Hoe AI-depalletisering de logistiek op zijn kop zet

De groeiende vraag naar snelle supply chain-processen heeft weer een andere nichemarkt bereikt:het lossen van dozen van pallets, of een zogenaamde depalletisatie. Tegenwoordig kan de eens zo zware taak worden geautomatiseerd door een slimme oplossing te implementeren die de productiviteit verhoogt, de doorvoer verhoogt en uiteindelijk kosten bespaart.

Wat is AI-depalletisatie?

AI-aangedreven depalletisatie is het geautomatiseerde proces van het lossen van pallets beladen met dozen met behulp van AI. Het systeem kan elke individuele doos herkennen en de robot plaatst ze één voor één op een transportband of een andere vooraf gedefinieerde plaats. In tegenstelling tot delayerization, waarbij de robot de hele pallet pakt met uniforme, netjes gestapelde dozen van dezelfde hoogte, en in tegenstelling tot de klassieke depalletization, is AI-powered depalletization gebaseerd op slimme machine learning-algoritmen.

De oplossing biedt een hoger niveau van lossen van pallets en biedt als zodanig tal van voordelen. Deze omvatten een kleiner vereiste plaatsingsgebied (voldoende voor de grootte van de grootste doos in tegenstelling tot de hele pallet) en ook een kleinere robot en grijper omdat er een lichtere lading moet worden verwerkt. Deze voordelen worden samengevoegd tot één groot voordeel:aanzienlijke kostenbesparingen. Ondanks het feit dat de grijper kleiner is, kan hij, afhankelijk van de specifieke oplossing, dozen tot 50 kg pakken.

Hoe het werkt

Het geheim achter een succesvolle depalletisatietoepassing is een combinatie van hoogwaardige 3D-machinevisie met superieure robotintelligentie, mogelijk gemaakt door geavanceerde en geavanceerde algoritmen voor machine learning. Deze algoritmen zijn vooraf getraind op een grote database met dozen. Het systeem herkent dit soort boxen direct en als het nieuwe tegenkomt, kan het zich heel snel omscholen. Dit gebeurt op continue basis en zorgt voor een uitstekende universaliteit waardoor dozen van verschillende vormen, maten of materialen kunnen worden herkend.

Glanzende, reflecterende of zwarte oppervlakken, verschillende textuur, verschillende patronen of afbeeldingen die de 3D-visie "misleiden", tapes die losraken of dicht opeengepakte dozen zodat het moeilijk is om de kloof te herkennen die ze scheidt (zij het zo dun als 0,5 millimeter) — dit zijn uitdagingen die aanzienlijke problemen kunnen opleveren en een cruciale factor spelen die de beste oplossingen onderscheidt van zwakkere. De meest geavanceerde manier om het voortouw te nemen bij het segmenteren van de afzonderlijke dozen op basis van 3D-beeld- en textuuranalyse, is het gebruik van een convolutioneel neuraal netwerk (CNN).

Geavanceerde oplossingen voor depalletisatie werken out-of-the-box, zonder dat enige training van het systeem nodig is. Hun universaliteit ligt ook in het feit dat de dozen niet in geordende patronen hoeven te worden gestapeld, maar willekeurig kunnen worden geplaatst en de robot ze nog steeds kan kiezen.

Een perfecte visie

Zoals gezegd, de sleutel tot succesvolle depalletisatie is de combinatie van AI en de "juiste" machinevisie. Maar wat betekent de juiste?

De ingezette 3D-visie moet enerzijds zorgen voor een groot scanvolume en anderzijds voor een hoge resolutie en nauwkeurigheid. Omdat de pallets vaak in meerdere lagen op elkaar worden gestapeld en de 3D-scanner zowel de laagste als de hoogste moet kunnen scannen en er voldoende ruimte moet zijn voor de robot om met de dozen te manipuleren, het scanvolume moet groot genoeg zijn om de pallets op voldoende afstand te kunnen scannen. Daarom moet de scanner ongeveer 3 tot 4 meter boven de pallet worden gemonteerd en toch scans van superieure kwaliteit kunnen leveren.

Voordelen in cijfers

Laten we een geavanceerd systeem nemen dat is getraind op meer dan 5000 soorten dozen. In combinatie met superieure 3D-visie kunnen de geavanceerde algoritmen voor machine learning een nauwkeurigheid van 99,7% van de picksnelheid, een grijpprecisie binnen 3 millimeter en een picksnelheid van 1000 dozen in ons uur bieden. Deze cijfers zijn van cruciaal belang in de context van ROI en ook in het besluitvormingsproces om al dan niet te kiezen voor een slimme geautomatiseerde depalletisatie-oplossing.

Hogere productiviteit, veiligere werkplek

Verhoogde ROI, verhoogde productiviteit en grotere tijd- en kostenbesparingen vormen slechts één kant van het spectrum van voordelen die kunnen worden behaald door het implementeren van geautomatiseerde depalletisatie-oplossingen. Het andere uiteinde biedt een aanzienlijke eliminatie van het risico op verwondingen en fouten. De handmatige bediening omvat het hanteren van grote en zware dozen die enkele meters boven de grond kunnen worden gestapeld. Dit leidt vaak tot ernstig rugletsel en andere gezondheidsschade. Automatisering van dit proces elimineert deze risico's en zorgt voor een non-stop depalletisatie, zonder dat de robot ooit moe wordt, in tegenstelling tot menselijke werknemers.

Het potentieel van de werknemers kan in plaats daarvan worden gebruikt op gebieden die creativiteit, kritisch denken en besluitvorming vereisen, waardoor bedrijven hun efficiëntie kunnen verbeteren en het potentieel voor toekomstig succes kunnen vergroten.

Andrea Pufflerova is een PR-specialist en Michal Maly is directeur van AI bij Photoneo.