Pakket- en pakketsorteersysteem geautomatiseerd door AI

Het handmatig verenkelen van enorme stapels pakketten en enveloppen, vervolgens sorteren en op een lopende band plaatsen, wordt vooral tijdens piekmomenten een uitdaging. Automatisering van dit proces kan de productiviteit verhogen, kosten en tijd besparen en letsel verminderen. Een gerobotiseerd sorteer- en sorteersysteem aangedreven door kunstmatige intelligentie wordt een noodzaak voor logistieke bedrijven die gelijke tred willen houden met de steeds toenemende eisen op het gebied van e-commerce.

Handmatig verenkelen - verleden tijd?

De pakketstromen kennen het hele jaar door grote schommelingen, met een typische piek rond Black Friday en de kerstperiode. De wereldwijde pakketvolumes groeien over het algemeen met wel 25% per jaar.

De uitbraak van COVID-19 heeft ook de tijdige orderafhandeling op de proef gesteld. Door de versnelde afhankelijkheid van e-commerce is de vraag naar capaciteit toegenomen. Dit leidt op zijn beurt weer tot meer operationele kosten die niet alleen verband houden met de noodzaak om meer werknemers aan te nemen, maar ook met het wervingsproces zelf. Periodes die normaal gesproken als de beste en meest winstgevende vanuit verkoopoogpunt worden beschouwd, worden zo de slechtste.

Naast doorvoervereisten en pieken in de vraag, zijn de gezondheid en tevredenheid van werknemers uitdagingen voor handmatig verenkelen en sorteren. Werknemers kunnen verveling ervaren door repetitieve taken, maar ook letsel oplopen door het hanteren van onregelmatige zware voorwerpen. Dit kan leiden tot compensatiekosten van werknemers en verminderde productiviteit.

Visie en robotica schieten te hulp

De bovenstaande uitdagingen kunnen worden overwonnen door het singulatie- en sorteerproces te automatiseren, waardoor de kosten voorspelbaarder kunnen worden en schaalbaarheid kan worden geboden voor pieken in de vraag.

De meest geavanceerde automatisering van vandaag combineert 3D-machinevisie, AI-algoritmen en compatibiliteit met grote robotmerken. Ook is het mogelijk om de kwaliteit en het succes van een bepaald pick-and-place systeem te meten. Laten we kijken naar concrete voorbeelden. Hoe kan een bedrijf profiteren van de implementatie van een geautomatiseerd systeem als het grote, ongestructureerde ladingen pakketten moet afzonderen en sorteren?

Zo integreert Photoneo in eigen beheer ontwikkelde 3D-machinevisie met algoritmen waarmee robots meer dan 2.250 pakketten per uur kunnen picken. Het vision-systeem biedt nauwkeurige 3D-gegevens en maakt nauwkeurige lokalisatie mogelijk die leidt tot een grijpnauwkeurigheid van +/- 3 mm.

Photoneo Singulation and Sorting System is gebaseerd op een voorgetraind neuraal netwerk dat pakketten zonder enige training direct uit de doos kan herkennen, voor een slagingspercentage van 95%.

De resterende 5% is het resultaat van de mechanische eigenschappen van de pakketten en het materiaal. Als een voorwerp bijvoorbeeld een gekreukt oppervlak heeft of van stof is gemaakt, kan het van de grijper vallen en moet het opnieuw worden opgepakt. Dergelijke objecten worden volgens Photoneo altijd met succes opgepakt bij de tweede poging. Het beweerde dat het een cyclustijd van minder dan 1,5 seconde kan halen en dat het compatibel is met een reeks robotmerken.

Single-scan versus multi-pick-modus

De prestatiesnelheid is afhankelijk van de gekozen scanmodus. Een enkele scanmodus maakt een scan, verwerkt de gegevens, lokaliseert een object en stuurt een commando naar de robot om het te kiezen. Dit proces wordt voor elk object herhaald. De verwerkingsvertraging is over het algemeen niet meer dan 0,5 seconde.

Een andere optie is een multi-pick modus, waarbij de scanner/camera een scan maakt, het systeem alle pickbare objecten herkent en de robot ze achter elkaar pakt zonder enige onderbreking. Het aantal scans kan worden aangepast aan de specifieke toepassing. Omdat er geen verwerkingsvertraging is in de multi-pick-modus, zijn de prestaties sneller en wordt de cyclustijd alleen beperkt door de snelheid van de robot.

Visie en intelligentie

De kwaliteit van 3D-data bepaalt het succes van een geautomatiseerde singulatie- en sorteeroplossing. Je zou het meest intelligente systeem kunnen hebben, maar zonder goede 3D-gegevens om mee te werken en op te leunen, zou de output nutteloos zijn. Een goede 3D-camera moet een hoge resolutie en nauwkeurigheid, een groot scanvolume en scherptediepte en een hoge scansnelheid bieden.

