Menu
Friday, 24 Novembre 2017

Collaborativi e intelligenti

La partecipazione di tre importanti realtà attive nel campo dell’automazione industriale -  Universal Robots, Alumotion e Orobix - ha dato vita a un progetto dimostrativo che mostra le potenzialità dell’applicazione dei paradigmi di intelligenza artificiale ai più avanzati sistemi robotizzati di produzione. L’obiettivo è incrementare la flessibilità senza rinunciare agli standard di sicurezza.

di Giorgia Stella

 Settembre-Ottobre 2017

Cobot, AGV, intelligenza artificiale e sistemi di autoapprendimento. Tutti elementi di un ambiente produttivo che, in un futuro nemmeno troppo lontano, potrebbe diventare la realtà dell’industria manifatturiera. L’ha mostrato chiaramente un interessante progetto presentato nel corso di MecSpe 2017 e basato sulla collaborazione tra tre realtà importanti e complementari - Universal Robots, Alumotion e Orobix - che hanno contribuito alla realizzazione di una demo costituita da una stazione di kitting e una di assemblaggio. Il tutto rigorosamente automatizzato. In prima battuta, un AGV sul quale è stato installato un cobot UR3 di Universal Robots affianca una stazione di kitting, ricevendo da un UR5 i pezzi riconosciuti da un sistema di visione integrato al cobot. L’AGV si dirige quindi verso l’area di montaggio, dove un UR10 preleva i pezzi e li posiziona nella zona montaggio. Qui, due UR3 assemblano i componenti sfruttando sensori di forza, sistemi di visione e di intelligenza artificiale.

Collaborazione uomo/robot
“Quello che vogliamo far vedere è come le nuove tecnologie possano automatizzare operazioni che prima erano molto più complesse da automatizzare”, spiega Sergio Della Santina, responsabile tecnico di Alumotion. “In particolare, il robot che opera nel magazzino è gestito con una telecamera 3D che riconosce la presenza di persone ed è in grado di modificare in tempo reale il suo movimento per evitare il contatto. È un sistema basato, appunto, sulla previsione dell’eventuale contatto, che presuppone l’arresto del robot nel suo movimento programmato, l’introduzione su una nuova traiettoria che aggira la persona e quindi il ritorno sulla traiettoria precedente per completare il task assegnato. Nella parte della produzione, un robot preleva i pezzi dall’AGV, che nel frattempo lo ha informato del suo arrivo per mezzo di un sistema di visione, e li affida a un secondo robot che, nella demo, simula l’assemblaggio. Un terzo robot, che esegue l’aggancio di un PLC su barra DIN, è invece guidato da una rete neurale e ha imparato da solo a eseguire la stessa azione che, tradizionalmente, deve essere programmata da un operatore”. L’area dimostrativa appena descritta mostra come l’unione di tecnologie già esistenti - alcune di queste, come le reti neurali, provenienti da ambiti diversi - possa incrementare il livello di flessibilità della fabbrica, alleggerendo gli operatori da compiti gravosi e ripetitivi.

Apprendere dai dati di campo
Di intelligenza artificiale e sviluppo di reti neurali si occupa l’azienda bergamasca Orobix, nata nel 2009 e attiva nella costruzione di algoritmi che trasformano la ricchezza informativa dei dati provenienti dai processi produttivi in tool che attuano azioni, predicono fenomeni e supportano le decisioni. “Lavoriamo molto nel settore biomedicale. Il passaggio al manufacturing, però, è stato abbastanza naturale: c’è una grande necessità di sistemi che migliorino l’analisi qualitativa dei pezzi e ottimizzino i processi a partire dai dati”, racconta Pietro Rota, Presidente di Orobix. “Nel manufacturing lavoriamo con gli integratori sia in operazioni di retrofit di intelligenza artificiale su macchine esistenti sia, in alcuni casi, nella ricerca di soluzioni nuove”. L’applicazione delle tecniche di intelligenza artificiale trova terreno fertile nella natura stessa dei robot collaborativi, come spiega il CEO di Orobix, Luca Antiga. “I cobot sono programmabili come se fossero degli oggetti software. Questo ha abbattuto la barriera all’entrata, permettendoci di mettere in pratica soluzioni progettate per altri ambiti, come per esempio quello del gaming. Il comportamento di un robot collaborativo, in altre parole, può essere auto-appreso”.

