Le aziende manifatturiere italiane, impegnate nell’automazione di fabbrica, sono spesso chiamate ad affrontare un problema di rilievo: come identificare e localizzare i componenti con codice a barre, rilevare il testo all’interno di immagini digitali, riconoscere i modelli, rilevare i difetti sul prodotto e guidare robot? E soprattutto, come fare tutto ciò con la precisione, la qualità, e la velocità richieste dal mercato? Sempre più, occorrono sistemi di visione dotati di machine learning e deep learning: grazie a queste tecniche di intelligenza artificiale, infatti, si possono scorgere particolari invisibili all’occhio dell’operatore, e misurare e tracciare con sicurezza tutti i beni in transito nella linea di produzione. Lo sa bene Datasensing di Modena, legal entity al 100% di proprietà del Gruppo Datalogic, che rappresenta un primato italiano a livello internazionale: è leader globale nei settori dell’acquisizione automatica dei dati e dell’automazione di fabbrica; ed è, in particolare, il campione mondiale dei codici a barre. Datasensing, invece – con 85 milioni di fatturato e 300 dipendenti in Italia- si occupa di machine vision, di sensori e di safety & guidance.
Datalogic è l’unico player sul mercato in grado di fornire una gamma completa di prodotti e soluzioni che accolgono tecnologie per l’automazione e delle soluzioni digitali al servizio della trasformazione dell’industria. Il Gruppo, 655 milioni di euro di fatturato e 3mila dipendenti, è guidato dal presidente Romano Volta e dal Ceo Valentina Volta. Ha sede principale a Bologna ma fabbriche e impianti un po’ dovunque nelle principali aree geografiche; la produzione si svolge sia in Italia che in Vietnam e in Ungheria. L’azienda è specializzata nella progettazione e produzione di lettori di codici a barre, mobile computer, sensori per la rilevazione, misurazione e sicurezza, Rfid, sistemi di visione e marcatura laser. Non a caso, l’anno scorso Datalogic ha acquisito Pekat Vision, azienda che sviluppa algoritmi di deep learning.
Tornando a Datasensing, questa ha realizzato il sensore di visione intelligente Smart-VS+, che risolve applicazioni di presenza assenza, orientamento e corretto assemblaggio grazie al machine learning. Ed è caratterizzato dalla semplicità di utilizzo, di configurazione e di installazione – così come richiede il mercato. Ne abbiamo parlato con Michele Leoni, product marketing manager di Datasensing.
D: Cos’è esattamente Datasensing? Come si inquadra la sua attività nel contesto dell’automazione di fabbrica portata avanti dal Gruppo Datalogic?
R: Di cosa si occupa Datasensing? Anzitutto di machine vision, e quindi di telecamere intelligenti, telecamere industriali e processori di visione adatti per leggere codici a barre o caratteri (Ocr), riconoscere modelli, rilevare difetti e localizzare parti, guidare robot, controllare linee di assemblaggio e produzione. In secondo luogo di sensori fotoelettrici, induttivi, capacitivi e ultrasonici – che sono indispensabili nell’automazione industriale per rilevare la presenza di oggetti o parti, verificarne l’integrità o il corretto montaggio, misurarne le dimensioni, distanza o posizionamento. E infine di safety & guidance, e quindi di barriere fotoelettriche di sicurezza e scanner laser – che sono obbligatori per la protezione dell’operatore in aree pericolose, impianti o macchinari, celle robotizzate e Agv (veicoli automatizzati, utilizzati principalmente in campo industriale per la movimentazione di prodotti all’interno di uno stabilimento; Ndr). E in aggiunta Lidar che offrono funzioni di guida, navigazione e posizionamento. Datasensing deriva dall’acquisizione di una importante azienda, M.D. Micro Detectors, che ha sviluppato sensori sul mercato nazionale e internazionale dal lontano 1971.
D: Quali settori industriali sono maggiormente interessati ai prodotti Datasensing?
R: Direi che sono molti i settori industriali interessati ai prodotti Datasensing: il packaging, la ceramica, il farmaceutico, il tabacco e l’intralogistica, ad esempio. Non a caso, si tratta di comparti ben rappresentati in Emilia Romagna; ma anche l’automotive, l’elettronica, il tessile, la lavorazione del legno e il metal working.
D: Quali sono le sfide, cosa chiede il mercato?
R: La sfida principale che notiamo è l’esigenza di rendere i processi più flessibili, e al tempo stesso efficienti; la tendenza è quella di produrre lotti più piccoli che in passato, e con una forte focalizzazione sulla personalizzazione. La nostra tecnologia svolge una funzione abilitante in questo contesto, grazie alla connettività, alla configurabilità e alla semplicità di utilizzo, a prescindere dal fatto che si tratti di una fotocellula o di un più complesso sistema di visione. Puntiamo peraltro su interfacce intuitive, che non richiedono particolari competenze tecniche; e investiamo molto sulle caratteristiche di prodotto appena descritte. In una parola: usabilità. Direi che oggi si realizzano prodotti più intelligenti, per rendere più semplice il lavoro di chi deve installarli.
D: Come saranno i sistemi di visione del futuro?
