Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Manufacturing Technology >> Sistem Kontrol Otomatisasi

Sistem Penyortiran Paket dan Paket diotomatisasi oleh AI

Penyortiran manual dari tumpukan paket dan amplop yang besar, diikuti dengan menyortir dan menempatkannya di sabuk konveyor, menjadi tantangan, terutama selama puncak. Otomatisasi proses ini dapat meningkatkan produktivitas, menghemat biaya dan waktu, serta mengurangi cedera. Sistem singulasi dan penyortiran robot yang didukung oleh kecerdasan buatan menjadi kebutuhan bagi perusahaan logistik yang ingin memenuhi permintaan e-niaga yang terus meningkat.

Singulasi manual — sesuatu dari masa lalu?

Aliran parsel mengalami fluktuasi liar sepanjang tahun, biasanya memuncak sekitar Black Friday dan periode Natal. Volume parsel global umumnya tumbuh dengan kecepatan hingga 25% per tahun.

Wabah COVID-19 juga telah menguji pemenuhan pesanan tepat waktu. Ketergantungan yang dipercepat pada e-commerce telah meningkatkan permintaan akan kapasitas. Hal ini, pada gilirannya, menyebabkan lebih banyak biaya operasional yang terkait tidak hanya dengan kebutuhan untuk mempekerjakan lebih banyak karyawan, tetapi juga dengan proses rekrutmen itu sendiri. Periode yang biasanya dianggap terbaik dan paling menguntungkan dari sudut pandang penjualan menjadi yang terburuk.

Selain persyaratan throughput dan lonjakan permintaan, kesehatan dan kepuasan pekerja merupakan tantangan untuk pemilihan dan penyortiran manual. Karyawan dapat menghadapi kebosanan dari tugas yang berulang, serta cedera karena menangani barang berat yang tidak teratur. Hal ini dapat menyebabkan biaya kompensasi pekerja dan penurunan produktivitas.

Visi dan robotika untuk menyelamatkan

Tantangan di atas dapat diatasi dengan mengotomatiskan proses singulasi dan penyortiran, yang dapat membuat biaya lebih dapat diprediksi dan memberikan skalabilitas untuk puncak permintaan.

Otomatisasi tercanggih saat ini menggabungkan visi mesin 3D, algoritme AI, dan kompatibilitas dengan merek robot besar. Dimungkinkan juga untuk mengukur kualitas dan keberhasilan sistem pick-and-place tertentu. Mari beralih ke contoh konkret. Bagaimana perusahaan dapat memperoleh manfaat dari penerapan sistem otomatis jika perlu memisahkan dan menyortir banyak paket yang tidak terstruktur?

Misalnya, Photoneo mengintegrasikan visi mesin 3D yang dikembangkan di rumah dengan algoritme yang memungkinkan robot mengambil lebih dari 2.250 paket per jam. Sistem penglihatan memberikan data 3D yang akurat dan memungkinkan pelokalan yang tepat yang menghasilkan akurasi mencengkeram +/- 3 mm.

Sistem Singulasi dan Penyortiran Photoneo didasarkan pada jaringan saraf pra-pelatihan yang dapat mengenali paket secara langsung, tanpa pelatihan apa pun, untuk tingkat keberhasilan pengambilan 95%.

5% sisanya adalah hasil dari sifat mekanik dan material parsel. Misalnya, jika suatu benda memiliki permukaan yang kusut atau terbuat dari kain, benda tersebut dapat terlepas dari gripper dan perlu diambil lagi. Objek seperti itu selalu berhasil diambil pada upaya kedua, menurut Photoneo. Ia mengklaim dapat mencapai waktu siklus kurang dari 1,5 detik, dan kompatibel dengan berbagai merek robot.

Mode pemindaian tunggal versus mode multipetik

Kecepatan kinerja tergantung pada mode pemindaian yang dipilih. Mode pemindaian tunggal melakukan pemindaian, memproses data, melokalkan objek, dan mengirim perintah ke robot untuk mengambilnya. Proses ini berulang untuk setiap objek. Penundaan pemrosesan umumnya tidak lebih dari 0,5 detik.

Pilihan lainnya adalah mode multi-pilih, dalam hal ini pemindai/kamera melakukan pemindaian, sistem mengenali semua objek yang dapat dipilih, dan robot mengambilnya satu per satu tanpa gangguan apa pun. Jumlah scan dapat disesuaikan dengan aplikasi tertentu. Karena tidak ada penundaan pemrosesan dalam mode multi-pilih, kinerjanya lebih cepat, dan waktu siklus hanya dibatasi oleh kecepatan robot.

Visi dan kecerdasan

Kualitas data 3D menentukan keberhasilan solusi singulasi dan penyortiran otomatis. Seseorang dapat memiliki sistem yang paling cerdas, tetapi tanpa data 3D yang bagus untuk digunakan dan bersandar, keluarannya tidak akan berguna. Kamera 3D yang bagus harus memberikan resolusi dan akurasi tinggi, volume pemindaian besar dan kedalaman bidang, serta kecepatan pemindaian tinggi.

