Robotic Bin Picking

Quando si parla di Robotic Bin Picking, con ciò intendendo la presa di parti e pezzi da contenitori, ci si riferisce a una specializzazione della robotica di fondamentale importanza per i processi manifatturieri. Consente infatti di eliminare operazioni che, se svolte da lavoratori, non possono che essere noiose e monotone. Inoltre, in alcuni casi anche non esenti da rischi, garantendo come valore aggiunto l’accelerazione di attività che erano in passato ad alta intensità di manodopera.

Performance

Le performance massime del Robotic Bin Picking, in cui sono utilizzati robot con funzionalità specializzate spesso denominati come Pick and Place Robot, si hanno quando si riescono a garantire elevati livelli di affidabilità nel prelievo di tipo casuale. Questo, pur in continuo perfezionamento, non sempre è coerente con le aspettative dell’utente data la complessità di implementazione. Ma ci sono anche altre tipologie di picking adeguate a molteplici processi in termini di complessità, costi e tempi. Molto dipende dalle caratteristiche delle parti da movimentare. In generale, le parti meno problematiche sono quelle geometricamente simmetriche, senza caratteristiche fisiche particolarmente articolate. Inoltre, non troppo pesanti e possibilmente presentano superfici planari in tutti i loro orientamenti, facilitando la presa da robot.

Tecnologia

Oggi la tecnologia per le applicazioni robotiche di bin picking è radicalmente diversa da quella che era disponibile alcuni anni fa. Con le attuali soluzioni è possibile avere dei “pacchetti” economici e di rapida implementazione anche da parte di staff tecnici non particolarmente esperti in robotica.

Le diverse tipologie di picking

In generale, il bin picking può essere suddiviso in tre diverse categorie: Structured Bin Picking, Semi-structured Bin Picking e Random Bin Picking.

Structured Bin Picking

Il primo, picking strutturato, si riferisce ad applicazioni in cui le parti sono disposte secondo uno schema organizzato che ne facilita l’identificazione e il prelievo, con il supporto dato da sistemi di visione 2D.

Semi-structured Bin Picking

Il picking è invece semi-strutturato quando le parti sono posizionate con una qualche forma di organizzazione che, anche se minima, aiuta comunque a rendere meno complesso il prelievo.

Random Bin Picking

Infine, il picking casuale, quando le parti hanno posizioni completamente random, possono sovrapporsi e avere più orientamenti, rendendo le operazioni di prelievo particolarmente complesse. In questo caso è fondamentale l’impiego di tecnologie avanzate, quali l’imaging e l’analisi 3D, che però non sempre sono sufficienti per affrontare parti e pezzi impegnativi. A livello funzionale vi sono tre componenti che devono lavorare in modo sinergico: i sensori, il software e gli elementi di presa. Primario è il ruolo del software, per la definizione di algoritmi che, per esempio, evitino collisioni dei tool di presa del robot con i bordi dei cassoni e con altri oggetti. Ma in che modo il Robotic Bin Picking incide sui processi produttivi?

Vantaggi e criticità del Robotic Bin Picking

Per quanto intuibili, i vantaggi meritano un approfondimento. Prima di tutto la precisione: i Pick and Place robot possono essere variamente realizzati come portata e dimensionamento dei bracci, garantiscono ripetibilità costante e sono attrezzabili con tool estremamente precisi. Da ricordare che i robot sono per definizione flessibili in quanto programmabili a svolgere compiti diversi. Questa caratteristica, nello specifico del bin picking, garantisce un adattamento a forme e tipologie diverse di parti e pezzi. L’automazione delle operazioni di prelievo velocizza i tempi di ciclo delle lavorazioni con i robot che occupano un’area limitata, fattore importante per ottimizzare l’uso dello spazio a livello shop floor. Ciò comporta un incremento della sicurezza delle operations. Infatti, spostare determinate parti può essere senz’altro fisicamente impegnativo per un lavoratore ma anche pericoloso. Come spesso si dice con eccessivo entusiasmo, “i robot sono in grado di lavorare senza fare pause o commettere errori”. Infine, il risparmio sui costi: la precisione e l’affidabilità dei robot consentono un minor spreco di materiale e un uso più efficiente del tempo.

Considerazioni in ottica di maggior efficienza

A corollario di questi vantaggi, si possono fare altre considerazioni sempre in ottica di maggior efficienza. Per esempio, non è più necessario disporre manualmente in modo ordinato le parti da prelevare, posto naturalmente che il robot, come nel caso di un bin picking random, sia in grado di rilevarle anche se presentate in modo disordinato, liberando risorse per altri compiti. Un robot Pick and Place lavora più rapidamente di un operatore umano e questo impatta direttamente sulle operazioni a valle, che vanno organizzate in modo da tenere il passo con questo aumento di produttività. Questo è un fattore che va considerato e che potrebbe obbligare a predisporre una maggior automazione nelle fasi successivi dei processi, da cui investimenti aggiuntivi, eventualmente riferibili anche a potenzialità di diversificazione dei processi. Il bin picking può operare su linee di prodotto diverse, cambiando rapidamente senza interruzioni per alimentare più processi a valle.

Avvertenza

C’è poi un’avvertenza di cui tener conto: l’oggetto del prelievo, almeno teoricamente, può essere qualsiasi e in alcuni casi è indispensabile predisporre imballaggi “compatibili”, cioè prestare attenzione non tanto a una precisa disposizione quanto a un confezionamento coerente con la tipologia di picking in atto.

