AO_424

AO COPERTINA BECKHOFF AUTOMATION COPERTINA BECKHOF SETTEMBRE 2020 AUTOMAZIONE OGGI 424 18 quanto il progetto di automazione risulta un insieme unitario perfettamente integrato, dall’altro consente agli sviluppatori di implementare le applicazioni continuando a utilizzare la metodologia di programmazione a loro più congeniale, senza quindi dover modificare il loro approccio in fase di sviluppo. I blocchi funzione possono essere richiamati direttamente da TwinCAT PLC, consentendo a chi sviluppa di utilizzare tutti i più comuni linguaggi PLC IEC 61131-3 che, all’evenienza, pos- sono anche essere affiancati da routine proprietarie svilup- pate su altra base, ad esempio in linguaggio C/C++. Un utente che necessita di integrare la visione in un’appli- cazione di automazione, magari già esistente, sviluppata su base TwinCAT non ha nulla in più da imparare: l’iter opera- tivo, nonché gli strumenti a disposizione per la configurazione delle telecamere sono in tutto e per tutto similari a quelli che normalmente utilizza per configurare, ad esempio, gli assi e la comunicazione. Ciò consente di essere subito operativi, in quanto è possibile mettere a fattor comune la conoscenza del sistema TwinCAT per ridurre sensibilmente i tempi di sviluppo. Configurazione e calibrazione della camera in pochi step La gran parte delle operazioni che sono necessarie per lo svi- luppo di un’applicazione di visione sono riconducibili a proce- dure di configurazione. TwinCAT Vision dispone infatti di uno strumento di configurazione GenApi per telecamere dotate di interfaccia GigE Vision, uno standard ampiamente diffuso che consente di integrare un’ampia gamma di hardware per l’acquisizione delle immagini. Nel modulo è inoltre disponibile un tool per la calibrazione geometrica dell’ottica. Ciò consente di impostare, in modo veloce e intuitivo, i parametri di correlazione tra le coordinate Realtime Machine Learning integrato nel controllo Tra gli ultimi moduli che hanno ampliato la piattaforma TwinCAT 3 di Beckhoff ve n’è uno specificamente dedicato a una tecnologia che, in maniera sempre più convincente, si sta facendo strada nelle applicazioni di automazione per i notevoli benefici che se ne possono trarre. Stiamo parlando di TwinCAT 3 Machine Learning, ovvero del modulo di TwinCAT che Beckhoff ha sviluppato per portare le applicazioni ML nell’ambiente che, per eccellenza, sfrutta tutti i vantaggi dell’apertura, della standardizzazione e della facilità di integrazione: le architetture di controllo PC-based. La soluzione messa a punto da Beckhoff integra il Machine Learning in modalità realtime, consentendo quindi di gestire compiti anche particolarmente demanding come le applicazioni di motion control ad elevata velocità. Con TwinCAT 3 Machine Learning gli OEM dispongono di una base ottimale che consente di migliorare le performance generali di macchina mediante, ad esempio, la manutenzione predittiva o il rilevamento di anomalie basate sull’interpretazione delle condizioni operative. I modelli di apprendimento si trovano all’interno di un framework che può essere implemen- tato, ad esempio, con Matlab o TensorFlow. Quindi vengono importati nel runtime di TwinCAT attraverso il formato di scambio standardizzato Onnx (Open Neural Network Exchange), laddove divengono parte integrante dell’ambiente di controllo dell’applicazione. L’inferenza, ovvero l’esecuzione di un modello di ML istruito, può essere eseguita in realtime come oggetto TwinCAT-TcCOM e, più precisamente, in piccole reti caratterizzate da un tempo di reazione < 100 μs (N.B. il tempo ciclo di TwinCAT è pari a 50 μs). Tali modelli possono essere richiamati tramite le interfacce PLC, C/ C++TcCOM o anche avvalendosi di un task ciclico. La soluzione di Machine Learning (ML) integrata nell’architettura di controllo fornisce nuovi e potenti strumenti di supporto per OEM ed end user