Faktor penting lainnya adalah kemampuan untuk meredam cahaya sekitar dan performa "plug-and-play". Jika kamera 3D yang di-deploy menawarkan semua fitur ini, sistem akan mendapatkan data yang cukup agar AI dapat memprosesnya dan berhasil melokalkan setiap objek.

Pendekatan paling modern untuk segmentasi dan lokalisasi paket yang diberdayakan oleh AI adalah dengan menggunakan jaringan saraf konvolusional, yang telah membuat kemajuan besar dalam beberapa tahun terakhir. Jaringan saraf ini dapat mengenali paket, amplop, dan bahkan tas dalam bentuk, tekstur, dan bahan apa pun, serta dimensi, posisi, dan orientasinya.

Solusi terbaik didasarkan pada algoritme yang dilatih pada database objek yang sangat besar dan karenanya dapat dengan mudah dan cepat menggeneralisasi dan mengenali jenis objek baru yang belum pernah mereka lihat sebelumnya. Kerutan, deformasi, dan penyimpangan lainnya seharusnya tidak menjadi halangan untuk pengenalan cepat.

Setelah berhasil mendeteksi dan melokalkan, robot mendapat perintah untuk memilih objek tertentu lalu menempatkannya ke lokasi yang telah ditentukan sebelumnya, seperti di ban berjalan.

Tantangan utama untuk singulasi

Pengembang sistem singulasi robot menghadapi banyak tantangan. Masalah utama penglihatan 3D ditimbulkan oleh permukaan yang mengkilap atau memantulkan cahaya, mengandung berbagai pola dan gambar, atau berwarna hitam. Varietas tekstur juga menyebabkan kesulitan. Paket biasanya ditumpuk dengan cara yang tidak terstruktur, saling tumpang tindih, sehingga sulit untuk melokalkannya.

Salah satu tantangan terbesar terletak pada sifat tas – bentuknya berubah bentuk, penuh lipatan dan kerutan, sehingga sangat sulit bagi robot gripper untuk mengambilnya. Ini adalah alasan mengapa sangat penting untuk menggabungkan visi 3D berkualitas tinggi dengan algoritme AI yang canggih dan canggih – hanya kombo yang kuat ini yang dapat mengatasi semua tantangan di atas dengan andal.

Memperluas jangkauan aplikasi

Pemanfaatan solusi otomasi bertenaga AI tidak berakhir pada pemilihan dan penyortiran paket yang sederhana. Jika kamera 3D dapat memindai adegan bergerak dengan kualitas tinggi dan kecepatan tinggi, Anda dapat mengukur paket dengan cepat dan mengurutkannya berdasarkan ukurannya atau kriteria lainnya.

Misalnya, Photoneo MotionCam-3D, yang mampu menangkap objek yang bergerak hingga 40 m/dtk, dapat mencapai presisi pengukuran 1 cm dan memberikan resolusi peta kedalaman ~2 Mpx dan 15 Juta titik 3D/dtk.

Sistem yang menggabungkan AI dan visi mesin 3D juga dapat digunakan untuk membuka atau membuka amplop dan paket yang kusut — dan secara virtual membuat transformasi geometris — untuk meningkatkan keterbacaan OCR untuk diproses lebih lanjut. Beberapa dari sistem ini juga mengaktifkan penyortiran paket berdasarkan kode batang.

Kemungkinan aplikasi dan kemampuan sistem ini berkembang dan diperluas dengan kemajuan AI dan visi mesin, tetapi juga dengan permintaan pasar yang menentukan arah pengembangan ini.

Singulasi robotik dapat meningkatkan keselamatan, produktivitas, dan keandalan, serta memangkas biaya secara signifikan. Otomasi telah menjadi alat penting untuk mengoptimalkan proses dalam logistik. Gudang dan pusat distribusi telah berjuang dengan mempertahankan pekerja selama mengalami peningkatan besar dalam aliran parsel selama liburan dan sekarang dari e-commerce selama pandemi COVID-19. Penyebaran robot cerdas yang dipandu oleh penglihatan untuk singulasi, dan penyortiran aliran paket yang besar dan tidak terstruktur adalah cara untuk menanggapi tantangan ini.

Artikel ini awalnya diterbitkan di Laporan Robot dengan judul:“Bagaimana pemisahan dan penyortiran paket dapat memanfaatkan robot bertenaga AI”. .


Sistem Kontrol Otomatisasi

  1. Apa itu Sistem Operasi dan Komponennya
  2. Apa itu Mesin Virtual – Jenis dan Keuntungan
  3. Input dan Output Dasar Java
  4. Bosch dan Daimler akan mengemudikan pengemudian otomatis di California
  5. Sistem Tertanam dan Integrasi Sistem
  6. Ford, Walmart, dan Postmates berkolaborasi untuk menyediakan pengiriman kendaraan otomatis
  7. Memasangkan AI dan robotika dengan beberapa sistem inspeksi
  8. Integrator Sistem Pengemasan Otomatis
  9. Memahami gesekan dan sistem pengereman regeneratif
  10. Aplikasi Perekat Otomatis, Perakitan, Pemeriksaan Termal, dan Sistem Penandaan Laser