Corsi in aula bloccati ? Vuoi fare E- Learning ? Formazione a distanza ?
Io ci sono !!
Logistica e Magazzino pronti a partire !!
Tutti i miei moduli on line
pronti per la formazione a distanza
con TEAMS di Microsoft !
Non tenere sospesi i tuoi corsi ! Chiedimi come fare e 1,2,3 si parte !
Non hai bisogno di investire in software, né di formare di tuoi corsisti. Penserò a tutto io !
I corsi on line sono strutturati come programma come i corsi in aula. Si utilizzano tutti gli strumenti del corso in aula: teoria, tests, video, esercizi e lavagna.
Per facilitare la formazione a distanza dei corsisti ritengo utile anche dotarli di materiale didattico che ho condensato nei due libri di formazione base per magazzinieri e addetti alla logistica.
In questa maniera saremo più produttivi perché i corsisti potranno svolgere il corso on line tramite formazione a distanza e off line studiando sui libri.
Manuale del magazziniere 1: ricevimento 174 pp
Manuale del magazziniere 2: stoccaggio e prelievo 220 pp
Concluso con successo il corso per Addetti al magazzino organizzato presso la sede Cisl di Vicenza da Jobselect (grazie Elisa!).
Il corso si è concentrato sui temi della identificazione e della organizzazione del magazzino, passando dai documenti di trasporto ai formulari e merci pericolose.
Un salutone ai corsisti Stefano, Gabriel, Andrea, Mirco, Cristian, Vincenzo e Thomas.
Tra gli altri argomenti ci siamo anche occupati di Inventario di magazzino con un piccolo esercizio pratico.
I principi spiegato sono stati coniugati in chiave Lean.
L’innovativa azienda bolognese EYECAN ha realizzato una tecnologia – image tagging – che permette di identificare le immagini. TrainingMachine, una soluzione basata su Intelligenza Artificiale che supera il problema della riconfigurazione
L’intelligenza artificiale ha bisogno di dati. Per questo motivo i dati oggi sono chiamati il nuovo petrolio. Ma come l’oro nero, necessitano di essere raffinati e quando sono immagini queste devono essere prima classificate.
Parliamo di classificazione di immagini o Image Tagging o più semplicemente Tagging e di un azienda italiana EYECAN che sta proprio lavorando su questo tema.
Molti anni fa i ricercatori pensavano che creare un computer che riuscisse a differenziare l’immagine di un cane da quella di un gatto sarebbe stato impossibile. Per merito del progresso significativo nel campo dell’intelligenza artificiale ora si può fare a un livello di precisione superiore al 99 per cento. Questa attività è chiamata classificazione delle immagini e i computer attuali non solo riconoscono la differenza tra cane e gatto, ma anche con precisione le specifiche razze e soprattutto lo fanno in velocità. Basti pensare che poco tempo fa occorreva circa 20 secondi per processare una sola immagine.
Sono Davide Lega, consulente e formatore aziendale nel campo della Logistica e Lean Manufacturing, autore di libri e manuali tecnici, e proseguo il dialogo con i lettori di econerre.it sui temi dell’Industria 4.0 e dell’innovazione. Collabora con scuole, agenzie interinali, agenzie di intermediazione nella formazione, aziende, privati.
Il passo successivo nella classificazione di immagini è riconoscere all’interno dell’immagine non solo il cane e la specifica razza, ma ovviamente anche gli altri oggetti che lo circondano. Questo compito viene svolto dividendo l’immagine originale in “bounding boxes” e cioè riquadri al cui interno cerchiamo di trovare e quindi classificare gli oggetti. Una volta individuati gli elementi e le loro posizioni relative possiamo poi pensare di fare un ulteriore passo avanti cercando di capire l’interazione tra questi oggetti in uno spazio di fatto reale. Se vogliamo costruire un sistema basato sulla visione artificiale, ad esempio un auto senza pilota o un robot all’interno di un reparto che manipola oggetti o un veicoli a guida automatica AGV – Automatic guided vehicle questo è il tipo di informazione di cui necessitiamo, appunto, il nuovo petrolio.
Ritornando alla velocità di processamento delle immagini, è ovvio che venti secondi a immagine sarebbero un tempo molto lungo se consideriamo un veicolo automatico la cui capacità di riconoscere oggetti è legata alla sua capacità di interagire nel mondo fisico azionando ad esempio un freno in caso di necessità. Se passiamo a due secondi il nostro computer è ovviamente più veloce e capace di riconoscere ed inseguire un oggetto che si muove a quella velocità, ma stiamo parlando di un uomo che cammina a piedi molto lentamente (3,6 km orari) e non certo di un autoveicolo o di un robot industriale.
