AI-gestuurd pakket- en zendingsortingssysteem: Efficiëntie verhogen en arbeidskosten verlagen

Het handmatig losmaken van enorme stapels pakketten en enveloppen, gevolgd door sorteren en op een transportband plaatsen, is uitdagend, vooral tijdens piekperiodes. Automatisering van dit proces kan de productiviteit verhogen, kosten en tijd besparen, en letsels verminderen. Een robotische losmaak- en sortieringssysteem aangedreven door kunstmatige intelligentie wordt een noodzaak voor logistieke bedrijven die willen bijbenen met de stijgende e-commercerequesten.

Handmatige losmaking — een verleden tijd?

Pakketstromen ondergaan wilde fluctuaties gedurende het jaar, met pieken rond Black Friday en de kerstperiode. Mondiale pakketvolumes zijn doorgaans gegroeid met een snelheid van maximaal 25% per jaar.

De COVID-19-uitbraak heeft ook de on-time ordervervulling op de proef gesteld. De versnelde afhankelijkheid van e-commerce heeft de vraag naar capaciteit verhoogd. Dit leidt tot meer operationele kosten, niet alleen door het aannemen van meer medewerkers, maar ook door het wervingsproces zelf. Periodes die normaal gesproken de beste en meest winstgevende zijn vanuit verkoopinzicht, worden zo de ergste.

Naast doorloopsnelheidseisen en pieken in de vraag, zijn werknemersgezondheid en -tevredenheid uitdagingen voor handmatige losmaking en sortering. Medewerkers kunnen verveling ervaren door repetitieve taken, evenals letsels door het hanteren van onregelmatige zware items. Dit kan leiden tot kosten voor arbeidsongeschiktheid en verminderde productiviteit.

Visie en robotica tot de redding

De bovengenoemde uitdagingen kunnen worden overwonnen door het automatiseren van het losmaak- en sorteerproces, wat de kosten voorspelbaarder maakt en schaalbaarheid biedt voor piekvraag.

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

Bijvoorbeeld, Photoneo integreert intern ontwikkelde 3D-machinevisie met algoritmen die robots in staat stellen meer dan 2.250 pakketten per uur op te pikken. Het visiesysteem levert nauwkeurige 3D-data en stelt precieze lokalisatie in, wat leidt tot een grijp nauwkeurigheid van +/-3 mm.

Het Photoneo Singulation and Sorting System is gebaseerd op een vooraf getraind neuraal netwerk dat pakketten out-of-the-box kan herkennen, zonder enige training, voor een piksuccesratio van 95%.

De overige 5% is het resultaat van de mechanische eigenschappen en het materiaal van de pakketten. Als een object bijvoorbeeld een gerimpeld oppervlak heeft of van stof is gemaakt, kan het van de gripper vallen en opnieuw opgepikt moeten worden. Dergelijke objecten worden volgens Photoneo altijd succesvol opgepikt bij de tweede poging. Het bedrijf beweert een cyclus tijd van minder dan 1,5 seconden te halen en is compatibel met een reeks robotmerken.

Single-scan versus multi-pick modus

De prestatiesnelheid hangt af van de gekozen scannemodus. Een single-scan modus maakt een scan, verwerkt de data, lokaliseert een object en stuurt een commando naar de robot om het op te pikken. Dit proces wordt herhaald voor elk object. De verwerkingsvertraging is doorgaans niet meer dan 0,5 seconden.

Een andere optie is de multi-pick modus, waarbij de scanner/camera een scan maakt, het systeem alle opikbare objecten herkent, en de robot ze één voor één oppikt zonder onderbreking. Het aantal scans kan worden aangepast aan de specifieke toepassing. Omdat er geen verwerkingsvertraging is in de multi-pick modus, is de prestatie sneller, en de cyclus tijd wordt alleen beperkt door de snelheid van de robot.

Visie en intelligentie

De kwaliteit van 3D-data bepaalt het succes van een geautomatiseerde losmaak- en sorteeroplossing. Men kan het meest intelligente systeem hebben, maar zonder goede 3D-data om mee te werken, zou de output nutteloos zijn. Een goede 3D-camera moet hoge resolutie en nauwkeurigheid bieden, groot scanvolume en dieptereikwijdte, evenals een hoge scansnelheid.

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 data voor AI om ze te verwerken en elk object succesvol te lokaliseren.

De meest moderne benadering voor AI-gestuurde segmentatie en lokalisatie van pakketten is het gebruik van convolutieve neurale netwerken, die in 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 getraind zijn op enorme databases van objecten en daarom nieuwe typen objecten die ze nooit eerder hebben gezien, gemakkelijk en snel kunnen generaliseren en herkennen. Rimpels, vervormingen en andere onregelmatigheden mogen geen obstakel vormen voor snelle herkenning.

Na succesvolle detectie en lokalisatie krijgt de robot een commando om een specifiek object op te pikken en het vervolgens op een vooraf gedefinieerde locatie te plaatsen, zoals op een transportband.

Grote uitdagingen voor losmaking

Ontwikkelaars van robotische losmaaksystemen staan talloze uitdagingen tegenover. Een groot probleem voor 3D-visie wordt gevormd door oppervlakken die schitterend of reflecterend zijn, diverse patronen en afbeeldingen bevatten, of zwart zijn. Variaties in textuur veroorzaken ook moeilijkheden. Pakketten worden meestal ongestructureerd opgestapeld, overlappend elkaar, wat het moeilijk maakt ze te lokaliseren.

Een van de grootste uitdagingen zit in de aard van tassen — hun vorm is vervormd, vol vouwen en rimpels, wat het voor een robotgripper extreem moeilijk maakt ze op te pikken. Dit zijn de redenen waarom het zo essentieel is om hoge-kwaliteit 3D-visie te combineren met geavanceerde en gesofisticeerde AI-algoritmen — alleen deze krachtige combinatie kan al de bovengenoemde uitdagingen betrouwbaar aanpakken.

Toepassingsbereik uitbreiden

Het gebruik van een AI-gestuurde automatiseringsoplossing eindigt niet bij simpele losmaking en sortering 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 ze te sorteren op basis van hun grootte of andere criteria.

Bijvoorbeeld, de Photoneo MotionCam-3D, die objecten kan vastleggen die tot 40 m/s bewegen, kan een meetnauwkeurigheid van 1 cm bereiken en levert een diepteresolutie 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 gerimpelde enveloppen en pakketten — en virtueel 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 streepjescodes.

De mogelijke toepassingen en mogelijkheden van deze systemen ontwikkelen en breiden zich uit met de vooruitgang in AI en machinevisie, maar ook met marktvraag die de richting van deze ontwikkeling dicteert.

Robotische losmaking kan de veiligheid, productiviteit en betrouwbaarheid verhogen, evenals de kosten aanzienlijk verlagen. Automatisering is een cruciaal instrument geworden om processen in de logistiek te optimaliseren. Magazijnen en distributiecentra worstelden met het behouden van werkers tijdens enorme toename in pakketstromen rond de feestdagen en nu door e-commerce tijdens de COVID-19-pandemie. De inzet van visie-gestuurde, intelligente robots voor losmaking en sortering van enorme, ongestructureerde stromen van pakketten is de manier om op deze uitdagingen te reageren.

Dit artikel werd oorspronkelijk gepubliceerd in The Robot Report onder de titel: "Hoe losmaking en sortering van pakketten kunnen profiteren van AI-gestuurde robots".