I ricercatori di questo studio propongono di introdurre un sistema di visione basato su videocamere in grado di elaborare le immagini per tenere traccia delle movimentazioni di materiale in magazzino. Per dimostrare la fattibilità e valutarne i vantaggi gli autori della ricerca utilizzano un caso studio realistico applicando il sistema di visione artificiale su un magazzino in Thailandia in cui la lamiera viene prelevata per la produzione di frigo commerciali.
Nell’era dell’innovazione tecnologica, l’Industria 4.0 e i Big Data hanno catalizzato una trasformazione senza precedenti nel settore manifatturiero. L’interconnessione dei processi produttivi, la raccolta e l’analisi dei dati in tempo reale stanno rivoluzionando la produzione industriale, aprendo nuove opportunità e consentendo alle aziende di raggiungere livelli di efficienza, flessibilità e produttività mai sperimentati prima.
La Quarta Rivoluzione Industriale rappresenta un concetto chiave per la trasformazione delle fabbriche tradizionali in ambienti altamente tecnologici e interconnessi.
Integrando sistemi evoluti ed innovativi, Industria 4.0 mira a creare una produzione “intelligente” in grado di rispondere rapidamente alle esigenze del mercato e ottimizzare l’utilizzo delle risorse. In questo contesto, i Big Data giocano un ruolo fondamentale. Il costante aumento della quantità di dati generati dai dispositivi connessi e dai processi industriali, insieme alla capacità di estrarre informazioni significative da questo mare di informazioni è diventata una leva strategica per le aziende manifatturiere.
L’analisi dei Big Data permette di ottenere una panoramica completa e dettagliata ad ampio spettro nella catena di produzione: dall’approvvigionamento delle materie prime fino alla distribuzione dei prodotti finiti.
Nel settore manifatturiero è necessario gestire quotidianamente l’inventario. L’importanza di questa gestione è data dal diretto impatto sui costi delle attività e sulla possibilità di rispondere alla domanda. Se da una parte mantenere un magazzino molto rifornito può risultare in un costo eccessivo, dall’altra parte un magazzino insufficiente provoca il rischio di mancanza di prodotti che può ritardare o fermare la produzione scontentando il cliente.
Per sconfiggere l’incertezza d’inventario è necessario prevedere un accurato processo di conteggio del materiale, riducendo così i costi, la perdita di materiale e i furti. Inoltre, un sistema di monitoraggio affidabile del magazzino assicura un’elevata accuratezza nei bilanci: questione cruciale in caso di audit per rispondere a normative e standard. Il conteggio dei materiali è una delle attività principali nel sistema di gestione dell’inventario.
Risulta quindi fondamentale tenere accuratamente traccia di tutte le movimentazioni. Solitamente questa è un’attività effettuata manualmente da un operatore che può sbagliare a causa della ripetitività e della stanchezza.
Diverse tecnologie sono oggi disponibili per superare questi problemi (e.g. RFID, codici a barre, …), tuttavia si tratta di tecnologie invadenti che richiedono un significativo cambio del processo. I ricercatori propongono invece di introdurre un sistema basato su videocamere (sfruttando anche semplicemente quelle di sorveglianza) in grado di elaborare le immagini per tenere traccia delle movimentazioni di materiale.
Computer vision
La tecnologia di visione artificiale è un ramo dell’intelligenza artificiale che insegna ai computer a comprendere ed interpretare informazioni in forma visiva. Il punto di partenza sono immagini digitali provenienti da videocamere. Il vantaggio principale di questa tecnologia è dato dalla flessibilità della soluzione: a differenza di sensori specifici le immagini possono essere analizzate per diversi scopi (es. rilevamento dei volti, controllo qualitativo, …).
Le camere sono spesso già installate negli ambienti lavorativi e generalmente richiedono meno configurazioni rispetto a sensori specifici. Inoltre, grazie ad un continuo incremento delle potenze di calcolo dei computer, è ora possibile implementare algoritmi di visione artificiale più complessi ed evoluti in grado, in questo specifico caso, di contare i materiali utilizzati in ambiente produttivo.