Cominciamo a capire l’importanza della velocità nel riconoscimento degli oggetti.
Occorre allora una velocità che identifichi gli oggetti in tempo realeanche quando cambiamo la taglia di un oggetto, pensiamo a un palloncino che si gonfia o si sgonfia molto velocemente o a un uomo che allarga le braccia o che si rannicchia o che addirittura volta le spalle. E questa velocità è di venti millisecondi a immagine ed è quella che occorre se vogliamo costruire un sistema basato sulla visione artificiale real time.
L’elaborazione viene svolta da reti neurali che possono essere allenate anche su specifiche e limitate classi di oggetti e a questo punto, come puoi immaginare, questo riconoscimento sarà utile per trovare quegli specifici oggetti in qualsiasi ambiente. Penso ad esempio a un bambino nascosto tra gli alberi che gioca a nascondino, o a un attrezzo di officina caduto per terra, o a al salvataggio di persone in disastri ambientali o più semplicemente a oggetti di uso comune in un ambiente casalingo (gli occhiali e il cellulare). Pensando a applicazioni più serie lo stesso codice, utilizzato per identificare segnali di stop o pedoni o biciclette per un veicolo automatico, può essere utilizzato per trovare cellule cancerose durante una biopsia. L’utilizzo di questa tecnologia è infatti un metodo già da tempo utilizzato per fare passi avanti in campi come la medicina. Inoltre questa tecnologia è già disponibile per smartphone e sono quindi sicuro che presto la vedremo su tutti i nostri cellulari.
In questo ambito tecnologico si muove l’azienda EYECAN di Bologna https://www.eyecan.ai/ che propone TrainingMachine, una soluzione basata su Intelligenza Artificiale dedicata, inizialmente, ai sistemi Robotici dotati di Visione operanti sulle linee di produzione. Questi sistemi infatti soffrono del problema della riconfigurazione: se cambiano le condizioni ambientali o i prodotti transitanti è necessario intervenire con una manutenzione adattiva/correttiva del Software. Con TrainingMachine il sistema è in grado di riconfigurarsi senza intervento umano.
I fondatori della società sono tre: Daniele De Gregorio, CEO e CTO (P.h.D e PostDoc in Robotica e Visione Artificiale), ha lavorato come sviluppatore senior per due Startup, Samuele Salti, advisor (professore di Reti Logiche) ha coordinato il team di Data Science di Verizon Connect, azienda leader mondiale nel campo del fleet management e Luigi Di Stefano, Advisor&Networking (professore ordinario di Computer Vision), è stato membro indipendente del CdA di Datalogic SpA.
La tecnologia di TrainingMachine serve a generare i Dati di Addestramento per le moderne Reti Neurali in ambito industriale. Generare i dati vuol dire appunto prendere le immagini, una per una, e aggiungere un contenuto informativo, e.g. “cerchiare” col mouse gli oggetti di interesse, e per questo è chiamata Etichettatura o Tagging. L’idea vincente è automatizzare completamente queste operazioni che attualmente sono prodotti solo a mano da startup internazionali che prendono in carico le immagini e le etichettano utilizzando personale poco specializzato dislocato in parti del mondo dove il costo della manodopera è molto basso.
EYECAN: il plus della tecnologia TrainginMachine
Il vantaggio di questa tecnologia è evidente: per fare un esempio, se volessimo addestrare un sistema robotico a riconoscere della frutta per farne del Pick&Place, dovremmo etichettare circa 10.000 immagini e costerebbe 500 ore di lavoro manuale. Con TrainingMachine viene tutto fatto da un robot dotato di telecamera e in pochi minuti, con un boost di performance di più di 1000x. In più non ci sono sbagli, perché fare questo lavoro a mano comporta un 5% di errori che degradano le performance della Rete Neurale che andiamo ad addestrare.
Cosa più importante, non dobbiamo mandare le nostre immagini a terze parti (per farle etichettare più velocemente) rompendo così la riservatezza che è altamente richiesta nel mondo industriale.
La parte più interessante di TrainingMachine è che questa tecnologia a bordo del robot è in grado di generare dati per addestrare se stesso o altri robot a fare nuovi task visivi (e.g. riconoscimento oggetti per manipolazione). Di conseguenza questa tecnologia li rende auto-riconfiguranticioè senza intervento umano.
