Sistem Pengurutan Paket Berbasis AI: Tingkatkan Efisiensi & Kurangi Tenaga Kerja

Singulasi manual tumpukan paket dan amplop yang besar, diikuti dengan pengurutan dan penempatan di konveyor, menjadi menantang, terutama selama puncak. Otomatisasi proses ini dapat meningkatkan produktivitas, menghemat biaya dan waktu, dan mengurangi cedera. Sistem singulasi dan pengurutan robotik yang dikembangkan oleh kecerdasan buatan (AI) menjadi keharusan untuk perusahaan logistik yang ingin tetap mengikuti permintaan e-commerce yang semakin meningkat.

Singulasi manual — masa lalu?

Aliran paket mengalami fluktuasi liar sepanjang tahun, biasanya mencapai puncak sekitar Black Friday dan periode Natal. Volume paket global secara umum telah tumbuh dengan tingkat hingga 25% per tahun.

Wabah COVID-19 juga telah menguji pengiriman tepat waktu. Ketergantungan yang meningkat pada e-commerce telah meningkatkan permintaan kapasitas. Ini, pada gilirannya, menyebabkan lebih banyak biaya operasional yang terkait tidak hanya dengan kebutuhan untuk merekrut lebih banyak karyawan, tetapi juga proses rekrutmen itu sendiri. Periode yang biasanya dianggap sebagai yang terbaik dan paling menguntungkan dari segi penjualan menjadi yang terburuk.

Selain kebutuhan throughput dan lonjakan permintaan, kesehatan dan kepuasan karyawan adalah tantangan untuk singulasi dan pengurutan manual. Karyawan dapat mengalami kebosanan dari tugas yang berulang, serta cedera dari menangani barang berat yang tidak teratur. Ini dapat mengakibatkan biaya kompensasi pekerja dan produktivitas yang menurun.

Vision dan robotika ke penyelamatan

Tantangan di atas dapat diatasi dengan mengotomatisasi proses singulasi dan pengurutan, yang dapat membuat biaya lebih dapat diprediksi dan memberikan skalabilitas untuk lonjakan permintaan.

Otomatisasi paling canggih saat ini menggabungkan 3D machine vision, algoritma AI, dan kompatibilitas dengan merek robot utama. Juga mungkin untuk mengukur kualitas dan keberhasilan sistem pick-and-place tertentu. Mari kita beralih ke contoh konkret. Bagaimana perusahaan dapat mendapatkan manfaat dari menerapkan sistem otomatis jika perlu mengasingkan dan mengurutkan beban paket yang besar dan tidak terstruktur?

Misalnya, Photoneo menggabungkan 3D machine vision yang dikembangkan dalam rumah dengan algoritma yang memungkinkan robot mengambil lebih dari 2.250 paket per jam. Sistem visi menyediakan data 3D yang akurat dan memungkinkan pelokalan yang presisi yang mengarah pada akurasi gagasan +/-3 mm.

Photoneo Singulation and Sorting System didasarkan pada jaringan saraf yang telah dilatih sebelumnya yang dapat mengenali paket secara langsung, tanpa pelatihan, dengan tingkat keberhasilan pengambilan 95%.

5% sisanya adalah hasil dari properti mekanis dan materi paket. Misalnya, jika sebuah objek memiliki permukaan keriput atau terbuat dari kain, itu dapat jatuh dari gripper dan perlu diambil lagi. Objek seperti itu selalu berhasil diambil pada percobaan kedua, menurut Photoneo. Mereka klaim dapat mencapai waktu siklus kurang dari 1,5 detik, dan kompatibel dengan berbagai merek robot.

Single-scan versus multi-pick mode

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

Opsi lain adalah mode multi-pick, dalam hal ini scanner/kamera melakukan pemindaian, sistem mengenali semua objek yang dapat diambil, dan robot mengambilnya satu per satu tanpa jeda. Jumlah pemindaian dapat disesuaikan dengan aplikasi tertentu. Karena tidak ada tunda pemrosesan dalam mode multi-pick, kinerja lebih cepat, dan waktu siklus hanya dibatasi oleh kecepatan robot.

