Leuze usa l’Intelligenza Artificiale per la lettura dei codici a barre

Pubblicato il 18 gennaio 2022
Leuze lettore codici a barre intelligenza artificiale

I lettori di codici a barre sono sensori utilizzati per identificare merci e materiali nella produzione o nella logistica. Lo fanno rilevando i codici a barre che soddisfano uno di una serie di standard e fornendo poi gli ID dei codici a barre a un sistema superiore. Quando si utilizzano questi dispositivi in applicazioni automatizzate, l’obiettivo principale è quello di ottenere la massima qualità di lettura possibile: Essenzialmente, quando i lettori di codici a barre rilevano le etichette, la qualità con cui eseguono questo compito varia, e questa qualità può essere indicata in percentuale. La percentuale si riferisce al contrasto rilevato. Se il valore è inferiore a una certa soglia, l’etichetta non viene più letta. Una sfida per gli operatori del sistema è quella di trovare il più rapidamente possibile i lettori di codici a barre quando questi non forniscono più una qualità di lettura sufficiente, e di determinarne le ragioni – senza ulteriori dati relativi alle possibili fonti di errore, questo può essere un compito che richiede molto tempo. Soprattutto nei grandi sistemi, per esempio nell’intralogistica, che hanno fino a 1.000 lettori di codici a barre e percorsi di trasporto lunghi chilometri, la ricerca è come cercare un ago nel pagliaio: in caso di dubbio, un tecnico deve tracciare l’intero percorso di un materiale di trasporto per identificare un sensore mal allineato o i fattori di interferenza nel suo ambiente diretto, il tutto sotto la pressione del tempo. La situazione è peggiorata da casi limite, come quando il lettore di codici a barre è in qualche modo allineato e legge con successo per la maggior parte del tempo, ma occasionalmente non rileva le etichette. Questo può essere dovuto al fatto che il lettore di codici a barre è leggermente inclinato o legge solo nella zona di confine, o altri fattori possono giocare un ruolo, per esempio etichette di qualità insufficiente.

Tuttavia, la generazione di dati corrispondenti per trovare le cause degli errori utilizzando il lettore di codici a barre stesso è possibile solo in determinate circostanze. È vero che i sensori monitorano il proprio stato e trasferiscono i dati al sistema superiore tramite OPC UA se necessario. Tuttavia, questo automonitoraggio ha solo una funzionalità molto limitata – un sensore considera solo la propria vista. Ciò significa che invia informazioni come “Sto leggendo attualmente”, “Lettura eccellente” o “Lettura molto scarsa” – cioè la sua qualità di lettura percentuale calcolata. La ragione della scarsa qualità di lettura non può essere identificata dal singolo dispositivo. Ci sono tre possibili fattori influenti in questo caso: il dispositivo stesso, l’etichetta del codice a barre e i fattori di interferenza nell’ambiente. Le possibili fonti di errore relative al lettore di codici a barre stesso includono un cattivo allineamento alle etichette da rilevare o un guasto tecnico. A loro volta, le etichette possono essere danneggiate, sporche o stampate male, il che, a seconda del grado di danno o della qualità di stampa, può ridurre solo la qualità di lettura o impedire del tutto l’identificazione. I fattori di interferenza nell’ambiente includono vibrazioni, polvere e riflessi causati dalla luce del sole o da emettitori sullo sfondo. L’umidità, per esempio nelle celle frigorifere, può essere un fattore di interferenza se questa causa l’appannamento della finestra di scansione del lettore di codici a barre.

L’AI può aiutare a distinguere le varie cause l’una dall’altra e così facendo identificare le ragioni delle interferenze o della scarsa qualità di lettura. Leuze sta lavorando con un produttore di automobili per sviluppare una soluzione che valorizza i sensori con i dati del contesto generale. Il vantaggio è che i lettori di codici a barre restano in funzione come al solito, senza che il cliente debba sopportare ulteriore lavoro durante l’installazione. I volumi di dati sono grandi: molte etichette passano da molti lettori di codici a barre durante il processo e vengono lette in vari punti dell’installazione. È da qui che proviene il contesto generale. In termini matematici, questo contesto generale può essere descritto come un’equazione con molte incognite – innumerevoli lettori di codici a barre, etichette che spuntano ancora più spesso e le varie posizioni di installazione dei lettori. Ad ogni stazione e per ogni etichetta c’è un risultato diverso in termini di percentuale di qualità di lettura. L’AI risolve questo complicato sistema di equazioni e risponde alle domande se una scarsa qualità di lettura si verifica sempre con un particolare lettore di codici a barre, solo con un’etichetta o un particolare tipo di etichetta o sempre in un particolare luogo di installazione.

Per raggiungere questo obiettivo, Leuze utilizza algoritmi di raccomandazione, cioè metodi di raccomandazione basati sull’AI. Sono gli stessi metodi che vengono utilizzati dai servizi di streaming, per esempio, per valutare il comportamento degli utenti e raccomandare i film o le serie corrispondenti sulla base di questa analisi. In questa analogia del comportamento degli utenti, i codici a barre corrispondono ai film e i lettori di codici a barre agli utenti dei servizi di streaming. L’algoritmo di raccomandazione valuta un’etichetta come più o meno “attraente” per diversi lettori di codici a barre. In questo modo, è possibile determinare quale sensore o quale etichetta con una certa percentuale è “poco attraente”, cioè al limite o notevolmente problematica.

