Революция в логистике: ИИ-депаллетизация повышает эффективность и снижает затраты

Растущий спрос на быстрые процессы цепочки поставок достиг еще одного нишевого рынка: разгрузки коробок с паллет, или так называемой депаллетизации. Сегодня однажды трудоемкая задача может быть автоматизирована внедрением умного решения, которое увеличит продуктивность, пропускную способность и в конечном счете сэкономит затраты.

Что такое ИИ-депаллетизация?

ИИ-депаллетизация — это автоматизированный процесс разгрузки паллет, загруженных коробками, с использованием ИИ. Система способна распознать каждую отдельную коробку, и робот размещает их одну за другой на конвейерной ленте или другом предопределенном месте. В отличие от делаеризации, где робот подбирает весь паллет с униформными, аккуратно сложенными коробками одинаковой высоты, и в отличие от классической депаллетизации, ИИ-депаллетизация основана на умных алгоритмах машинного обучения.

Решение представляет более высокий уровень разгрузки паллет и как таковое предлагает многочисленные преимущества. К ним относятся меньшая требуемая площадь размещения (достаточная для размера самой большой коробки в противовес целому паллету) и также меньший робот и гриппер, так как есть более легкая полезная нагрузка, которую нужно обрабатывать. Эти преимущества сливаются в одно большое преимущество — значительная экономия затрат. Несмотря на то, что гриппер меньше, он может подбирать коробки весом до 50 кг, в зависимости от конкретного решения.

Как это работает

Секрет успешного приложения депаллетизации — комбинация высококлассного 3D машинного зрения с высшим интеллектом робота, возможным благодаря передовым и изощренным алгоритмам машинного обучения. Эти алгоритмы были предобучены на большой базе данных коробок. Система немедленно распознает эти типы коробок и в случае, если она сталкивается с новыми, она способна быстро переобучиться. Это происходит на непрерывной основе и обеспечивает выдающуюся универсальность, позволяя распознавать коробки разных форм, размеров или материалов.

Блестящие, отражающие или черные поверхности, варирующая текстура, различные узоры или картинки, которые «обманывают» 3D зрение, ленты, отходящие, или плотно упакованные коробки, так что трудно распознать зазор, разделяющий их (будь он тонким как 0,5 миллиметра) — это вызовы, которые могут представлять значительные проблемы и играть решающий фактор, дифференцирующий лучшие решения от более слабых. Самый передовый способ, берущий лидерство в сегментации отдельных коробок на базе 3D изображения и анализа текстуры — использование сверточной нейронной сети (CNN).

Изощренные решения депаллетизации работают из коробки, не требуя никакого обучения системы. Их универсальность также заключается в том, что коробки не нужно стакать в упорядоченные паттерны, а могут быть размещены случайно, и робот всё ещё способен их подбирать.

Идеальное зрение

Как уже сказано, ключ к успешной депаллетизации — комбинация ИИ и «правильного» машинного зрения. Но что значит правильное?

Развернутое 3D зрение должно обеспечивать большой объем сканирования с одной стороны и высокое разрешение и точность с другой. Поскольку паллеты часто стакаются одна на другую в нескольких слоях и 3D сканеру нужно иметь возможность сканировать самый нижний так же, как и самый верхний и потому что должно быть достаточно пространства для робота, чтобы манипулировать с коробками, объем сканирования должен быть достаточно большим, чтобы сканировать паллеты с достаточного расстояния. Поэтому сканер должен быть смонтирован примерно в 3-4 метрах над паллетой и всё ещё способен предоставлять сканы в высоком качестве.

Выгоды в цифрах

Возьмем передовые системы, обученные на более чем 5000 типах коробок. В комбинации с превосходным 3D зрением, изощренные алгоритмы машинного обучения могут обеспечить 99,7% точность подбора, точность хватания в пределах 3 миллиметров и скорость подбора 1000 коробок в час. Эти цифры имеют критическое значение в контексте ROI и также в процессе принятия решения о выборе умного автоматизированного решения депаллетизации.

Высокая продуктивность, безопасное рабочее место

Увеличенный ROI, усиленная продуктивность и большая экономия времени и затрат представляют только одну сторону спектра выгод, которые можно выиграть внедрением автоматизированных решений депаллетизации. Другой конец представляет значительное устранение риска травм и ошибок. Ручная операция включает обращение с большими и тяжелыми коробками, которые могут быть застаканы на несколько метров над землей. Это часто ведет к серьезным спинальным травмам и другим вредом здоровью. Автоматизация этого процесса устраняет эти риски и позволяет непрерывную депаллетизацию, без того, чтобы робот когда-либо устал, в противовес человеческим рабочим.

Потенциал рабочих может вместо этого использоваться в областях, требующих креативности, критического мышления и принятия решений — помогая компаниям усилить эффективность и увеличить потенциал для будущего успеха.

Андреа Пуфлерова — PR-специалист, и Михаэль Малый — директор ИИ в Photoneo.