Dalla programmazione tradizionale all’auto-apprendimento
Qual è, dunque, la differenza tra una programmazione tradizionale di un robot collaborativo e un percorso di auto-apprendimento? “Sono due concezioni nettamente diverse”, risponde Pietro Rota. “La programmazione tradizionale implica la presenza di qualcuno che “insegna” al robot a effettuare certi movimenti; il robot che segue un percorso di auto-apprendimento, invece, impara automaticamente una strategia di comportamento che parte dalla rilevazione delle informazioni sul campo - tramite sensori o sistemi di visione - e procede per tentativi. La chiave sta nei premi assegnati in fase di apprendimento che contribuiscono alla definizione di una strategia”. Il percorso di auto-apprendimento è meno complesso di quanto potrebbe sembrare se si pensa che, come spiegano gli specialisti di Orobix, per l’applicazione presentata in fiera il robot collaborativo ha concluso l’apprendimento della fase di aggancio del PLC sulla barra DIN in soli 30 minuti e con circa 80 tentativi. In futuro, conoscendo il sistema dei premi sopra descritto, non occorrerà una particolare specializzazione agli operatori per sovrintendere alla fase di apprendimento anche in contesti caratterizzati da forte incertezza. “Nello specifico dell’applicazione, un sensore di forza montato alla base della pinza invia un segnale di forza al software di gestione del robot, che comunica con un programma montato su un computer esterno, su cui gira una rete neurale abbastanza leggera. Sulla base dei dati raccolti dal sensore e dei premi che la rete neurale riceve per ogni mossa corretta, il sistema gestisce la presa del pezzo e il suo posizionamento per il fissaggio finale”, conclude Luca Antiga. Il processo di apprendimento descritto si chiama “reinforcement learning” e si caratterizza per una forte interazione con l’ambiente circostante e per un meccanismo di ricerca delle azioni migliori di tipo trial and error.

 

CASE STORIES

Collaborative and Smart

The participation of three major companies from the industrial automation sector - Universal Robots, Alumotion and Orobix - has created a demonstration project that shows the potential of applying artificial intelligence paradigms to the most advanced robotized production systems. The goal is to increase flexibility without sacrificing safety standards.

Cobots, AGV, artificial intelligence and self-learning systems. All elements of a production environment that, in a not too distant future, could become the reality of  the manufacturing industry. This was clearly shown by an interesting project presented at MecSpe 2017 and based on the collaboration between three important and complementary companies - Universal Robots, Alumotion and Orobix - which contributed to the creation of a demo made of a kitting station and an assembly station. All strictly automated. Initially, an AGV, on which a Universal Robots cobot UR3 was installed, is coupled with a kitting station, receiving the workpieces - detected by a vision system integrated with the cobot - from a UR5. The AGV then moves to the assembly area where an UR10 takes the pieces and places them in the assembly area. Here, two UR3 assembles the components by leveraging force sensors, vision system, and artificial intelligence.

Human/robot collaboration
“What we want to show is how new technologies can automate operations that were much more complex to automate before”, says Sergio Della Santina, Technical Manager at Alumotion. “In particular, the robot in the warehouse is managed with a 3D camera that detects the presence of people and is capable to change direction in real time to avoid contact. This system is based precisely on the prediction of any contacts, which presupposes the robot stop in its programmed motion, taking a new trajectory that circumvents the person and then returning to the previous trajectory to complete the task assigned. In the production stage, a robot takes the pieces from the AGV, which in the meantime has informed it of its arrival through a vision system, and gives them to a second robot that, in the demo, simulates assembly. A third robot, which connects a PLC to a DIN rail, is guided by a neural network and has learned to do the same task that normally has to be programmed by an operator”. The demonstration area described above shows how the combination of existing technologies - some of them, such as neural networks, from different areas - can increase the factory flexibility by relieving operators of heavy and repetitive tasks.