L’ idea, ben oltre il livello prototipale, e validata in laboratorio, ha già trovato numerosi clienti. Le prime applicazioni di TrainingMachine sono per i costruttori di macchine per il packaging, specialmente per le parti di pick&place di fine linea, perché sono quelli che soffrono di più la “riconfigurazione” continua dei loro sistemi (e.g. quando ci sono cambi di luce o cambi di oggetto il software deve essere riscritto o adattato per poter funzionare). Tuttavia, la tecnologia si adatta bene a qualsiasi altro sistema robotico industriale dotato di visione e quindi il piano a lungo termine di EYECAN, dopo aver validato il mercato del packaging, è quello di scalare su altri.
Non è un compito facile, come si può capire. Per questo la mia simpatia e il mio supporto vanno a EYECAN e a tutte quelle aziende che vorranno testardamente incamminarsi su questo complicato, ma affascinante nuovo percorso tecnologico il cui orizzonte appare appena abbozzato.
Tanto si parla oggi di IoT,acronimo dell’inglese Internet of things ossia l’Internet delle cose. Approfondisce il tema Davide Lega, consulente e formatore aziendale nel campo della Logistica e Lean Manufacturing, autore di libri e manuali tecnici, prosegue il dialogo con i lettori di econerre.it sui temi dell’Industria 4.0 e dell’innovazione.
Introduciamo il concetto anche attraverso l’esempio concreto di una azienda che lavora proprio su questo tipo di tecnologia: Digital Plant business unit IOT di Moko di Reggio Emilia.
Iot: cosa è e chi lo ha inventato
Per IoT si intende l’estensione di Internet al mondo degli oggetti e dei luoghi in cui questi si muovono.
Il concetto fu introdotto da Kevin Ashton, ingegnere inglese, cofondatore e direttore esecutivo di Auto-ID Center ossia “Centro Di Identificazione Automatica”, un’organizzazione di ricerca globale, indipendente e no profit, costituita nel 1999, con sede al MIT (Massachusetts Institute of Technology) e sponsorizzata da l’Uniform Code Council (UCC), da Gillette e da Procter & Gamble. I ricercatori di questa organizzazione capirono che l’identificazione automatica, ovvero l’Auto-ID, consentisse di elevare la gestione dei prodotti ad un livello più avanzato grazie all’introduzione di un sistema di riconoscimento in grado di rintracciare non solo i dati relativi a singoli contenitori, ma persino i dati per singolo articolo.
In questa visione, i computer sono in grado di identificare istantaneamente qualsiasi oggetto, ovunque esso sia, e per fare ciò occorre una rete universale e aperta per l’identificazione dei singoli prodotti e per la relativa tracciabilità lungo la supply chain globale.
Tecnologia a radiofrequenza
La tecnologia identificata come la migliore per localizzare e identificare lo spostamento degli oggetti da un luogo fisico all’altro è quella a radiofrequenza (identificazione a radio frequenza o Rfid) che consiste nell’applicare un Tag o etichetta elettronica all’oggetto stesso che contiene le informazioni che possono essere lette e condivise con i partner aziendali in tempo reale.
In questo modo gli oggetti si rendono riconoscibili e acquisiscono intelligenza grazie al fatto di poter comunicare dati su se stessi e accedere ad informazioni aggregate da parte di altri e per questo si definiscono Smart Object (oggetti intelligenti).
Un esempio classico è quello per cui la nostra sveglia digitale collegata a internet suona prima in caso di traffico sul nostro percorso mattutino.
Per “oggetto” o “cosa” si può intendere più precisamente ogni categorie di dispositivi, apparecchiature, impianti e sistemi, materiali e prodotti tangibili, opere e beni, macchine e attrezzature.
I campi di applicabilità sono molteplici: dalla logistica e all’info mobilità, passando all’efficienza energetica, all’assistenza remota, alla tutela ambientale, alle applicazioni ludiche e del tempo libero e soprattutto alle applicazioni industriali.
Digital Plant, business unit IoT di Moko
Una di queste applicazioni IoT è stata sviluppata da Digital Plant (www.digitalplant.it), business unit IOT di Moko (www.moko.it), società di Reggio Emilia in un’alleanza strategica con Raw Power (http://www.rawpowergroup.it/), spin–off di UNIMORE specializzata in elettronica di potenza.
Digital Plant, già partner ufficiale di ST Microelectronics e strategico di Arrow, è attualmente oggetto di interesse quale potenziale acquisizione da parte di importanti società multinazionali, che vedono in questa realtà la possibilità di portare il mondo Digital verso la fornitura di servizi e soluzioni complete e non solo di componentistica hardware. Quasi sempre infatti, per le applicazioni reali di soluzioni IoT, le risorse tecniche interne dei clienti finali, per definizione concentrate sul core tecnologico di riferimento, hanno necessità di supporto specialistico esterno.