In termini tecnici, una soluzione basata sull’AI di questo tipo può essere implementata tramite dispositivi periferici o un cloud, a seconda delle esigenze del cliente e del rispettivo sistema. Un dispositivo edge è un dispositivo separato che si trova nelle vicinanze di un gruppo di sensori e raccoglie, analizza e trasmette i dati del gruppo di sensori. È possibile collegare più dispositivi periferici l’uno all’altro. Poiché un dispositivo periferico è capace di una comunicazione bidirezionale, non solo raccogliendo e valutando i dati, ma anche rimandando l’analisi ai sensori, un lettore di codici a barre può anche trasmettere queste informazioni e segnalare che c’è un problema. Il vantaggio di questo è che non c’è bisogno di apportare modifiche all’architettura IT del cliente. In alternativa, la soluzione può essere gestita tramite un cloud se i dati provenienti da luoghi separati devono essere uniti.

L’approccio di Leuze che utilizza raccomandazioni basate sull’AI per identificare gli errori offre enormi vantaggi sia durante la messa in servizio che durante il funzionamento di un sistema. Una rapida messa in servizio fa risparmiare tempo e denaro. In questo caso, è utile se le cause della scarsa qualità di lettura vengono identificate immediatamente. Durante il funzionamento, questo metodo permette una manutenzione predittiva. Ciò significa che se presto sarà necessario un arresto, i gestori dell’impianto possono prendere per tempo le misure adeguate e, per esempio, produrre ed esternalizzare in anticipo in modo da poter continuare a rifornire i loro clienti. In alcuni casi, i dati di più anni possono essere utilizzati per facilitare questo rilevamento precoce. Inoltre, il sistema impara continuamente. Pertanto, l’uso dell’AI è sempre utile quando si tratta di identificare rapidamente e in modo affidabile i fattori che interferiscono con l’identificazione dei codici a barre sui prodotti.



Contenuti correlati

  • Stampanti Rfid di Sato: adatte per etichette di qualunque forma e spessore

    Ottomila eventi in un anno, fornendo tavoli, sedie, divani, tovaglie, frigoriferi, forni, casse di bicchieri, piatti e posate con una movimentazione di 3.200.000 pezzi in un anno e un totale di 70.000 oggetti etichettati e identificati univocamente....

  • Sistemi di stoccaggio Matter più precisi e sicuri con le tecnologie Leuze

    Leuze è stata scelta da Matter per dotare la propria produzione di sistemi di movimentazione intralogistica e di stoccaggio di tecnologia di posizionamento. Leuze vanta infatti un predominio riconosciuto nello sviluppo e produzione di queste tecnologiche di altissima...

  • Vedrai completa l’acquisizione di Premoneo

    Vedrai, specializzata in soluzioni di Intelligenza Artificiale per le PMI, prosegue nel suo percorso di crescita nell’ecosistema italiano dell’innovazione acquisendo il restante 49% di Premoneo, di cui nel 2021 aveva già rilevato il 51%. La società, che...

  • Eupex
    Eupex, le eccellenze europee collaborano alla creazione di un ecosistema HPC

    E4 Computer Engineering conferma la sua vocazione alla ricerca e all’innovazione partecipando al progetto Eupex, finanziato dall’Unione Europea e teso alla creazione di un ecosistema europeo di calcolo ad alte prestazioni (HPC). Da tempo l’azienda italiana partecipa...

  • Altair Software Simulation
    Simulation 2022.2 di Altair migliora l’utilizzo in ambiente cloud

    Altair ha reso disponibile l’ultimo aggiornamento del proprio portafoglio di simulazione, Simulation 2022.2. Questi aggiornamenti si basano sui miglioramenti apportati da Simulation 2022.1 e migliorano l’elasticità e la scalabilità del cloud, l’elettrificazione e le capacità di sviluppo dei...

  • Integrazione MES: 6 vantaggi nel sistema logistico di fabbrica

    Il settore logistico di fabbrica, come altri, sta affrontando la transizione verso l’Industria 4.0. Per implementarne i paradigmi e le abilità occorre utilizzare e inserire nel sistema logistico strumenti hardware e software specifici. Infatti, bisogna tener presente...

  • Industria 4.0: E80 Group apre una nuova sede a Tokyo

    E80 Group, multinazionale italiana tra i più noti dell’ intralogistica a livello globale nello sviluppo di soluzioni intralogistiche su misura per fabbriche produttrici di beni di largo consumo, annuncia l’apertura del suo nuovo ufficio commerciale e di...

  • Un’indagine Juniper Networks conferma la necessità di una trasformazione sostenibile delle infrastrutture di rete

    Juniper Networks ha reso pubblici i risultati di una ricerca che dimostrano come, sebbene le policy per le implementazioni di infrastrutture di rete sostenibili vengano attualmente implementate in tutti i paesi dell’area EMEA, permanga un gap di conoscenze...

  • Nuova serie di moduli per telecamere da Innodisk

    Innodisk, attiva a livello globale nello storage di livello industriale e nelle periferiche integrate, ha recentemente annunciato il suo ingresso nel settore dell’IA. Poiché il 50% dello sviluppo dell’intelligenza artificiale di Innodisk è correlato al riconoscimento delle immagini, l’azienda...

  • Per adeguarsi all’AI Act, costi inferiori alle aspettative

    La maggiore regolamentazione imposta dal nuovo quadro normativo sull’Intelligenza Artificiale in Europa con l’AI Act comporterà un aumento dei costi di conformità per le PMI che sviluppano, utilizzano, importano e rivendono soluzioni di AI, dovute a diverse attività, dalla...

Scopri le novità scelte per te x