コンピュータビジョン、ロボティクス、MLを活用したデパレタイゼーションの革新

3Dマシンビジョン、ロボティクスなどの技術進歩により、ロボティクスは産業プロセスのあらゆる分野に浸透しつつあります。COVID-19の感染拡大は、迅速かつ正確な受注処理と効率的なサプライチェーンのための自動化適用の緊急性を浮き彫りにしました。物流プロセスの特定の側面であるデパレタイゼーションは、スマート自動化の導入により、より高い生産性レベルを達成できます。

デパレタイゼーションとは？

デパレタイゼーションとは、箱が積まれたパレットを一箱ずつ降ろすプロセスです。ロボットグリッパーがパレット層ごと丸ごと掴み、「すべての箱を掴めたことを願う」従来のデレイヤライゼーションとは異なり、ロボットデパレタイゼーションは人工知能を使用します。システムが個々の箱を認識し、ロボットがそれらをコンベアベルトや他の所定の場所に一箱ずつ配置します。

デパレタイゼーションはパレット降ろしのより高度なレベルであり、デレイヤライゼーションに比べていくつかの利点があります。必要な設置面積が小さい（パレット全体ではなく最大の箱のサイズのみ）。また、ペイロードが軽いため、より小型のロボットアームとグリッパーを使用でき、大幅なコスト削減につながります。

成功の鍵は3DビジョンとAI

最高のデパレタイゼーションシステムは、さまざまな箱で満たされたパレットの降ろしプロセスを安全、迅速、効果的、信頼性高く、そして最終的にコスト効率よく実現できます。これは、3Dマシンビジョンと高度な機械学習アルゴリズムを備えたスマートロボットを組み合わせることでのみ達成可能です。

導入する3Dスキャナのスキャンボリュームは、パレット全体を十分な距離からスキャンできるだけの大きさが必要です。ロボット操作に必要な最小スペースを考慮すると、スキャナは一般的にパレットから約3メートル上に取り付ける必要があります。したがって、適切な3Dスキャナを選択することが、成功するデパレタイゼーションの第一の前提条件です。

第二ステップは、この画像データでAIを学習させることです。機械学習アルゴリズムは継続的に学習し、損傷による不定形な箱やさまざまなサイズの箱など、新しいタイプの箱を認識できます。これによりソリューションは非常に汎用性が高く、ミックスパレットの降ろしもほとんど問題になりません。箱はパターン通りに積む必要はなく、ランダムに、あるいは傾いた状態で置かれていても、ロボットはピック可能です。

スマートシステムは、箱が非常に密に詰まっており、箱間の隙間がわずか0.5ミリメートルほどで認識困難な場合でも箱を認識できます。劣ったソリューションでは、二つの箱を分ける境界線と、特定の箱の開口部をなぞる輪郭線を区別できないことがあります。

その他、テクスチャの変化、光沢や反射のある素材、突き出たテープ、パターン、絵柄など、「3Dビジョンを誤認させる」問題のある表面を持つ箱の認識も困難です。黒い覆いをしたカートンも問題を引き起こすことがあります。

テクスチャと3Dデータに基づいて個々の箱をセグメント化する最も先進的な方法は、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。システムはどの箱をピックするか（パレットの最上層の箱が優先）、グリッパーの吸着力を最大化するためにどう掴むかを決定できます。

最上層の箱とスキャナの間の空間で安全に操作するため、デパレタイゼーションシステムは箱のサイズを考慮する必要があります。これはコンベアベルトへの安全な配置にも重要です。箱の高さをスキャンデータから計算するか、コンベアベルトから数センチ上に設定した光学ゲートを使用することで確保できます。

箱が光学ビームに触れるとグリッパーがそれを落とします。これにより、すべての箱がコンベアベルトから同じ高さで落とされます。これはデパレタイゼーションがデレイヤライゼーションより優れている大きな利点です。デレイヤライゼーションでは、同一層内の異なる高さの箱が大きな問題となります。

ロボットが仕事全体をこなす

社内開発の3Dビジョンを含むPhotoneoのシステムは、このようなロボットデパレタイゼーションの一例です。同社のシステムは、箱が積まれたパレット全体をスキャンし、スキャンデータを3Dテクスチャデータセットに変換します。

