I vantaggi dell’Intelligenza Artificiale per identificare le merci

• 
• Tweet
• Pin It
• Condividi per email

In un’intervista, il Dr. Henning Grönzin, Chief Technology Officer (CTO) di Leuze, spiega i vantaggi dell’intelligenza artificiale (IA) per l’identificazione delle merci tramite codice a barre. In collaborazione con un produttore di automobili, Leuze sta sviluppando una soluzione per uso industriale.

Dr. Grönzin, qual è il tuo lavoro come CTO di Leuze?

Nomen est omen: Sono responsabile di tutte le questioni tecniche, il che è comunemente associato allo sviluppo. Ma c’è di più: Anche la gestione tradizionale del prodotto è sotto il mio controllo. Sono anche responsabile di portare i dispositivi sviluppati alla produzione in serie. E infine, il servizio tecnico per i dispositivi dopo l’acquisto da parte del cliente.

Come mai Leuze come produttore di componenti sta lavorando con l’IA?

Per noi è sempre stato naturale creare noi stessi il cambiamento. Ecco perché siamo sempre alla ricerca di nuove tecnologie e della loro rilevanza per i nostri settori principali. Per esempio, siamo stati il primo produttore di sensori a sviluppare sensori in grado di comunicare con il cloud direttamente tramite OPC UA. Crediamo che l’intelligenza artificiale sarà rilevante per i nostri sensori e il loro uso nelle applicazioni dei nostri clienti. Questo è il motivo per cui lo stiamo esaminando e per cui stiamo comunicando con i nostri clienti sulla questione.

A cosa sta lavorando in particolare Leuze in questo momento?

In questo momento, siamo in una fase di prova con un produttore di automobili. Stiamo usando IA in connessione con i nostri lettori di codici a barre. Un lettore di codici a barre cattura le etichette e fornisce i relativi ID a un sistema di livello superiore. Questo sensore si auto-monitorizza. Ciò significa che il sensore conosce il proprio stato ed è in grado di comunicarlo al sistema. È così da molti decenni. L’unico problema è: La visione del sensore dello stato è molto limitata, cioè solo dalla sua prospettiva. Per esempio, il sensore può segnalare “Sto leggendo attualmente”, “Lettura eccellente” o “Lettura molto scarsa”. Ma un singolo dispositivo non è in grado di determinarne il motivo. Il nostro progetto di IA mira a risolvere questo problema: la scarsa qualità di lettura è dovuta al dispositivo, all’etichetta del codice a barre, o ci sono fattori interferenti nell’ambiente?

Come entra in gioco l’IA?

In primo luogo, è importante sapere che abbiamo innumerevoli componenti in qualsiasi sistema. Nella logistica, abbiamo spesso fino a 1.000 lettori di codici a barre in diversi punti di installazione, e migliaia di etichette su pallet o scatole che passano da questo lettore di codici a barre. L’IA ci permette di gestire e analizzare il volume di dati. Immaginate questo: Nel corso di un processo, un’etichetta passa davanti a molti lettori di codici a barre. Viene anche letta in diversi punti di installazione. Nel complesso, si tratta di un’equazione con molte incognite: gli innumerevoli lettori di codici a barre, le quantità ancora più elevate di etichette e i diversi luoghi di installazione. Ad ogni stazione e per ogni etichetta ottengo risultati diversi. Prendiamo la qualità di lettura, per esempio: a volte la qualità è del 90%, la volta successiva dell’80%, ecc. E ad un certo valore di soglia l’etichetta non viene più letta. Ora posso usare l’IA per risolvere questa complessa equazione ripercorrendo e trovando la causa. La scarsa qualità di lettura si verifica sempre su un lettore di codici a barre, su una sola etichetta, con un certo tipo di etichetta o in un certo luogo di installazione?

Quale metodo di apprendimento viene usato per questo? Una rete neurale?

Corretto. Usiamo i cosiddetti algoritmi di raccomandazione. Questo è comunemente usato dai servizi di streaming, che valutano il comportamento degli utenti e usano queste informazioni per raccomandare film o serie. Per usare questa analogia, immaginate che i codici a barre siano i film e i lettori di codici a barre siano gli utenti del servizio di streaming. Quindi un codice a barre è più o meno “attraente” per diversi lettori di codici a barre.

Quali sono i vantaggi per i clienti?

Ci sono due tipi di situazioni da considerare: la messa in servizio e le operazioni in corso. Durante la messa in funzione, il costruttore del sistema è sotto il massimo stress: tutto deve essere fatto rapidamente. Immaginate un grande magazzino dove i materiali devono viaggiare su grandi distanze, fino a 40 chilometri. Se solo uno dei circa 1.000 lettori di codici a barre installati è mal allineato e non si sa quale sia, si deve percorrere l’intero tragitto a piedi. Si sta cercando un ago in un pagliaio e il tempo scorre. Ma se posso arrivare direttamente al lettore di codici a barre difettoso, allora questo aggiunge un valore enorme. Inoltre: A volte non si tratta di un solo lettore di codici a barre, ma di diversi. Altri casi limite difficili: il lettore di codici a barre è in qualche modo allineato e legge per la maggior parte del tempo, ma le etichette vengono comunque spesso perse, ad esempio perché il lettore è leggermente inclinato, legge nella zona di confine, qualcosa nel sistema vibra, una finestra di visualizzazione è appannata o un’etichetta è troppo danneggiata. L’IA ci permette di filtrare e trovare rapidamente le cause.

…e quali sono i vantaggi per gli operatori del sistema durante il funzionamento?

Per un operatore di sistema, non c’è niente di peggio di un arresto inaspettato. Costa tempo e denaro. Un arresto pianificato, invece, è molto più gradevole: Per esempio, l’operatore può produrre in anticipo, esternalizzare in anticipo, o mantenere alta la performance di consegna per i clienti e compensare con la produzione successiva. Il nostro approccio permette anche la manutenzione predittiva. A volte utilizziamo i dati di diversi anni di funzionamento, sulla base dei quali il rilevamento precoce funziona in modo ottimale – e il sistema continua ad apprendere costantemente.

Rimane solo una domanda: Quando sarà disponibile la soluzione?

Questo richiederà ancora del tempo. C’è sempre un po’ di ritardo per le nuove tecnologie di base per affermarsi. Prendiamo OPC UA, per esempio. Abbiamo introdotto il primo sensore con OPC UA nel 2016, e le prime grandi installazioni basate su questa tecnologia stanno iniziando a funzionare solo ora. Con le nuove tecnologie, ci sono sempre anche altre questioni che hanno un effetto indiretto sull’applicazione. Per esempio, in questo momento ci stiamo occupando di questioni di sicurezza informatica, in termini di ciò che può essere inviato ovunque. In particolare, questo è un problema che riguarda i sistemi più grandi in ambienti industriali, quando i dati devono viaggiare attraverso il cloud. In alternativa, è anche spesso possibile utilizzare dispositivi edge, che mantengono i dati in loco con il cliente.

• 
• Tweet
• Pin It
• Condividi per email