Digital Plant ha così sviluppato un demo-concept, presentato al convegno di Meccatronica di Confindustria ANIE e negli appuntamenti fieristici nazionali ed europei, grazie al quale sarà possibile vedere dal vivo un sistema di monitoraggio in continuo (condition monitoring) di un motore elettrico, in grado di prevedere anticipatamente, attraverso l’analisi in tempo reale di dati anomali in ingresso, i possibili malfunzionamenti, evitando così insidiosi e costosi fermi macchina. Il Concept, realizzato da Moko con Siboni e Raw Power, è stato concepito per dare ad operatori ed aziende un esempio concreto fra le innumerevoli opportunità di miglioramento di linee produttive e prodotti finali implementate con sistemi IoT. Il tutto nella consapevolezza che non esistono prodotti preconfezionati buoni per tutte le stagioni che siano rispondenti alle più disparate necessità, ma soltanto solide collaborazioni con chi saprà affiancare il cliente finale e disegnare con lui soluzioni specifiche e originali.
Digital Plant nasce quindi da un’intuizione che viene dall’ascolto del mercato. Le professionalità e il supporto devono essere specifiche e al tempo stesso coordinate in modo efficace, in tutta la filiera della digitalizzazione dei prodotti e delle linee di produzione: hardware e firmware, algoritmica, edge computing, raccolta dei dati in cloud, esposizione in dashboard, mobile app ad alta usabilità
Non è un compito facile, ma la mia simpatia ed il mio supporto vanno sempre a tutte quelle aziende che vorranno incamminarsi con caparbietà su questo complicato, ma affascinante nuovo percorso tecnologico il cui orizzonte appare per ora appena abbozzato.
www.davidelega.com Sul sito informazioni sul libro
“MANUALE DEL MAGAZZINIERE 2: stoccaggio e prelievo” 220 pagine Brossura con illustrazioni. Nelle migliori librerie online
Oggi ho tenuto il mio 111esimo corso come docente….. Grazie a tutti i centri di formazione che con il passaparola mi hanno permesso di raggiungere questo bellissimo obiettivo in soli tre anni !
Pur avendo esercitato l’attività di docenza almeno da 17 anni a tempo parziale in concomitanza con il lavoro dipendente è solo da aprile 2016 che mi sono dedicato questa bellissima attività a tempo pieno come consulente.
Un ringraziamento speciale va ai miei studenti e corsisti a cui spero di aver trasmesso con passione ed entusiasmo la mia esperienza trentennale .
Grazie ancora a tutti !
Vi ricordo che entro il 31 ottobre, giorno del mio compleanno, uscirà il secondo libro della serie Manuale del magazziniere, incentrato sul tema dello stoccaggio e del prelievo e ovviamente disponibile nelle migliori librerie on line.
Si è concluso felicemente il corso di 3 mesi presso una nota azienda produttrice di cablaggi per il settore automotive per le principali marche italiane. Grazie ad Isabella di Zenit formazione per il supporto.
Il tema ha sviluppato il tema del flusso tracciando da prima una bellissima spaghetti chart dell’azienda passando poi alla tematica dell’identificazione di attrezzature e prodotti spazi per arrivare poi alla revisione dei documenti di trasporto aziendali. chiaramente non è mancata una rivisitazione in chiave Lean 5S degli spazi che ha portato esercizi pratici in azienda.
Un ringraziamento particolare a tutti i membri del team e cioè Rossella Anna Luca e Paolo.
Terminato il Corso per Magazzino presso Demetra formazione (sede di Ravenna).
Un ringraziamento particolare va a Annalisa per l’organizzazione, a Giulia per il supporto e a Elisa per l’ospitalità in Demetra Formazione.
Il corso ha trattato le basi del ricevimento, stoccaggio, prelievo, trattando tutti i temi secondo i 6 dogmi della logistica moderna e cioè : bisogno del cliente, flusso delle merci e delle informazioni, identificazione, tracciabilità e integrazione.
Demetra ha sviluppato il corso perfetto per chi vuole approcciare il lavoro del magazziniere. Sono stati sviluppati i temi anche grazie all’ausilio del libro di testo “Manuale del magazziniere” che ha aiutato i corsisti a rinforzare i concetti espressi in classe con letture, foto ed esempi tratti ovviamente dalla mia esperienza quotidiana. Io ho messo solo il mio solito entusiasmo !
Un in bocca al lupo a tutti ed in particolare a : Daniele, Alessandro, Michelangelo, Hydrammen, Samuel, Moustapha e Michele.
Ovviamente non sono mancati simulazioni e giochi !