このスキャンは、5,000種類以上の箱で学習したPhotoneoの機械学習アルゴリズムによって処理されます。AIは即座に各箱を認識し、ロボットに指令を送ります。特別に開発された汎用グリッパーを使用し、ロボットは±3mmの精度でピック動作を行います。これにより、毎時1,000箱を99.7%のピック率精度で降ろすことができます。

デパレタイゼーションシステムは変動要因を考慮しなければならない

すべての計算にもかかわらず、シワのある表面やその他の障害によりグリッパーが箱のピックに失敗した場合、グリッパーはフィードバックを送信し、ユーザーに問題を通知して是正措置を可能にします。サイクルタイムは通常10秒未満で、ロボットタイプ、箱の表面、内容物によって異なります（より慎重な操作が必要なものもあります）。

環境、ロボット、機械的特性がサイクルタイムを定義し制限します。例えば、物理的限界以上に重い箱を加速・減速させることは不可能です。サイクルタイムを短縮しロボット性能を向上させたい場合、同高さの複数箱を一度にピックできるマルチゾーングリッパーを選択できます。グリッパーは箱を順番に落とします。

完璧なシングュレーションの秘訣は、配置エリアのサイズ限界を把握し、安全に落とせる以上の箱を掴まないこと、そして箱のタイプを正確に認識して異なる高さの箱を掴まないことです。Photoneoの製品は主要ロボットブランドと互換性があり、「アウトオブザボックス」で追加学習なしに動作します。新しいタイプの箱に遭遇した場合、システムは自己再学習可能で、導入と統合に必要な時間を短縮します。

人間中心の環境へのデパレタイゼーション適応

成功するデパレタイゼーションソリューションは、上記すべての要因を考慮する必要があります。ロボットは単純に見えても、機械学習アルゴリズムは、さまざまな物体のデパレタイゼーションにおけるあらゆる課題を処理できるほど堅牢でなければなりません。開発者とインテグレーターは、アプリケーションのあらゆる詳細を検討し、ユーザーがROI（投資対効果）を測定できる前にソリューションをテストしなければなりません。

さらに、ロボットを人間中心の環境に適応させる必要があることがよくあります。自動化が急速に進化しているにもかかわらず、多くのお客様は配送センターと倉庫をロボティクスとAIの利点を最大限に活用できるよう、徐々に適応させている段階です。

パレットの手作業降ろしにおける主要課題の一つは、箱のサイズと重量、および取り出し高さです。手作業はしばしば深刻なケガを招くため、最高のデパレタイゼーションシステムは、作業員が危険または反復的な動作を避けられるよう支援します。

例えば、Photoneo Depalletizerは、人間の介入なしで最大50kgの箱をピックできます。最大の利点の一つは、ロボットが疲れることなくノンストップで稼働できることです。

3Dビジョン、AI、ロボットアームを使用したデパレタイザー

AI＝無限の可能性？

AI駆動ソリューションは、ユーザーが設計、デバッグ、テストを行う必要がないため、間違いなく未来への道です。スマートシステムは、インテグレーターを難解な3D関連の計算とタスクから解放します。

ただし、インテグレーターには、さまざまなタイプのグリッパーの仕組み、特定の部品のピッキングに適したグリッパー、ロボット操作やスキャンの失敗を防ぐための機械部品の配置方法など、基本的な機械知識が必要です。

インテグレーターはまた、特定システムの潜在能力を把握し、顧客の具体的なニーズとマッチングできる必要があります。AIは依然としてソリューションの一部分に過ぎず、過大評価すべきではないことを肝に銘じることが重要です。インテグレーターは、スマート自動化ソリューションを成功裏に導入するために、常に特定の専門知識を必要とします。

これらすべての条件が満たされれば、デパレタイゼーションロボットの導入により、物流企業は迅速なROI獲得、サプライチェーンプロセスの改善、生産性の向上が可能になります。また、時間の節約、コスト削減、作業員の健康保護、創造性と批判的思考を要するタスクへの従業員の解放も実現できます。

今日、従業員と雇用主が直面している最も差し迫った課題は、いかにして働き続けるかです。世界経済がCOVID-19によるシャットダウンからいつ回復するかを確信を持って予測することは誰にもできません。今こそ、生産プロセスを自動化し、合理化する適切な時期なのです。

この記事は元々 The Robot Reportで公開されました。