Siemens ed Epf alleate per la Machine vision applicata ai controlli di qualità - Industry 4 Business

Computer Vision

Siemens ed Epf alleate per la Machine vision applicata ai controlli di qualità

La società piemontese utilizza la tecnologia di visione artificiale per il proprio ecosistema di controllo qualità applicato al monitoraggio della produzione di una fabbrica di componenti per freni. Il Ceo Franco Filippi: “L’AI può rilevare difetti mai catalogati”

27 Ott 2020

Antonello Salerno

Integrare la machine vision, cioè l’intelligenza artificiale applicata all’analisi automatica delle immagini riprese da una fotocamera, all’interno delle linee di produzione, più nello specifico nell’ambito dei controlli di qualità. E’ la sfida da cui parte il progetto di collaborazione tra Siemens ed Epf, società piemontese di Carrù, nelle Langhe, nata nel 1961 e oggi arrivata a specializzarsi in robotica e sviluppo software, con tre rami principali: automazione, energia e stampaggio plastico, settore quest’ultimo in cui è distributore ufficiale e service partner di Toshiba Machine, oggi nota come Shibaura Machine.

La partnership con Siemens era già avvitata da tempo, ma la possibilità di esplorare una nuova frontiera di questa alleanza, ha da subito interessato il Ceo di Epf, Franco Filippi: “In questo periodo in cui le tecnologie di AI si stanno delineando come strumenti efficaci per l’inserimento sulle linee – afferma – venire a conoscenza che Siemens stava sviluppando una soluzione innovativa in tal senso ha fatto scattare il nostro interesse. Volevamo essere i primi ad utilizzare questa tecnologia sui nostri impianti”.

Franco Filippi CEO di EPF e nello sfondo la Smart Feeder che utilizza la S7-1500 TM NPU

“La nostra mission aziendale – prosegue Filippi – è integrare l’Intelligenza Artificiale all’interno del nostro ecosistema. Siamo andati a cercare nuove soluzioni sul mercato perché volevamo approfondire le potenzialità nel settore della Machine VisionEpf ha una cultura specifica su queste tecnologie grazie al team di sviluppatori software, ma avevamo bisogno di un hardware industriale in grado di risolvere problematiche legate in particolare al controllo qualità sulla linea. Per controllo di qualità, mi riferisco ai controlli visivi che con tecniche tradizionali non è possibile eseguire. Pensiamo al riconoscimento di difetti, o all’orientamento di componenti o ai sistemi di packaging di prodotti tutti diversi come può essere la frutta. La flessibilità è il vantaggio più importante che porta una soluzione tecnologica di AI”.

La partnership si è così orientata alla realizzazione di una macchina che fosse in grado di riconoscere in modo automatico componenti di prodotti o di rilevare anomalie. Nel caso specifico della prima esperienza che ha visto in campo quest’alleanza si è trattato di eseguire controlli di qualità a valle di una linea di assemblaggio di pastiglie freno, alla fine del processo produttivo.

Durante il trasferimento delle pastiglie dalla cella di assemblaggio a quella di confezionamento, del cosiddetto packaging, la macchina è in grado di eseguire ispezioni visive automatiche assicurando il soddisfacimento delle specifiche prescritte dal produttore, ad esempio rispetto alla qualità del materiale di attrito

Primo piano sul quadro elettrico con il PLC S7-1500 e il Modulo S7-TM NPU
WHITEPAPER
Data warehouse nel cloud. Come affrontare con successo il percorso di modernizzazione?
Big Data
Cloud

“L’utilizzo delle innovative soluzioni software di Epf e del modulo Simatic S7-1.500 Tm Npu di edge computing di Siemens  – spiega Filippi – ha permesso di soddisfare la necessità del nostro cliente, portando a bordo linea le più avanzate tecnologie e permettendo di ottenere prodotti di qualità ed affidabilità crescenti. Siamo arrivati quindi ad adottare la scheda Simatic S7-1500 Tm Npu (Neural Process Unit) di Siemens. Per noi è unica, grazie alla sua doppia anima: una con Dna Ot, essendo collegata direttamente al Plc S7-1500 tramite il bus di backplane e l’altra con Dna It grazie anche all’integrazione con piattaforme di sviluppo di algoritmi di reti neurali come Tensorflow. Il nostro ecosistema è già fatto di tecnologie Siemens, questo prodotto è facile da integrare nella nostra piattaforma attraverso il Tia Portal. Abbiamo ora una piattaforma integrata nel nostro ecosistema di sviluppo aziendale. Il vantaggio ulteriore è che abbiamo portato queste tecnologie a bordo macchina”.

Grazie a questo sistema l’intelligenza artificiale garantisce al robot di riconoscere oggetti e relative classi di appartenenza non noti a priori, grazie a un preventivo addestramento della rete neurale, che raccoglie e sfrutta tutta la relativa esperienza. “Il vantaggio per i nostri clienti è la disponibilità di macchine più robuste e adattabili, che rispondono ad esigenze di controllo di qualità – sottolinea Filippi – L’AI può rilevare difetti mai catalogati. Anche in termini di addestramento del modello, posso affermare che questa soluzione implica tempi di sviluppo inferiori rispetto alle soluzioni sviluppate con algoritmi tradizionali. L’addestramento è stato fatto con risorse interne formate allo scopo”.

Processo automatico di acquisizione dell’immagine della pastiglia frenante fatta con telecamera Ethernet standard

“Il progetto di computer vision realizzato con Epf è strategico, abbiamo infatti avuto la possibilità di collaborare con un’azienda che oltre ad avere forti competenze di automazione è anche focalizzata sulle tecnologie emergenti tipiche del mondo IT come machine learning ed edge computing – conclude Davide Maffei, Technical Sales Support Professional Edge & AI di Siemens – La strategia di Siemens per rendere l’AI una tecnologia a servizio dell’industria è molto più ampia e ha l’obiettivo primario di rendere semplice, robusta ed affidabile l’integrazione della AI con l’automazione. Grazie al nostro nuovo Industrial Edge, infatti, è possibile già da ora sfruttare la flessibilità e scalabilità della piattaforma e implementare algoritmi sviluppati ad hoc. Ciò permette di migliorare processi delle macchine ed impianti, a partire dai campi della robotica, efficientamento energetico, manutenzione predittiva e anomaly detection“.

@RIPRODUZIONE RISERVATA

Articolo 1 di 4