Scopri Polaris

Compliance & Certificazioni

Brand page

Artificial Intelligence

Trasformazione Digitale

Approfondimenti

Digital twin

Simulation

IoT

Big Data

Advanced Manufacturing

Additive Manufacturing

Cyber Security

Industria 4.0

Augmented Reality/Virtual Reality

Potenziare la catena del valore

Agricolture 4.0

Polaris

Ageria

Deepclever

Strategy

Software Aziendali

The Polaris AI Team

Change Management

Finance Consulting

Infrastructure Services

Zero Based Mindset

Supply Chain

Filiere

Meccanica
Tessile
Plastica

Strategies & Decision Making

Mechanical Advanced Analytics SaaS
Energy Platform

Advance Planning

Mechanical Advanced Planning & Scheduling SaaS
Mechanical Warehouse Operation SaaS

Execution

Mechanical IoT Platform SaaS
Platform Mechanical Innovation GO SaaS

Operation Technology

Infrastructure Services

Livelli di interazione

Additive Manufacturing

Tabella dei contenuti

Fisica

(physical Human-Robot Interaction, pHRI): laddove avviene scambio diretto di energia tra operatori umani e agenti robotici, ad esempio nella manipolazione congiunta e nel contatto (intenzionale o accidentale). Esempi di tale modalità comprendono:

la programmazione intuitiva (lead-through programming) in cui un manipolatore viene addestrato accompagnando il movimento, fisicamente guidando il manipolatore lungo traiettorie, da ripetere in autonomia successivamente;
la manipolazione concorrente di stesse parti (material handling) per grossi carichi o posizionamenti particolari;
la possibilità di limitare/fermare il moto o l’esecuzione di task automatici ostacolando direttamente il manipolatore per motivi intenzionali o per interventi di emergenza;

Funzionale

laddove l’organizzazione dello spazio produttivo preveda una concorrenza di attività tra operatore umano e robotico. La collaborazione può assumere modalità seriali (passi di workflow produttivo alternati tra robot/operatore) o parallele (operazioni indipendenti congiunte a determinati passi). Nel caso di compiti condivisi, questi devono essere necessariamente svolti in collaborazione al solo scopo di raggiungere la massima efficacia ovvero nei casi in cui la semplice sostituzione dell’operatore non dia valore aggiunto o il processo non sia conseguibile altrimenti. Esempi includono casi specifici di assemblaggio, in cui il robot co-manipola parti di dimensioni ampie o predispone guide/ausili al montaggio. Nel caso di processi paralleli, l’organizzazione dello spazio di lavoro condiviso (workspace sharing) si avvale invece di tecnologie di ripianificazione del moto (collision avoidance, riduzione velocità, riallocazione target) e del task (rischeduling adattativo) in modo da garantire la presenza sicura dell’operatore nello spazio condiviso;

Cognitiva

complementare alle precedenti, laddove l’organizzazione dei processi condivisi prevede un certo grado di interpretazione del contesto (context awareness). La trasparenza di interazione tra uomo e robot è tanto maggiore
quanto più è estesa l’entità del trasferimento di attività, comandi, informazioni espliciti dall’operatore al robot. Ovvero, quanto più l’agente robotico si fa carico di interpretare e gestire localmente informazioni (es. task specifici in relazione ad uno specifico passo di lavorazione, parti di programma in relazione ad una specifica configurazione di cella, configurazioni specifiche in relazione a particolari contesti di rischio), tanto minore è il sovraccarico di trasferimento esplicito ridondante) di nozioni dall’operatore alla macchina con conseguente riduzione di tempi di esecuzione, miglioramento dell’esperienza d’uso, maggiore flessibilità e velocità di riorganizzazione dei task. Questa componente agisce non solo a livello di dispositivi (robot) attraverso una serie di tecnologie di behavior e gesture recognition (tipicamente includendo sensori di visione tridimensionale, ricostruzione degli ambienti e della controparte umana, model-based matching, machine learning, deep learning etc); ma anche a livello di sistema dal momento che le singole informazioni generate localmente sono distribuite e condivise con altri agenti coinvolti (pianificazione di processo, supervisione di sistema, allocazione risorse, etc). Per rendere possibile tale sistematizzazione delle informazioni sono necessarie tecnologie di livello architetturale comprendenti sia le infrastrutture (control system architectures, knowledge-base control) sia le componenti modellistiche (environment modeling, behavior modeling, sensor data modeling, object modeling).

I vari livelli di cooperazione concorreranno a costruire un sistema di capacità sensoriali, motorie e congnitivo-funzionali tali da creare, nel contesto della Fabbrica 4.0, una collettività di agenti misti (umani e robotici) la cui flessibilità di allocazione di attività, comportamenti e compiti sarà molto elevata.

Polaris Operations

Polaris Operations

Come applicare la polaris intelligence Scopri come applicare le tecnologie intelligenti e l’ingegno umano al business, in tutte le funzioni aziendali e i processi, per la risoluzione delle sfide più complesse. Polaris combina Intelligenza Artificiale, Analytics e...

leggi tutto
Analisi del parlato: sentimenti, emozioni e dialetto

Analisi del parlato: sentimenti, emozioni e dialetto

L’analisi dell’audio è molto importante oggi, poiché la maggior parte delle interazioni sono costituite da supporti interattivi vocali. L’informazione principale estratta dal vocale è la semantica, ossia il significato dei concetti espressi. Alcuni ambiti di...

leggi tutto
Smart Agriculture & Deep Learning

Smart Agriculture & Deep Learning

La Smart Agriculture, ovvero agricoltura di precisione, rappresenta un modello innovativo di gestione delle attività agricole.Esso, attraverso l’utilizzo di sensori, traduttori e sistemi hardware/ software permette di ridurre l’utilizzo di pesticidi e i consumi di...

leggi tutto