Visione 3D

I sistemi di visione 3D rappresentano una delle tecnologie abilitanti del Robotic Bin Picking. Non esiste però una soluzione “one size fits all”, in quanto l’applicazione, l’attrezzatura, il prodotto, l’ambiente e il budget sono elementi che incidono sulle scelte e sulle modalità di integrazione della visione nel processo. Inoltre, non esiste uno standard per impostare un imaging 3D real-time, ma piuttosto tecniche standard cui i progettisti possono far riferimento. Tra queste triangolazione laser, luce strutturata, tempo di volo (TOF), visione stereo.

Triangolazione laser

Nella triangolazione laser gli oggetti passano attraverso un raggio di luce emesso da uno scanner laser e una telecamera, posizionata secondo un determinato angolo, registra un’immagine della linea laser mentre l’oggetto passa distorcendo il raggio, creando un profilo dell’oggetto.

Luce strutturata

Nel caso della luce strutturata, in sintesi una fascia di luce viene proiettata su un oggetto creando un pattern, con telecamere che da diverse angolazioni sviluppano un’immagine 3D dell’oggetto dalle curvature della luce.

Tempo di volo

Diverso il principio alla base del tempo di volo: uno scanner laser ad alta potenza emette una luce che viene riflessa dall’oggetto verso il sensore di immagine di una telecamera, la cui distanza dall’oggetto viene calcolata in base al ritardo tra la luce trasmessa e quella ricevuta.

Visione stereo

Infine, la visione stereo: due telecamere registrano la stessa vista 2D di un oggetto da due diverse angolazioni. Il software, utilizzando la posizione delle due telecamere, confronta i punti corrispondenti nelle due immagini bidimensionali identificandone le variazioni per ottenere una vista tridimensionale. Passando alle applicazioni principali in ambito industriale, da citare ispezione e mapping, pick and place senza learning, pick and place con learning. In tutti questi casi si possono individuare tre “elementi” comuni: un input (la telecamera), un processore (sistema di elaborazione con relativo software), un output (il robot). Se telecamere e robot possono essere nei tre casi gli stessi, quello che fa la vera differenza è il software.

Intelligenza Artificiale

Tralasciando ispezione e mapping, i sistemi per pick and place senza apprendimento possono distinguere tra oggetti e sfondo in base a semplici caratteristiche. Tra queste forma, dimensione e colore. Le telecamere guidano il robot con feedback a loop chiuso, entro i parametri prescritti, con una pre-programmazione per un insieme fisso di oggetti e istruzioni. Il salto di qualità si ha quando interviene l’intelligenza artificiale, da cui sistemi di visione basati su deep learning, con l’apprendimento di caratteristiche indipendenti dai singoli oggetti per una generalizzazione ad ampio spettro. L’implementazione di soluzioni deep learning deve tener conto di tre elementi tra loro interconnessi: potenza di elaborazione, dati di qualità e specifici algoritmi, i cui output sono a tutti gli effetti le istruzioni eseguibili dai robot Pick and Place.

Il caso Random Bin Picking

Per decenni, i robot in ambienti controllati come le catene di montaggio sono stati in grado di raccogliere lo stesso oggetto più e più volte. Di recente, grazie a visione artificiale e software di controllo del movimento i robot possono fare distinzioni tra gli oggetti. Però, incontrano comunque difficoltà per forme complesse e deformabili, e per posizionamenti random. In questi casi il robot, raggiunto il contenitore, deve pianificare ed eseguire movimenti di prelievo diversi, decidendo come afferrare l’oggetto senza collisioni con altri lungo il percorso. La telecamera, per coordinare le azioni del robot, deve effettuare rapidamente, e il più possibile in real-time scanning, elaborazione e comunicazione dati. Le immagini devono essere chiare e precise per mostrare i minimi dettagli. E non esiste un algoritmo generale che possa garantire un percorso privo di collisioni, data la varietà dei possibili casi.

Sistemi “robot agnostic”

Per il più alto livello di affidabilità di un picking random va considerato un software di pianificazione del percorso in tempo reale. L’obiettivo è prendere in considerazione la posizione di un pezzo, i pezzi circostanti, l’end effector finale, il robot, il contenitore, il target di posizione e l’ambiente circostante. Un trend interessante è quello dei sistemi “robot agnostic”. Alcune aziende propongono infatti sistemi bin picking indipendenti dai robot che saranno utilizzati, impiegabili quindi con molti tipi di macchine e telecamere 3D sul mercato. In sintesi, si tratta dell’equivalente di kit di sviluppo, da intendersi sia come strumento di progettazione sia come librerie di runtime, per supportare l’implementazione di unità di rilevamento e pianificazione e semplificare applicativi per attività robotiche anche complesse. Le librerie prevedono moduli software per scansione, rilevamento, pianificazione.

Approccio “robot-mounted 3D camera

Altro trend da considerare riguarda il montaggio di una telecamera 3D direttamente sul braccio del robot, a differenza del più usuale montaggio a parete o soffitto che ha l’indubbio vantaggio di non avere limitazioni come peso e dimensione del sistema di visione. Ma l’approccio “robot-mounted 3D camera” può dare interessanti benefici anche se intervengono considerazioni progettuali non banali dovendo rivolgersi a specifiche tipologie di telecamere. Prima di tutto si ha un imaging più “immersivo” che consente l’acquisizione di maggiori dettagli da angolature diverse. Inoltre, l’eliminazione di eventuali “blind spots” come può avvenire con le telecamere a montaggio fisso. L’uso di una telecamera unica che si sposta con il braccio robotico comporta un risparmio. Infatti, non servono più telecamere multiple per acquisizione immagini da posizioni diverse. L’approccio è di fatto più flessibile non dovendone più studiare la collocazione e la calibrazione ottimale, in quanto sostituite dall’abbinamento arm-camera.

Paolo Gandolfo

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here