Problema aziendale
Per dimostrare la fattibilità dell’idea proposta e valutarne i vantaggi nella pratica quotidiana gli autori della ricerca utilizzano un caso studio realistico. Il sistema di visione artificiale viene quindi applicato su un magazzino in Thailandia in cui la lamiera viene prelevata per la produzione di frigo commerciali.
Le fasi del processo (Figura 1) sono le seguenti: (1) gli operatori entrano nell’area di magazzino con il carrello, (2) gli operatori prelevano la lamiera dalla zona di deposito, (3) la lamiera viene posizionata sul carrello e (4) gli operatori lasciano l’area con il carrello. Le fasi 2 e 3 possono essere ripetute diverse volte in base a quante lamiere sono prelevate.
Inoltre, è possibile che le lamiere vengano prelevate da diverse aree di deposito inquadrate dalla stessa camera.
Monitoraggio intelligente
Il sistema di visione artificiale per monitoraggio intelligente del magazzino è stato implementato tramite la libreria “OpenCV” che integra diverse soluzioni software per la elaborazione di immagini. La prima fase è quella di definizione delle aree di stoccaggio da cui possono essere prelevati i materiali (Figura 2).
Il secondo passo è quello di individuazione del carrello poiché, per ogni prelievo di materiale, deve entrare in gioco un carrello. Per questo scopo è stato adattato un sistema di intelligenza artificiale in grado di identificare il mezzo e tracciarne la posizione. L’algoritmo controlla se il carrello è parcheggiato verificando che esso non si sposti tra diversi frame del video.
Se il carrello è parcheggiato viene monitorato vicino a quale area di stoccaggio si trova. L’area più vicina viene considerata quella da cui viene recuperato il materiale (come visibile in Figura 2). La fase successiva è quella di identificazione del carico della lamiera sul carrello. Questa fase, di risoluzione piuttosto complessa dal punto di vista tecnico, è stata assolta sfruttando i riflessi di luce sulla superficie della lamiera.
Durante la movimentazione si può notare un aumento dell’intensità luminosa riflessa dal materiale che permette di identificare sull’area del carrello il posizionamento di una nuova lamiera. Le informazioni di movimentazioni così raccolte sono poi registrate in forma tabellare insieme ad un riferimento temporale per permettere di avere una sintesi delle movimentazioni effettuate a magazzino.
I risultati
L’intero processo di visione artificiale per il monitoraggio dei flussi di magazzino (Figura 3) è stato implementato su un computer commerciale che potrebbe gestire il video in tempo reale. Il sistema è stato valutato utilizzando le registrazioni di 7 giorni di lavoro (168 h). Le performance del sistema sono particolarmente interessanti poiché su 45 movimentazioni è stato riscontrato solo un errore.
In quel caso specifico sono stati conteggiati dal sistema di visione artificiale 3 lamiere prelevate invece delle 2 reali. Questo errore è però dovuto ad una procedura non standard degli addetti che hanno ruotato la lamiera durante la fase di recupero. Questa manovra inusuale ha causato un doppio conteggio da parte del sistema di monitoraggio autonomo.
I sistemi di visione artificiale hanno la potenzialità di aiutare la trasformazione digitale dell’industria automatizzando diverse operazioni solitamente effettuate manualmente. I sistemi intelligenti permettono di classificare o individuare movimenti dei materiali anche senza grandi impatti sul processo, ma semplicemente analizzando in maniera evoluta le immagini già disponibili dalle videocamere.
Questo permette agli umani di concentrarsi su altri compiti meno ripetitivi ed alienanti, in grado di portare maggior valore aggiunto. Il sistema di visione artificiale può invece adattarsi e specializzarsi ad assolvere a questi compiti ripetitivi offrendo una reportistica accurata e in tempo reale per il reparto di pianificazione della produzione.
Fonte: Ji, J., Pannakkong, W., & Buddhakulsomsiri, J. (2023). A computer vision-based system for metal sheet pick counting. Computers, Materials & Continua, 75(2), 3643–3656. https://doi.org/10.32604/cmc.2023.037507