R: In questo campo i trend sono quelli dell’intelligenza artificiale e del deep learning. Non a caso, a marzo del 2022, Datalogic ha acquisito Pekat Vision, azienda della Repubblica Ceca (con sede a Brno) fondata da Petr Smid che ha sviluppato algoritmi proprietari che utilizzano il machine learning per l’automazione dei processi nei settori manufatturiero e del trasporto e logistica, con un ulteriore potenziale per la gestione di applicazioni in ambito retail; questo set di algoritmi può essere adattato in diversi ambiti applicativi, tra cui i sistemi di visione, ed è compatibile con differenti dispositivi e piattaforme, nonché con l’hardware di Datalogic. L’idea è quella di arricchire l’offerta con soluzioni all’avanguardia e facilmente integrabili, da proporre alle aziende clienti di tutte le industry. Questa tecnologia, ha infatti molte potenzialità relative a diversi prodotti, non solo ai sistemi di visione, ma anche ai codici a barre; e ciò non solo per ottimizzare le performance di lettura, ma anche per creare dei dispositivi intelligenti che si auto configurano. Quali sono, dunque, i benefici? Anzitutto, quello di rendere possibili applicazioni non realizzabili con i comuni sistemi di visione artificiale; si pensi alle ricerche dei difetti nell’alimentare: in questo campo, c’è una grandissima variabilità di prodotto, e quindi un approccio con algoritmi tradizionali è molto complesso, se non impossibile. Noi invece sviluppiamo software in grado di risolvere questa complessità e di farlo con relative velocità e semplicità. Credo che la strada sia questa.
D: Che cos’è, esattamente, il sensore Smart-VS+?
R: È appunto un sensore di visione intelligente che adotta le tecniche di AI – con impostazione assistita da machine learning – per risolvere delle applicazioni semplici: presenza assenza, orientamento, corretto assemblaggio. Pur integrando un imager al suo interno, l’approccio alla configurazione è quello tipico di una fotocellula. Cliccando su un pulsante si possono acquisire immagini di prodotti buoni e di scarti: il sensore successivamente si setta in automatico e non richiede alcun tipo di programmazione. Si mostra al sistema cos’è buono e cos’è scarto, ed è fatta: in questo modo, si avvicina la tecnologia agli utilizzatori. Non c’è bisogno di installatori qualificati. Il sensore gestisce più immagini e più funzionalità di connettività. Dispone di un controllo elettronico della messa a fuoco e il tempo di risposta deterministico può scendere fino a 20 ms.
D: Che cos’è invece SH4? Quali esigenze industriali serve a risolvere?
R: Si tratta di una linea completa di barriere fotoelettriche di sicurezza, che costituiscono una parte rilevante del business. È in grado di rilevare la presenza dell’operatore e di intervenire sulla macchina, fermandola per evitare infortuni. Tipicamente SH4 viene implementata lì dove sono presenti dei varchi. Per la migliore protezione di ingressi, punti pericolosi e aree pericolose, la linea SH4 offre modelli con risoluzione dito, mano e corpo, tutti basati su un design compatto e connettori standard, al fine di ridurre al minimo i costi di installazione e manutenzione, ridurre i tempi di consegna e garantire la migliore qualità. Forse l’aspetto più interessante è la configurabilità tramite Wi-Fi. In pratica, con un App su smartphone o PC si entra in un’interfaccia grafica da remoto e si parametrizza il sistema. Senza hardware aggiuntivo o complicate connessioni: siamo i primi ad aver realizzato questa soluzione, a livello mondiale.
D: Che cos’è invece Matrix 320 5MP? Quali sono i vantaggi di questa soluzione?
R: Questa invece è una soluzione di Datalogic; ed è il modello più performante della famiglia Matrix di lettori di codice a barre. 5MP sta infatti per 5 Mega Pixel, con riferimento alla elevata risoluzione del sistema, che si pone al top di gamma fra gli strumenti dello stesso tipo. Offre grandi prestazioni, anche su aree grandi. Matrix 320 5MP viene utilizzato tipicamente nel fine linea e nell’intralogistica. Nelle isole di lavoro manuali, invece, il vantaggio più importante è che il codice può essere letto dal sistema senza che l’operatore sia costretto ad utilizzare un lettore manuale potendo quindi disporre di entrambe le mani libere. Grazie alla modalità continua ad alta potenza, l’illuminatore non genera alcuno sfarfallio risultando quindi sicuro per gli occhi degli operatori. Matrix 320 5MP, oltre ad avere tutte queste caratteristiche, è anche dotato di un’elevata profondità di campo (Dof), indipendentemente dalla selezione della messa a fuoco.
D: Quali sono i pillar della strategia di crescita di Datasensing?
R: Datasensing intende differenziarsi sul mercato offrendo un prodotto semplice da configurare; ma che al contempo disponga di un alto contenuto innovativo. A nostro avviso, è questa la chiave del successo nel nostro campo, perché è esattamente ciò che chiedono le aziende clienti.
D: Ci sono dei mercati nei quali vorreste penetrare come Datasensing?
R: Naturalmente, l’obiettivo di Datasensing è quello di far leva sulle proprie armi principali, e quindi di consolidarsi ulteriormente sui mercati di riferimento; ma puntiamo a crescere ancora nell’intralogistica, ad esempio con i laser scanner di sicurezza e i Lidar per gli Agv. È un settore molto interessante. Poi, come si è detto, intendiamo incrementare la nostra presenza nel campo delle tecnologie di visione grazie al deep learning.
