"Sappiamo che il core business di Zebra sono i terminali le stampanti, ma machine vision e robotica sono due settori con ora un forte investimento da parte nostra": le parole di Enzo Tumminaro, Country Manager di Zebra Technologies sintetizzano quella che è indubbiamente una importante evoluzione che il vendor tecnologico sta seguendo da qualche tempo, rafforzando la sua presenza e la sua proposizione in ambiti di notevole interesse per imprese di molti settori di mercato.

Il tema di fondo è immancabilmente quello dell'Intelligenza Artificiale, intesa però prevalentemente come modelli di machine/deep learning e tecnologie di machine vision, due ambiti che possono essere meno di tendenza dell'AI generativa - su cui Zebra comunque sta lavorando, in una collaborazione tecnologica con Google - ma che sono decisamente più "collaudati" e il cui valore viene immediatamente percepito dalle imprese. Un dettaglio non da poco in una fase del mercato in cui le tecnologie evolvono più velocemente di quanto molte aziende siano in grado di valutarle e assimilarle in maniera organica.

Nel complesso le tecnologie e le nuove soluzioni che Zebra Technologies sta lanciando sul mercato hanno l'obiettivo di portare un più elevato livello di automazione nei processi industriali, insieme a quello di abilitare ambienti di "connected factory" in cui dati e processi si muovono in maniera più sinergica. Ed anche, come ambiscono a fare molte aziende del manufacturing, a cavallo tra IT e OT superando le tradizionali barriere tra i due ambiti.

Le soluzioni Zebra Technologies possono infatti essere adottate per eliminare quella che è forse la principale tra queste barriere: la difficoltà di ricavare dati in tempo reale dal campo e tradurli immediatamente in azioni concrete. La machine vision è il mezzo per - anche letteralmente - "vedere" meglio cosa accade in fabbrica (o in qualsiasi altro ambiente con esigenze e processi paragonabili), estrarre informazioni dai processi e passarle ai sistemi che poi possono prendere e automatizzare decisioni.

Il deep learning in fabbrica

Un esempio dei componenti evoluti che abilitano questo modello generale è lo scanner industriale fisso FS42, che integra direttamente a bordo una Neural Processing Unit per l'esecuzione in locale di algoritmi di machine e deep learning addestrati per vari scopi. Non solo quindi per il classico riconoscimento di forme, simboli e caratteri - che viene in ogni caso notevolmente potenziato dalla NPU - ma anche per applicazioni più articolate come il rilevamento delle anomalie e delle difettosità.

In questi scenari il vantaggio del deep learning non va sottovalutato. Invece di indicare esplicitamente quote e tolleranze oltre le quali un pezzo è da considerare difettoso, nel loro addestramento gli algoritmi "imparano" le caratteristiche chiave dei pezzi corretti e riconoscono di conseguenza quelli difettosi, senza che sia necessario predefinire esaustivamente tutte le possibili difettosità.

Applicazioni avanzate di machine vision multicamera, sempre basate su deep learning, sono possibili anche grazie a nuove versioni dei sensori 3D ad alta risoluzione della serie 3S di Zebra Technologies. Sono pensati per l'ispezione e il dimensionamento di oggetti statici o in movimento, anche di grandi dimensioni e con superfici "difficili" come quelle riflettenti, traslucide o anche trasparenti. I sensori raccolgono una grande quantità di informazioni, anche a una risoluzione con precisione più che millimetrica, da passare poi alle applicazioni di automazione industriale.

I sensori della serie 3S

Machine learning e machine vision rimandano immediatamente al manufacturing e alla logistica, che sono due mercati di riferimento per queste tecnologie. Ma non sono gli unici. In particolare, Zebra Technologies sta sviluppando diversi progetti in ambito automotive, utilizzando la machine vision come tecnologia abilitante per nuove soluzioni di ispezione e controllo di componenti. Progetti del genere sono stati ad esempio portati avanti con Bosch nell'ispezione dei sistemi di iniezione per i motori diesel e con ID Engineering per i controlli di qualità e conformità nella produzione di batterie per veicoli elettrici.

Le evoluzioni tecnologiche, AI compresa, sarebbero comunque poco utili se fossero difficili da implementare e personalizzare. Per questo Zebra Technologies sta lavorando molto anche lato software, con l'obiettivo di offrire alle aziende piattaforme semplici da usare per creare le proprie applicazioni di workflow automatizzato basato sulla machine vision.

Il frutto di questo lavoro sono soprattutto i miglioramenti che man mano arrivano ad Aurora Design Assistant e Aurora Vision Studio, due ambienti di sviluppo che adottano entrambi un modello no/low-code anche se sono destinati a utilizzatori diversi. Aurora Vision Studio è pensato per utenti più tecnici ed OEM e permette di sviluppare applicazioni di machine vision anche integrabili a bordo telecamera. Aurora Design Assistant è pensato più per gli utenti finali e permette di creare applicazioni usando un approccio a diagrammi di flusso.