Andere belangrijke factoren zijn de mogelijkheid om omgevingslicht te onderdrukken en "plug-and-play"-prestaties. Als de ingezette 3D-camera al deze functies biedt, krijgt het systeem voldoende gegevens voor AI om ze te verwerken en elk object met succes te lokaliseren.

De meest moderne benadering van door AI aangedreven segmentatie en lokalisatie van pakketten is het gebruik van convolutionele neurale netwerken, die de afgelopen jaren grote vooruitgang hebben geboekt. Deze neurale netwerken kunnen pakketten, enveloppen en zelfs tassen van elke vorm, textuur en materiaal herkennen, evenals hun afmetingen, positie en oriëntatie.

De beste oplossingen zijn gebaseerd op algoritmen die zijn getraind op enorme databases met objecten en daarom gemakkelijk en snel nieuwe soorten objecten kunnen generaliseren en herkennen die ze nog nooit eerder hebben gezien. Rimpels, vervormingen en andere onregelmatigheden mogen geen belemmering vormen voor een snelle herkenning.

Na succesvolle detectie en lokalisatie krijgt de robot de opdracht om een ​​bepaald object op te pikken en vervolgens op een vooraf bepaalde locatie te plaatsen, bijvoorbeeld op een transportband.

Grote uitdagingen voor verenkeling

Ontwikkelaars van gerobotiseerde verenkelingssystemen staan ​​voor tal van uitdagingen. Een groot probleem voor 3D-zicht wordt gevormd door oppervlakken die glanzend of reflecterend zijn, verschillende patronen en afbeeldingen bevatten of zwart zijn. Rassen in textuur veroorzaken ook moeilijkheden. Pakketten worden meestal op een ongestructureerde manier opgestapeld en overlappen elkaar, wat het moeilijk maakt om ze te lokaliseren.

Een van de grootste uitdagingen ligt in de aard van tassen:hun vorm is vervormd en zit vol met vouwen en rimpels, waardoor het voor een robotgrijper extreem moeilijk is om ze op te pakken. Dit zijn de redenen waarom het zo essentieel is om 3D-zicht van hoge kwaliteit te combineren met geavanceerde en geavanceerde AI-algoritmen - alleen deze krachtige combinatie kan alle bovengenoemde uitdagingen betrouwbaar aangaan.

Uitbreiding van het aantal toepassingen

Het gebruik van een door AI aangedreven automatiseringsoplossing houdt niet op bij het eenvoudig verenkelen en sorteren van pakketten. Als een 3D-camera bewegende scènes in hoge kwaliteit en met hoge snelheid kan scannen, is het mogelijk om pakketten on-the-fly te meten en te sorteren op basis van hun grootte of andere criteria.

Zo kan Photoneo MotionCam-3D, dat objecten kan vastleggen die tot 40 m/s bewegen, een meetnauwkeurigheid van 1 cm kan bereiken en een dieptekaartresolutie van ~2 Mpx en 15 miljoen 3D-punten/sec.

Systemen die AI en 3D-machinevisie combineren, kunnen ook worden gebruikt voor het uitvouwen of uitpakken van verkreukelde enveloppen en pakketten - en virtuele geometrische transformaties maken - om de leesbaarheid van OCR voor verdere verwerking te verbeteren. Wat sommige van deze systemen ook mogelijk maken, is het sorteren van pakketten op basis van barcodes.

De mogelijke toepassingen en mogelijkheden van deze systemen ontwikkelen zich en breiden zich uit met de vooruitgang op het gebied van AI en machinevisie, maar ook met markteisen die de richting van deze ontwikkeling bepalen.

Gerobotiseerde verenkeling kan de veiligheid, productiviteit en betrouwbaarheid verhogen en bovendien de kosten aanzienlijk verlagen. Automatisering is een cruciaal instrument geworden om processen in de logistiek te optimaliseren. Magazijnen en distributiecentra hebben moeite met het behouden van werknemers tijdens de enorme toename van de stroom van pakketten rond de feestdagen en nu van e-commerce tijdens de COVID-19-pandemie. De inzet van vision-gestuurde, intelligente robots voor het verenkelen en sorteren van enorme, ongestructureerde pakketstromen is de manier om op deze uitdagingen in te spelen.

Dit artikel is oorspronkelijk gepubliceerd in Het Robotrapport onder de titel:“Hoe het verenkelen en sorteren van pakketten kan profiteren van door AI aangedreven robots”. .