Vision dan kecerdasan

Kualitas data 3D menentukan keberhasilan solusi singulasi dan pengurutan otomatis. Seseorang mungkin memiliki sistem yang paling cerdas, tetapi tanpa data 3D yang baik untuk bekerja dan diandalkan, outputnya akan sia-sia. Kamera 3D yang baik perlu menyediakan resolusi dan akurasi tinggi, volume pemindaian yang besar dan kedalaman bidang, serta kecepatan pemindaian tinggi.

Faktor penting lainnya adalah kemampuan untuk menekan cahaya lingkungan dan kinerja “plug-and-play”. Jika kamera 3D yang digunakan menawarkan semua fitur ini, sistem mendapatkan cukup data untuk AI memproses dan berhasil melokalkan setiap objek.

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

Solusi terbaik didasarkan pada algoritma yang dilatih pada basis data objek yang besar dan oleh karena itu dapat dengan mudah dan cepat menyederhanakan dan mengenali jenis objek baru yang belum pernah dilihat sebelumnya. Keriput, deformasi, dan ketidakteraturan lainnya tidak harus menjadi hambatan untuk pengenalan yang cepat.

Setelah deteksi dan pelokalan berhasil, robot menerima perintah untuk mengambil objek tertentu dan kemudian menempatkannya ke lokasi yang telah ditentukan, seperti di atas konveyor.

Tantangan utama untuk singulasi

Pengembang sistem singulasi robotik menghadapi berbagai tantangan. Masalah besar untuk visi 3D ditimbulkan oleh permukaan yang bersinar atau mencerminkan, berisi berbagai pola dan gambar, atau hitam. Variasi tekstur juga menyebabkan kesulitan. Paket biasanya ditumpuk secara tidak terstruktur, tumpang tindih satu sama lain, yang menyulitkan pelokalan.

Salah satu tantangan terbesar terletak pada sifat tas – bentuknya berubah, penuh dengan lipatan dan keriput, yang membuatnya sangat sulit untuk gripper robot untuk mengambilnya. Ini adalah alasan mengapa sangat penting untuk menggabungkan visi 3D berkualitas tinggi dengan algoritma AI yang canggih dan sofistikasi – hanya kombinasi canggih ini yang dapat menangani semua tantangan di atas secara andal.

Memperluas rentang aplikasi

Penggunaan solusi otomatisasi yang didukung AI tidak berakhir pada singulasi dan pengurutan paket sederhana. Jika kamera 3D dapat memindai adegan bergerak dengan kualitas tinggi dan kecepatan tinggi, maka dapat mengukur paket secara langsung dan mengurutkannya berdasarkan ukuran atau kriteria lainnya.

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

Sistem yang menggabungkan AI dan 3D machine vision juga dapat digunakan untuk melipat atau membuka amplop dan paket yang keriput – dan secara virtual melakukan transformasi geometris – untuk meningkatkan keterbacaan OCR untuk pemrosesan lanjutan. Beberapa sistem ini juga memungkinkan pengurutan paket berdasarkan barcode.

Aplikasi dan kemampuan yang mungkin dari sistem ini berkembang dan diperluas dengan kemajuan AI dan machine vision, tetapi juga dengan permintaan pasar yang menentukan arah pengembangan ini.

Singulasi robotik dapat meningkatkan keselamatan, produktivitas, dan keandalan, serta secara signifikan menghemat biaya. Otomatisasi telah menjadi alat krusial untuk mengoptimalkan proses di logistik. Gudang dan pusat distribusi telah kesulitan mempertahankan pekerja selama peningkatan besarnya aliran paket di sekitar liburan dan sekarang dari e-commerce selama pandemi COVID-19. Penggunaan robot pintar yang dipandu visi untuk singulasi dan pengurutan aliran paket yang besar dan tidak terstruktur adalah cara untuk merespons tantangan ini.

Artikel ini awalnya dipublikasikan di The Robot Report dengan judul: “How singulation and sorting of parcels can benefit from AI-powered robots”..