Revolusi Logistik: Depalletisasi Berbasis AI Meningkatkan Efisiensi dan Menghemat Biaya
Permintaan yang semakin tinggi terhadap proses rantai pasok yang cepat telah mencapai segmen pasar lain: pembongkaran kotak dari palet, atau yang dikenal sebagai depalletisasi. Kini, tugas yang tadinya sulit dapat diotomatisasi dengan menerapkan solusi cerdas yang akan meningkatkan produktivitas, meningkatkan throughput, dan pada akhirnya menghemat biaya.
Apa Itu AI Depalletization?
Depalletisasi berbasis AI adalah proses otomatis pembongkaran palet yang dipenuhi kotak menggunakan AI. Sistem dapat mengenali setiap kotak secara individual dan robot menempatkannya satu per satu pada conveyor belt atau tempat lain yang telah ditentukan. Berbeda dengan delayerization, di mana robot mengambil seluruh palet dengan kotak seragam yang tertata rapi dengan tinggi yang sama, dan berbeda dengan depalletisasi klasik, depalletisasi berbasis AI didasarkan pada algoritma machine learning yang cerdas.
Solusi ini menawarkan tingkat pembongkaran palet yang lebih tinggi dan sebagai solcher menawarkan banyak keuntungan. Keuntungannya meliputi area penempatan yang lebih kecil (cukup untuk ukuran kotak terbesar dibandingkan seluruh palet) dan robot serta gripper yang lebih kecil karena beban yang lebih ringan harus ditangani. Keuntungan-keuntungan ini bergabung menjadi satu manfaat besar: penghematan biaya yang signifikan. Meskipun gripper lebih kecil, ia dapat mengambil kotak yang berat hingga 50 kg, tergantung pada solusi tertentu.
Cara Kerja
Rahasia di balik aplikasi depalletisasi yang berhasil adalah kombinasi 3-D machine vision kelas atas dengan kecerdasan robot superior yang diaktifkan oleh algoritma machine learning yang canggih dan sofistikasi. Algoritma ini telah dilatih sebelumnya pada database besar kotak. Sistem segera mengenali jenis kotak ini dan jika menemukan kotak baru, mampu melatih ulang dirinya sendiri dengan sangat cepat. Ini terjadi secara berkelanjutan dan memastikan universalitas luar biasa yang memungkinkan pengenalan kotak dengan bentuk, ukuran, atau material yang berbeda.
Permukaan licin, refleksi, atau hitam, tekstur yang bervariasi, pola atau gambar yang “menyesatkan” 3-D vision, tape yang longsor, atau kotak yang dipadatkan rapat sehingga sulit untuk mengenali celah yang memisahkannya (bahkan tipis hingga 0,5 milimeter) — ini adalah tantangan yang dapat menyebabkan masalah signifikan dan memainkan faktor krusial yang membedakan solusi terbaik dari yang lebih lemah. Cara paling canggih yang memimpin dalam segmentasi kotak individual berdasarkan analisis citra 3-D dan tekstur adalah menggunakan jaringan saraf konvolusional (CNN).
Solusi depalletisasi yang canggih bekerja secara out of the box, tanpa memerlukan pelatihan sistem. Universalitas mereka juga terletak pada fakta bahwa kotak tidak perlu ditumpuk dalam pola teratur tetapi dapat ditempatkan secara acak dan robot masih mampu mengambilnya.
Visibilitas yang Sempurna
Seperti yang sudah dikatakan, kunci depalletisasi yang berhasil adalah kombinasi AI dan 3-D machine vision yang “tepat”. Namun, yang dimaksud dengan yang tepat?
3-D vision yang diterapkan perlu menyediakan volume pemindaian yang besar satu sisi dan resolusi serta akurasi yang tinggi di sisi lain. Karena palet sering ditumpuk di atas satu sama lain dalam beberapa lapis dan scanner 3-D perlu dapat memindai yang terendah hingga yang tertinggi, dan karena perlu ada cukup ruang yang tersisa untuk robot memanipulasi kotak, volume pemindaian harus cukup besar untuk memindai palet dari jarak yang cukup jauh. Oleh karena itu, scanner perlu dipasang sekitar 3 hingga 4 meter di atas palet dan masih mampu memberikan scan dengan kualitas superior.
Manfaat dalam Angka
Misalkan sistem canggih yang telah dilatih pada lebih dari 5000 jenis kotak. Dalam kombinasi dengan 3-D vision yang superior, algoritma machine learning yang canggih dapat memberikan akurasi tingkat penjemputan 99,7%, presisi gripper dalam 3 milimeter, dan kecepatan penjemputan 1000 kotak per jam. Angka-angka ini sangat penting dalam konteks ROI dan juga dalam proses pengambilan keputusan apakah akan memilih solusi depalletisasi otomatis yang cerdas.
Produktivitas yang Lebih Tinggi, Tempat Kerja yang Lebih Aman
ROI yang meningkat, produktivitas yang ditingkatkan, dan penghematan waktu dan biaya yang lebih besar hanya satu sisi dari spektrum manfaat yang dapat diraih dengan menerapkan solusi depalletisasi otomatis. Ujung lainnya adalah eliminasi risiko cedera dan kesalahan yang signifikan. Operasi manual melibatkan penanganan kotak besar dan berat yang mungkin ditumpuk beberapa meter di atas tanah. Ini sering menyebabkan cedera punggang serius dan kerugian kesehatan lainnya. Otomatisasi proses ini menghilangkan risiko ini dan memungkinkan depalletisasi tanpa henti, tanpa robot yang pernah lelah, berbeda dengan pekerja manusia.
Potensi pekerja dapat dialihkan ke area yang membutuhkan kreativitas, pemikiran kritis, dan pengambilan keputusan — membantu perusahaan meningkatkan efisiensi dan meningkatkan potensi keberhasilan di masa depan.
Andrea Pufflerova adalah spesialis PR, dan Michal Maly adalah direktur AI, di Photoneo.
