AI搭載パーセル・パケット仕分けシステム：効率向上と省力化を実現

膨大な量の小包や封筒を手作業で一個ずつ分離（シングュレーション）し、仕分けてコンベアに載せる作業は、特に繁忙期には大きな負担となります。このプロセスを自動化することで、生産性の向上、コストと時間の削減、作業員のケガの防止が可能になります。人工知能を搭載したロボットによるシングュレーションおよび仕分けシステムは、増え続けるEC需要に対応したい物流企業にとって、もはや必須の技術となっています。

手作業によるシングュレーションは過去のものになるか？

小包の流入量は年間を通じて大きく変動し、通常ブラックフライデーやクリスマス時期にピークを迎えます。世界の小包量は一般的に年間最大25%のペースで増加し続けています。

COVID-19の感染拡大は、定時納品の体制を試すことになりました。ECへの依存が加速したことでキャパシティ需要が増大し、より多くの従業員を雇用する必要性だけでなく、採用プロセス自体に関わる運営コストも増加しました。本来なら売上の観点から最も良く、最も利益が出る時期が、最悪の時期になってしまうのです。

スループット要件や需要の急増に加え、作業員の健康と満足度も手作業によるシングュレーションと仕分けの課題です。従業員は単調な反復作業による退屈さや、不定形で重い荷物の取り扱いによるケガに直面する可能性があります。これは労災補償費用の増大と生産性の低下を招きます。

ビジョンとロボティクスが課題を解決

上記の課題は、シングュレーションと仕分けプロセスを自動化することで克服できます。これによりコストを予測可能にし、需要のピークにもスケーラブルに対応できます。

現在最も先進的な自動化は、3Dマシンビジョン、AIアルゴリズム、主要ロボットブランドとの互換性を組み合わせたものです。また、特定のピックアンドプレースシステムの品質と成功率を測定することも可能です。具体例を見てみましょう。大量の非構造化された小包をシングュレーションして仕分ける必要がある場合、自動化システムの導入によってどのようなメリットが得られるでしょうか。

例えばPhotoneoは、社内開発の3Dマシンビジョンとアルゴリズムを統合し、ロボットが毎時2,250個以上の小包をピックできるようにしています。ビジョンシステムは精密な3Dデータを提供し、±3mmの把持精度を実現する正確な位置特定を可能にします。

Photoneoのシングュレーションおよび仕分けシステムは、事前学習済みのニューラルネットワークに基づいており、追加の学習なしで小包を即座に認識し、95%のピック成功率を達成します。

残りの5%は、小包の機械的特性や素材によるものです。例えば、表面にシワがあるものや布製のものは、グリッパーから落ちて再ピックが必要になることがあります。Photoneoによれば、このような物体でも2回目では必ず正常にピックできるとのことです。サイクルタイムは1.5秒未満を達成でき、さまざまなロボットブランドと互換性があります。

シングルスキャンモードとマルチピックモード

処理速度は選択したスキャンモードに依存します。シングルスキャンモードでは、スキャン、データ処理、物体の位置特定、ロボットへのピック指令送信を行い、このプロセスを物体ごとに繰り返します。処理遅延は一般的に0.5秒以内です。

一方、マルチピックモードでは、スキャナ/カメラが一度スキャンし、システムがピック可能な全物体を認識して、ロボットが中断なく連続してピックします。スキャン回数は用途に応じて調整可能です。マルチピックモードでは処理遅延がないため性能が向上し、サイクルタイムはロボットの速度のみによって制限されます。

ビジョンとインテリジェンス

3Dデータの品質が、自動シングュレーションおよび仕分けソリューションの成否を分けます。いかに高度なシステムであっても、良質な3Dデータがなければその出力は役に立ちません。優れた3Dカメラには、高解像度・高精度、広いスキャンボリュームと被写界深度、高速スキャンが求められます。

その他の重要な要素は、環境光の抑制能力と「プラグアンドプレイ」性能です。導入した3Dカメラがこれらの機能を備えていれば、AIがデータを処理し、各物体を正確に位置特定するための十分なデータが得られます。

小包のAI搭載セグメンテーションと位置特定における最も現代的なアプローチは、畳み込みニューラルネットワーク（CNN）の使用です。これは過去数年間で大きな進歩を遂げました。これらのネットワークは、あらゆる形状、テクスチャ、素材の小包、封筒、袋を認識し、それらの寸法、位置、姿勢を把握できます。

最良のソリューションは、膨大な物体データベースで学習したアルゴリズムに基づいており、未知の新しいタイプの物体でも容易かつ迅速に汎化・認識できます。シワ、変形、その他の不規則性も高速認識の障害になりません。

検出と位置特定に成功すると、ロボットは特定の物体をピックし、コンベアベルト上などの所定の場所に配置する指令を受け取ります。

シングュレーションの主な課題

ロボットシングュレーションシステムの開発者は多くの課題に直面します。3Dビジョンにとって大きな問題となるのは、光沢や反射のある表面、さまざまなパターンや絵柄、黒い表面です。テクスチャの多様性も困難をもたらします。小包は通常、非構造的に積み重なり、互いに重なり合っているため、位置特定が困難です。

最大の課題の一つは袋の性質にあります。形状が変形し、折り目やシワが多いため、ロボットグリッパーでピックするのが極めて困難です。これらの理由から、高品質な3Dビジョンと高度で洗練されたAIアルゴリズムを組み合わせることが極めて重要です。この強力な組み合わせのみが、上記のすべての課題を確実に解決できます。

アプリケーション範囲の拡大

AI搭載自動化ソリューションの活用は、単純な小包のシングュレーションと仕分けにとどまりません。3Dカメラが高品質かつ高速で動くシーンをスキャンできれば、パッケージを移動中に計測し、サイズやその他の基準に基づいて仕分けることが可能です。

例えば、PhotoneoのMotionCam-3Dは、毎秒40メートルまで移動する物体を撮影でき、計測精度1cm、深度マップ解像度約200万画素、毎秒1,500万3Dポイントを達成します。

AIと3Dマシンビジョンを組み合わせたシステムは、シワのある封筒や小包を開いたり解いたり、幾何学的変換を仮想的に行ったりして、OCRの読み取り精度を向上させ、後工程の処理を改善することにも使用できます。これらのシステムの一部は、バーコードに基づく小包の仕分けも可能にします。

これらのシステムの可能なアプリケーションと機能は、AIとマシンビジョンの進歩、そして開発の方向性を決定づける市場ニーズとともに発展し、拡大し続けています。

ロボットによるシングュレーションは、安全性、生産性、信頼性を向上させ、コストを大幅に削減します。自動化は、物流プロセスを最適化するための重要なツールとなっています。倉庫と配送センターは、ホリデーシーズンの小包流入量の急増、そして今やCOVID-19パンデミック時のEC需要増大の中で、作業員の確保に苦労してきました。ビジョン誘導型のインテリジェントなロボットを導入し、大量の非構造化された小包フローをシングュレーションおよび仕分けすることが、これらの課題への回答となります。

この記事は元々The Robot Reportで「AI搭載ロボットによる小包のシングュレーションと仕分けのメリット」というタイトルで公開されました。