametri come concentrazione di particelle, contaminazione chimica, pressione o umidità. Algoritmi basati su IA analizzano questi dati e consentono, ad esempio, la manutenzione predittiva. »2ndSCIN® è estremamente modulare, permettendo di adattare le soluzioni alle esigenze specifiche«, spiega Gommel. »In questo modo, affrontiamo molte richieste di coperture di protezione per ambienti sterili che i prodotti attuali non soddisfano.«

Spiegare l'apprendimento automatico

Nella robotica e in molti altri campi di applicazione in produzione e servizi, si usano sempre più metodi di apprendimento automatico e reti neurali artificiali. A seconda dell'applicazione, diventa sempre più importante e talvolta anche legalmente obbligatorio capire come funzionano e perché arrivano a determinati risultati. Devono essere spiegabili. Finora, a causa della loro complessità, spesso non è possibile. »Più potente è una rete neurale, più difficile è comprenderla«, spiega il professor Marco Huber, che dirige presso il Fraunhofer IPA il Centro per l'Intelligenza Cibernetica (CCI) e il dipartimento di Elaborazione di immagini e segnali.

Per questo motivo, all'automatica il Fraunhofer IPA presenta sotto il motto »Explainable AI« (xAI) metodi che visualizzano le decisioni delle reti neurali e le rendono trasparenti e comprensibili per l'utente. »Questa trasparenza rafforza l'accettazione dell'IA, crea fiducia, migliora il funzionamento corretto e garantisce la conformità legale«, spiega Huber. I metodi di spiegabilità sono adatti a tutte le applicazioni che utilizzano reti neurali o apprendimento automatico, in particolare quelle critiche per la sicurezza o soggette a regolamentazioni stringenti.

Rendere i processi di produzione più trasparenti ed efficienti

Se l'efficienza complessiva di un impianto di produzione o »Overall Equipment Effectiveness (OEE)« di un sistema di produzione (parzialmente) automatizzato non raggiunge il livello desiderato, bisogna individuare le cause delle deviazioni. È importante analizzare il processo di produzione nel modo più dettagliato possibile. Le analisi a livello MES o SCADA considerano il processo nel suo insieme, senza fornire informazioni sulle cause interne al processo stesso. Tuttavia, l'aumento della connessione in produzione apre nuove strade all'ottimizzazione. Qui si collega l'automazione autonoma della produzione. Accedendo a diverse fonti di dati, il processo può essere reso trasparente e, sulla base di ciò, l'OEE può essere ottimizzata in modo autonomo.

La realizzazione di questa visione – Massimizzare l'Overall Equipment Effectiveness – è dimostrata dall'esposizione »MOEE«, che riproduce un impianto di produzione automatizzato. Questo viene monitorato sia tramite il controllo che tramite sensori esterni come barriere luminose o telecamere. Queste fonti di osservazione vengono utilizzate per creare un modello comportamentale della linea. Ciò permette di analizzare continuamente la linea online, rilevare il comportamento normale e, sulla base di ciò, identificare colli di bottiglia o perdite di produzione. »Con questa metodologia, offriamo ai nostri clienti trasparenza sui processi e identifichiamo automaticamente i loro potenziali di ottimizzazione«, spiega Yannick Mayer, ricercatore presso il Fraunhofer IPA e co-sviluppatore di MOEE.