AI によって自動化された小包とパケットの仕分けシステム

膨大な量の小包や封筒を手動で個別化し、仕分けしてコンベア ベルトに載せる作業は、特にピーク時に困難になります。このプロセスを自動化すると、生産性が向上し、コストと時間が節約され、怪我が減少します。増え続ける e コマースの需要に対応したいロジスティクス企業にとって、人工知能を搭載したロボットによる個別化および仕分けシステムは必要不可欠になっています。

手作業によるシンギュレーションは過去のもの?

パーセル フローは年間を通して大きく変動し、通常はブラック フライデーとクリスマスの時期にピークに達します。一般に、世界の小包量は年間最大 25% の割合で増加しています。

COVID-19 の発生により、オンタイムの注文フルフィルメントもテストされました。電子商取引への依存の加速により、容量に対する需要が高まっています。これは、より多くの従業員を雇用する必要があるだけでなく、採用プロセス自体にも関連する運用コストの増加につながります。したがって、販売の観点から通常は最良で最も収益性が高いと考えられる期間が、最悪の期間になります。

スループットの要件と需要の急増に加えて、労働者の健康と満足度は、手作業による個別化と分類の課題です。従業員は、反復作業による退屈や、不規則な重いアイテムの取り扱いによる怪我に直面する可能性があります。これは、労災補償費用と生産性の低下につながる可能性があります。

ビジョンとロボティクスによる救助

上記の課題は、個別化と選別プロセスを自動化することで克服できます。これにより、コストをより予測しやすくし、需要のピークに対応できるスケーラビリティを提供できます。

今日の最も高度な自動化は、3D マシン ビジョン、AI アルゴリズム、および主要なロボット ブランドとの互換性を兼ね備えています。特定のピックアンドプレースシステムの品質と成功を測定することもできます。具体的な例に移りましょう。構造化されていない大量の小包を個別化して分類する必要がある場合、企業は自動化システムを実装することでどのようなメリットを得ることができますか?

たとえば、Photoneo は社内で開発された 3D マシン ビジョンを、ロボットが 1 時間あたり 2,250 個以上の小包をピッキングできるようにするアルゴリズムと統合しています。ビジョン システムは正確な 3D データを提供し、+/-3 mm のグリップ精度につながる正確なローカリゼーションを可能にします。

Photoneo Singulation and Sorting System は事前トレーニング済みのニューラル ネットワークに基づいており、トレーニングなしで箱から出してすぐに小包を認識でき、ピッキングの成功率は 95% です。

残りの 5% は、小包の機械的特性と材料の結果です。たとえば、オブジェクトの表面がしわになっている場合や布地でできている場合、グリッパーから落ちて再度ピッキングする必要がある場合があります。 Photoneo によると、このようなオブジェクトは常に 2 回目の試行で正常に選択されます。 1.5 秒未満のサイクル タイムを達成でき、さまざまなロボット ブランドと互換性があると主張しています。

シングルスキャンとマルチピック モード

実行速度は、選択したスキャン モードによって異なります。シングル スキャン モードでは、スキャンを実行し、データを処理し、オブジェクトをローカライズして、ロボットにコマンドを送信してそれを選択します。このプロセスは、すべてのオブジェクトに対して繰り返されます。通常、処理の遅延は 0.5 秒以内です。

もう 1 つのオプションはマルチピック モードです。この場合、スキャナー/カメラがスキャンを実行し、システムがすべてのピック可能なオブジェクトを認識し、ロボットがそれらを中断することなく次々とピックします。スキャンの数は、特定のアプリケーションに合わせて調整できます。マルチピック モードでは処理の遅延がないため、パフォーマンスが向上し、サイクル タイムはロボットの速度によってのみ制限されます。

ビジョンとインテリジェンス

3D データの品質は、自動化されたシンギュレーションおよびソーティング ソリューションの成功を左右します。最もインテリジェントなシステムを構築することもできますが、操作や頼りになる優れた 3D データがなければ、その出力は役に立たないでしょう。優れた 3D カメラは、高い解像度と精度、大きなスキャン ボリュームと被写界深度、および高いスキャン速度を提供する必要があります。

その他の重要な要素は、周囲光を抑える機能と「プラグ アンド プレイ」性能です。配置された 3D カメラがこれらすべての機能を提供する場合、システムは AI がそれらを処理して各オブジェクトを正常にローカライズするのに十分なデータを取得します。

AI を利用した区画のセグメンテーションとローカリゼーションに対する最新のアプローチは、過去数年間で大きな進歩を遂げた畳み込みニューラル ネットワークを使用することです。これらのニューラル ネットワークは、小包、封筒、さらにはあらゆる形状、質感、素材の袋、さらにはそれらの寸法、位置、向きを認識することができます。

最良のソリューションは、オブジェクトの巨大なデータベースでトレーニングされたアルゴリズムに基づいているため、これまでに見たことのない新しいタイプのオブジェクトを簡単かつ迅速に一般化して認識することができます。しわ、変形、およびその他の不規則性は、迅速な認識を妨げるものであってはなりません。

検出と位置特定に成功した後、ロボットは特定のオブジェクトを選択するコマンドを取得し、コンベア ベルトなどの事前定義された場所に配置します。

シンギュレーションの主な課題

ロボット シンギュレーション システムの開発者は、多くの課題に直面しています。 3D ビジョンの主な問題は、光沢のある表面や反射する表面、さまざまなパターンや画像を含む表面、または黒い表面によって引き起こされます。テクスチャの多様性も問題を引き起こします。通常、小包は構造化されていない方法で積み上げられ、互いに重なり合っているため、ローカライズが困難です。

最大の課題の 1 つはバッグの性質にあります。バッグの形状は変形しており、折り目やしわがたくさんあるため、ロボット グリッパーがバッグをピッキングするのは非常に困難です。これらが、高品質の 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非常に重要である理由です。この強力な組み合わせだけが、上記のすべての課題に確実に取り組むことができます。

適用範囲の拡大

AI を活用した自動化ソリューションの利用は、小包の単純な個別化と仕分けにとどまりません。 3D カメラが動くシーンを高品質かつ高速にスキャンできれば、荷物をその場で測定し、サイズやその他の基準に基づいて分類することができます。

たとえば、Photoneo MotionCam-3D は、最大 40 m/s で移動するオブジェクトをキャプチャでき、1 cm の測定精度に達し、~2 Mpx の深度マップ解像度と 1500 万 3D ポイント/秒を提供します。

AI と 3D マシン ビジョンを組み合わせたシステムは、しわのある封筒や小包の展開や包装解除にも使用できます。また、仮想的に幾何学的な変換を行い、OCR の読みやすさを向上させてさらに処理することもできます。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 ビジョンの進歩だけでなく、この開発の方向性を決定する市場の要求によっても発展し、拡張されます。

ロボットによるシンギュレーションは、安全性、生産性、信頼性を向上させるだけでなく、コストを大幅に削減できます。自動化は、ロジスティクスのプロセスを最適化するための重要なツールになりました。倉庫や配送センターは、ホリデー シーズン前後の小包の流れが大幅に増加し、現在は COVID-19 のパンデミック中の e コマースにより、労働者の確保に苦労しています。これらの課題に対応する方法は、単一化のための視覚誘導型インテリジェント ロボットの展開と、構造化されていない大量の小包の流れの仕分けです。

この記事は最初に公開されました The Robot Report のタイトル:「小包の個別化と仕分けに AI 搭載ロボットがどのように役立つか」 .