AIのデパレタイズがロジスティクスをどのように揺さぶっているのか

高速サプライチェーンプロセスに対する需要の高まりは、さらに別のニッチ市場に到達しています。それは、パレットからの箱の荷降ろし、またはいわゆるデパレット化です。今日では、生産性を高め、スループットを向上させ、最終的にコストを節約するスマートソリューションを実装することで、かつては困難だったタスクを自動化できます。

AIデパレタイズとは何ですか？

AIを利用したデパレット化は、AIを使用してボックスを積んだパレットをアンロードする自動化されたプロセスです。システムは個々のボックスを認識することができ、ロボットはそれらをコンベヤーベルトまたは他の事前定義された場所に1つずつ配置します。ロボットが同じ高さの均一できれいに積み重ねられたボックスでパレット全体を選択する遅延化とは対照的に、従来のデパレタイズとは対照的に、AIを利用したデパレタイズはスマート機械学習アルゴリズムに基づいています。

このソリューションは、より高いレベルの荷降ろしパレットを提供するため、多くの利点があります。これらには、必要な配置領域が小さく（パレット全体とは対照的に最大のボックスのサイズに十分）、処理する必要のあるペイロードが軽いため、ロボットとグリッパーも小さくなります。これらの利点は、大幅なコスト削減という1つの大きな利点に統合されます。グリッパーは小さいという事実にもかかわらず、特定の解決策に応じて、50kgもの重い箱を選ぶことができます。

仕組み

デパレタイズアプリケーションを成功させる秘訣は、ハイエンドの3Dマシンビジョンと、高度で洗練された機械学習アルゴリズムによって実現される優れたロボットインテリジェンスの組み合わせです。これらのアルゴリズムは、ボックスの大規模なデータベースで事前にトレーニングされています。システムはこれらのタイプのボックスを即座に認識し、新しいボックスに遭遇した場合、非常に迅速に再トレーニングすることができます。これは継続的に行われ、さまざまな形状、サイズ、または材料のボックスの認識を可能にする卓越した普遍性を保証します。

光沢のある、反射する、または黒い表面、さまざまなテクスチャ、3Dビジョンを「誤解させる」さまざまなパターンや画像、テープが剥がれる、または箱が密集しているため、それらを隔てるギャップを認識しにくい（ 0.5ミリメートル）—これらは重大な問題を引き起こす可能性のある課題であり、最良のソリューションと弱いソリューションを区別する重要な要素を果たします。 3D画像およびテクスチャ分析に基づいて個々のボックスのセグメンテーションを主導する最も高度な方法は、畳み込みニューラルネットワーク（CNN）を使用することです。

洗練されたデパレタイズソリューションは、システムのトレーニングを必要とせずに、箱から出してすぐに機能します。それらの普遍性は、ボックスを順序付けられたパターンで積み重ねる必要はなく、ランダムに配置することができ、ロボットがそれらを選択できるという事実にもあります。

完璧なビジョン

すでに述べたように、デパレタイズを成功させる秘訣は、AIと「正しい」マシンビジョンの組み合わせです。しかし、正しいものはどういう意味ですか？

展開された3Dビジョンは、一方では大きなスキャンボリュームを提供し、他方では高解像度と精度を提供する必要があります。多くの場合、パレットは複数の層に積み重ねられており、3Dスキャナーは最も低いものと最も高いものをスキャンできる必要があり、ロボットがボックスを操作するための十分なスペースが必要であるため、スキャンボリュームは、パレットを十分な距離からスキャンするのに十分な大きさである必要があります。したがって、スキャナーはパレットの約3〜4メートル上に取り付けられ、それでも優れた品質のスキャンを提供できる必要があります。

数字のメリット

5000種類以上の箱で訓練された高度なシステムを見てみましょう。優れた3Dビジョンと組み合わせることで、高度な機械学習アルゴリズムにより、99.7％のピック率精度、3ミリメートル以内のグリップ精度、および1時間で1000ボックスのピッキング速度を実現できます。これらの数値は、ROIのコンテキストで、またスマートな自動デパレタイズソリューションを選択するかどうかの意思決定プロセスで非常に重要です。

生産性の向上、職場の安全化

ROIの向上、生産性の向上、時間とコストの節約の向上は、自動化されたデパレタイズソリューションを実装することで得られるメリットの範囲の片側にすぎません。もう一方の端は、怪我やエラーのリスクを大幅に排除します。手動操作では、地上数メートルに積み上げられる可能性のある大きくて重い箱の取り扱いが必要です。これはしばしば深刻な背中の怪我や他の健康への悪影響につながります。このプロセスの自動化により、これらのリスクが排除され、人間の作業者とは対照的に、ロボットが疲れることなく、ノンストップのデパレット化が可能になります。

代わりに、労働者の可能性は、創造性、批判的思考、および意思決定を必要とする分野で使用できます。これにより、企業は効率を高め、将来の成功の可能性を高めることができます。

Andrew PufflerovaはPRスペシャリストであり、MichalMalyはPhotoneoのAIディレクターです。