Migliore localizzazione degli oggetti negli ambienti industriali grazie all’intelligenza artificiale
Le tecnologie di posizionamento all’interno di un edificio stanno contribuendo a trasformare il settore industriale. Come i sistemi di posizionamento globale interno, localizzano persone e oggetti, migliorando l’efficienza, la sicurezza e l’automazione di edifici come fabbriche e magazzini. Il nuovo progetto europeo DUNE sta sviluppando nuove soluzioni per migliorare la localizzazione delle risorse all’interno di ambienti industriali. Nel quadro del progetto VEDLIoT, finanziato dall’UE, DUNE combina tecniche di apprendimento profondo con sistemi di calcolo distribuiti che si basano su capacità di cloud, edge e far-edge computing per rispondere alle esigenze delle applicazioni in tempo reale. «Oggi esistono numerosi approcci tecnologici che tentano di sfruttare le caratteristiche dei segnali radio come strumento per ottenere la posizione relativa tra gli oggetti», osserva il prof. Xavier Vilajosana Guillén dell’Universitat Oberta de Catalunya, in Spagna, in una notizia pubblicata sul sito web dell’università. «Questa varietà tecnologica e l’ampia gamma di situazioni in cui possono essere utilizzate, con budget e ambienti di applicazione molto diversi, implica la necessità di sviluppare un potente sistema di gestione dei dati di localizzazione provenienti da diverse tecnologie in tempo reale, che sia al contempo in grado di adattarsi a molteplici esigenze industriali oltre che economicamente valido.» Per localizzare una risorsa in un ambiente interno, il dispositivo ricevente stima la posizione dell’oggetto in base alla direzione da cui proviene il segnale da esso emesso. Tuttavia, gli ostacoli che si frappongono tra il trasmettitore e il dispositivo che riceve il segnale determinano imprecisioni nella stima della posizione di un oggetto. Per ovviare a questo problema, DUNE sta impiegando meccanismi di posizionamento assistiti da tecniche di apprendimento profondo in diverse fasi del processo di localizzazione.
Il funzionamento del sistema
Il sistema distribuito è costituito da una serie di sensori e dispositivi di localizzazione posizionati sugli oggetti da tracciare. I dispositivi generano dati grezzi che devono essere elaborati per determinare le posizioni dei diversi oggetti. Come riportato nella notizia, l’elaborazione iniziale dei dati avviene al «far-edge», ovvero all’estremo limite, vicino alle antenne che trasmettono i segnali. In questo modo si riducono i tempi di risposta del server e la larghezza di banda, migliorando al contempo la sicurezza dei dati. I segnali radio emessi dai sensori collegati agli oggetti vengono ricevuti dalle antenne del localizzatore. I dati devono poi essere elaborati per stimare gli angoli che determinano la direzione di provenienza del segnale, al fine di aggiornare i dati in tempo reale. «In condizioni indisturbate, questa trasformazione sarebbe un processo geometrico che dipende dallo spazio tra le antenne (distanza) e dalla frequenza radio (lunghezza d’onda). Tuttavia, questi ambienti sono soggetti a interferenze e irregolarità», osserva il prof. Vilajosana Guillén. «Quando si affrontano questi problemi, i metodi di apprendimento profondo possono diventare uno strumento molto prezioso per ottenere stime accurate della posizione degli oggetti.» Altri dispositivi edge vengono utilizzati per elaborare e aggregare i dati in tempo reale, con l’aggiunta di un’ulteriore fase di filtraggio per migliorare la trasposizione del segnale e consentire l’integrazione di diverse tecnologie. Le posizioni stimate vengono quindi trasmesse da questi dispositivi edge a un’infrastruttura cloud collegata al sistema informativo della fabbrica. Nel cloud, i metodi avanzati di intelligenza artificiale vengono utilizzati per correggere, migliorare, classificare e identificare le anomalie, nonché ottimizzare le operazioni. Il progetto VEDLIoT (Very Efficient Deep Learning in IOT) sta sviluppando una piattaforma innovativa per l’Internet delle cose che aiuterà a risolvere problemi complessi in settori chiave come l’industria e i trasporti. Il progetto terminerà nell’ottobre 2023. Per maggiori informazioni, consultare: sito web del progetto VEDLIoT
Parole chiave
VEDLIoT, DUNE, tecnologia di posizionamento interno, industriale, dati, apprendimento profondo, localizzazione di oggetti, edge, far edge, cloud
