La completa trasparenza in tempo reale nell’intralogistica richiede una digitalizzazione continua dei processi dei flussi di materiali dal ricevimento merci alla spedizione. È importante raccogliere, valutare e trasformare i dati in informazioni lungo le catene di processo.
A tal proposito Sick presenta nuove soluzioni complete incentrate sull’intralogistica digitalizzata. Una tra queste è sicuramente il Master Data Analyzer Vision, per il rilevamento automatizzato dei dati principali dei colli in ingresso al ricevimento merci. I dati relativi ai colli in ingresso vengono digitalizzati (manualmente o automaticamente) e possono poi essere integrati e documentati grazie anche all’utilizzo della soluzione software Automated Goods Receipt (Agr) e gestiti direttamente all’interno dei processi di logistica automatizzati.
Lo stesso vale per la classificazione automatica di trasportatori di merci come pallet con l’ausilio del Pallet Classification System (Pacs). Un’ulteriore particolarità che Sick propone è l’Asset Analytics. Con l’ausilio delle informazioni di localizzazione di asset intralogistici, Asset Analytics consente di visualizzare, valutare e ottimizzare i processi di flussi di materiale e, tramite Process Mining, di ottenere maggiore efficienza, disponibilità e redditività.
Più trasparenza ed efficienza al ricevimento merci
Entrando maggiormene nel dettaglio, Master Data Analyzer Vision è in grado di rilevare, nell’arco di pochi secondi, le dimensioni, il peso e il relativo codice a barre 1D o 2D del collo consegnato.
Allo stesso tempo Master Data Analyzer Vision acquisisce anche un’immagine a colori in 3D. Questo grazie all’utilizzo di una camera 3D stereo a luce strutturata e di una camera IP, in modo da documentare anche visivamente lo stato della spedizione.
In questo modo, Master Data Analyzer Vision crea una copia digitale di qualsiasi articolo in ingresso contenente tutti i dati fondamentali, che possono essere utilizzati nei processi automatizzati di gestione flusso di materiale e nei sistemi Erp.
Intralogistica digitale, via alla classificazione automatica di pallet
Con il sistema di classificazione pallet, basato sugli algoritmi deep learning (Pacs) di Sick, i clienti possono automatizzare il processo, finora complesso e manuale, relativo alla classificazione e distinguere così i pallet destinati allo smaltimento e quelli riutilizzabili. Questo consente di risparmiare sui costi, aumentando nel contempo la trasparenza nell’ambito della gestione. Inoltre, il sistema basato su algoritmi di Deep Learning fornisce informazioni sui pallet in circolazione.
Il Pacs è un sistema modulare costituito da una combinazione di componenti hardware e software realizzati da Sick. A seconda dei
requisiti, si utilizzano una o più telecamere 2D a colori (midCam) per la registrazione delle immagini. La Sensor Integration Machine (SIM1012) provvede all’elaborazione e analisi dei dati acquisiti, all’esecuzione della rete neuronale appresa, nonché alla comunicazione all’unità di controllo.
Gli utenti possono effettuare autonomamente l’apprendimento della rete neurale mediante il servizio Web dStudio, parte del Sick App Space Eco-System, anche senza conoscenze approfondite di programmazione o elaborazione dell’immagine nell’ambito dell’apprendimento meccanico. Dopo l’apprendimento con immagini rappresentative, il sistema può effettuare automaticamente la classificazione direttamente tramite SIM1012 e gli algoritmi di intelligenza artificiale creati. Inoltre, è possibile aggiungere in modo
semplice e rapido nuove classi di oggetti.
Process Mining con Asset Analytics
Soluzioni di localizzazione come Tag-Loc-System di Sick o la soluzione Track&Trace smaRTLog, sviluppata da Sap, forniscono una pluralità di informazioni digitali sul flusso di materiale, come dati di localizzazione di prodotti, veicoli di trasporto o mezzi ausiliari, il loro tempo di sosta e la registrazione dei percorsi. È anche possibile creare delle geo zone virtuali per una più facile gestione delle informazioni.
La piattaforma software Asset Analytics di Sick mette a disposizione le informazioni di localizzazione ad applicazioni esterne, per eventuali ulteriori analisi. Lo scopo del process mining è di analizzare statisticamente la cronologia e le varie interdipendenze dei dati intralogistici, in modo da calcolare l’efficienza del processo ed evidenziare eventuali punti critici. Bisogna cercare di ottenere maggiore
efficienza, redditività e sicurezza di processo, per poter, ad esempio, ottimizzare la gestione delle scorte o la qualità di fornitura.
Asset Analytics supporta numerose tecnologie e applicazioni IT, che vengono utilizzate in relazione a progetti di digitalizzazione nel flusso di materiale. Oltre al Process Mining e alla digitalizzazione, Asset Analytics consente, mediante una gestione eventi in tempo reale e azioni definite dagli utenti, di effettuare ottimizzazioni anche durante il funzionamento.