Learning from field data
Artificial intelligence and neural networks development are the core business of Orobix, Bergamo. The company was founded in 2009 and is active in the creation of algorithms that transform the wealth of information coming from production processes into tools that implement actions, predict phenomena, and support decisions. “We work a lot in the biomedical sector. The transition to manufacturing, however, was quite natural: there is a great need for systems that improve the qualitative analysis of the pieces and optimize processes from data”, says Pietro Rota, President of Orobix. “In manufacturing we work with integrators both in artificial intelligence retrofit operations on existing machines and, in certain cases, in finding new solutions”. The application of artificial intelligence techniques finds fertile ground in the very nature of collaborative robots, as the Orobix CEO, Luca Antiga, explains. “Cobots are programmable as if they were software objects. This has cut down the barrier at the entrance, allowing us to implement solutions designed for other sectors, such as gaming. The behavior of a collaborative robot, in other words, can be self-learned”.

From traditional programming to self-learning
So, what is the difference between a traditional programming of a collaborative robot and a self-learning process? “They are two distinctly different concepts”, says Pietro Rota. “Traditional programming implies the presence of someone who ‘teaches’ the robot to perform certain movements; on the contrary, the robot that follows a self-learning path automatically learns a behavioral strategy that starts from field information detection - through sensors or vision systems - and proceeds by trials and errors. The key lies in awarding prizes that contribute to the definition of a strategy”. The self-learning process is less complex than it may seem, if you think that, as the Orobix specialists explain, for the application presented at the fair, the collaborative robot learned how to connect the PLC to the DIN rail in only 30 minutes and with about 80 attempts. In the future, knowing the rewards system described above, operators will not need a particular specialization to oversee the learning stage even in highly uncertain contexts. “Specifically, a force sensor at the base of the gripper sends a force signal to the robot management software, which communicates with a program mounted on an external computer that runs a quite light neural network. Based on the data collected by the sensor and the rewards that the neural network receives for each correct move, the system manages the workpiece picking and positioning for the final fixing”, says Luca Antiga. The learning process described is called “reinforcement learning” and is characterized by a strong interaction with the surrounding environment and a mechanism that looks for the best trial and error actions.

 


Tre aziende per un progetto condiviso    
L’applicazione presentata all’ultima edizione della fiera Mecspe ha visto la partecipazione di ben tre realtà attive, ognuna con le proprie competenze, nell’ambito dell’automazione industriale. Universal Robots è un’azienda di riferimento nello sviluppo di bracci robotici collaborativi in grado di lavorare in tutta sicurezza al fianco dell’operatore senza protezioni perimetrali. Alumotion, distributore di Universal Robots per il mercato italiano, è una realtà specializzata nel supporto alle aziende interessate all’introduzione dell’innovazione tecnologica nei cobot. Orobix, con sede a Bergamo, è una società specializzata nello sviluppo di soluzioni di intelligenza artificiale, declinate in architetture capaci di raccogliere dati e apprendere autonomamente una strategia per risolvere un problema.

Three companies for a shared project    
The application presented at the last edition of the MecSpe fair saw the participation of three companies, each with their own expertise, active in the field of industrial automation. Universal Robots is a reference company in the development of collaborative robotic arms capable to work safely alongside the operator without perimeter protectors. Alumotion, a Universal Robots distributor for the Italian market, is a company specialized in supporting companies interested in introducing technological innovation in cobots. Orobix, headquartered in Bergamo, is a company specializing in the development of artificial intelligence solutions, designed in architectures capable of collecting data and autonomously learning a strategy to solve a problem.


 

Lascia un commento

Make sure you enter all the required information, indicated by an asterisk (*). HTML code is not allowed.

Torna in alto

Comunicazione tecnica per l'industria