Bin Picking. Cómo enseñar a los robots a resolver problemas.
Compartimos un nuevo artículo sobre robótica publicado en el Blog de ATIGA, escrito por uno de los investigadores de nuestro grupo de Ingeniería de Procesos e Industria 4.0.
En la línea de producción de cualquier industria alimentaria se trabaja con diferentes elementos como es la materia prima, los semielaborados o el producto final. Cada uno de ellos tiene unas características que los hacen más o menos aptos para su manipulación mediante soluciones automatizadas. Un ejemplo clásico son los productos agrícolas o marinos que debido a su heterogeneidad y “fragilidad” a veces no pueden ser procesados completamente por soluciones automatizadas, o si existen, requieren de gran intervención humana durante el proceso.
La Industria 4.0 propone algunas soluciones aplicables a este tipo de problema, la manipulación de materia heterogénea, con el fin de acercar la automatización a esta parte de la producción que hasta la fecha tenía un elevado componente manual. Las soluciones propuestas se plantean con la combinación de distintas técnicas en las que destacan sobre todo la caracterización avanzada de la materia prima/producto mediante técnicas como el “Machine Learning”.
El término «Machine Learning», de forma muy simplificada, hace referencia a una serie de nuevas técnicas que permiten “enseñar” a una máquina con el fin de resolver problemas que por técnicas clásicas no son resolubles. Son útiles en aquellos problemas en los que, o bien por el número de datos, o por las características de los mismos, no se obtienen buenos resultados mediante la utilización de herramientas matemáticas.
Uno de los campos en los que tiene más auge la aplicación de este tipo de técnicas es la visión artificial; aplicada a problemas como la búsqueda de objetos o reconocimiento de patrones complejos. Dichos problemas están presentes en cualquier proceso productivo en el que se trabaje con elementos heterogéneos o no posicionados, como el caso de la industrias alimentaria o agrícola.
El “Bin Picking” es uno de los ejemplos de aplicación más claro de lo descrito anteriormente. Este término hace referencia a la extracción de un elemento de un recipiente en el que se encuentra junto con otros, mediante una solución robotizada. Esta solución utiliza herramientas de Visión Artificial junto con técnicas de Machine Learning para encontrar, posicionar y determinar el orden de extracción dentro del contenedor. También incorpora un sistema robótico para la extracción con una garra adecuada del elemento a manipular, así como políticas de trayectorias en función de la distribución de los elementos en el contenedor. En el caso de trabajar con materia prima, productos muy heterogéneos, aumenta en gran medida la complejidad de la búsqueda de los elementos, ya que las técnicas de visión 3D para búsqueda de patrones no funcionan correctamente con este tipo de productos, siendo necesario la utilización de técnicas de Machine Learning.
Este tipo de soluciones tiene un futuro prometedor gracias al continuo avance en las técnicas empleadas, a la mejora de la capacidad de cálculo necesario para su implementación y a la “democratización” de las soluciones robotizadas. En definitiva, hablamos de técnicas que permiten eliminar procesos muy tediosos de manipulación y supervisión por parte de operarios, y que, gracias a su aplicación junto con la robótica, permiten alcanzar una clara mejora del proceso productivo en la industria.
Autor: Miguel Ángel Silva Ucha. Ingeniería de Procesos e Industria 4.0. Área de I+D+i de ANFACO-CECOPESCA.