AI 디팔레트화가 물류를 뒤흔드는 방식

빠른 공급망 프로세스에 대한 수요 증가는 또 다른 틈새 시장, 즉 팔레트에서 상자를 내리거나 소위 디팔레트화에 도달했습니다. 오늘날에는 생산성을 높이고 처리량을 늘리며 궁극적으로 비용을 절감할 수 있는 스마트 솔루션을 구현하여 한때 힘들었던 작업을 자동화할 수 있습니다.

AI 디팔레타이제이션이란 무엇입니까?

AI 기반 디팔레타이제이션은 AI를 사용하여 상자가 실린 팔레트를 자동으로 내리는 프로세스입니다. 시스템은 개별 상자를 인식할 수 있으며 로봇은 컨베이어 벨트나 미리 정의된 다른 장소에 상자를 하나씩 놓습니다. 로봇이 동일한 높이의 균일하고 깔끔하게 쌓인 상자로 전체 팔레트를 선택하는 지연화와 대조적으로 AI 기반 디팔레타이징은 스마트 머신 러닝 알고리즘을 기반으로 합니다.

이 솔루션은 더 높은 수준의 팔레트 하역을 제공하므로 많은 이점을 제공합니다. 여기에는 필요한 더 작은 배치 영역(전체 팔레트와 대조적으로 가장 큰 상자의 크기에 충분함)과 처리해야 하는 더 가벼운 페이로드가 있기 때문에 더 작은 로봇 및 그리퍼가 포함됩니다. 이러한 이점은 하나의 큰 이점으로 통합됩니다. 즉, 상당한 비용 절감입니다. 그리퍼가 더 작다는 사실에도 불구하고 특정 솔루션에 따라 최대 50kg의 상자를 집어들 수 있습니다.

작동 방식

성공적인 디팔레타이제이션 애플리케이션의 비결은 고급 3D 머신 비전과 정교한 고급 머신 러닝 알고리즘으로 구현되는 우수한 로봇 지능의 조합입니다. 이러한 알고리즘은 큰 상자 데이터베이스에서 사전 훈련되었습니다. 시스템은 이러한 유형의 상자를 즉시 ​​인식하고 새로운 상자가 발견되는 경우 매우 빠르게 스스로를 재훈련할 수 있습니다. 이는 지속적으로 발생하며 다양한 모양, 크기 또는 재질의 상자를 인식할 수 있는 뛰어난 보편성을 보장합니다.

반짝이거나 반사되거나 검은색 표면, 다양한 질감, 3D 시각을 "오도하는" 다양한 패턴 또는 그림, 테이프가 벗겨지거나, 두 상자를 구분하는 간격을 인식하기 어려울 정도로 빽빽하게 포장된 상자(두께만큼 얇더라도 0.5밀리미터) — 이는 심각한 문제를 야기할 수 있는 문제이며 최상의 솔루션과 약한 솔루션을 구별하는 중요한 요소입니다. 3차원 이미지와 텍스처 분석을 기반으로 개별 상자의 분할을 주도하는 가장 진보된 방법은 CNN(Convolutional Neural Network)을 사용하는 것입니다.

정교한 디팔레타이징 솔루션은 시스템 교육 없이 바로 사용할 수 있습니다. 상자를 순서대로 쌓을 필요는 없지만 무작위로 배치할 수 있고 로봇이 계속 선택할 수 있다는 사실에도 보편성이 있습니다.

완벽한 비전

이미 말했듯이 성공적인 디팔레타이징의 핵심은 AI와 "올바른" 머신 비전의 조합입니다. 그런데 오른쪽이 무슨 뜻인가요?

배치된 3D 비전은 한편으로는 큰 스캐닝 볼륨을 제공하고 다른 한편으로는 고해상도와 정확도를 제공해야 합니다. 팔레트는 종종 여러 레이어로 서로 쌓이고 3D 스캐너는 가장 낮은 것부터 가장 높은 것까지 스캔할 수 있어야 하고 로봇이 상자를 조작할 수 있는 충분한 공간이 있어야 하기 때문에 스캔 볼륨은 충분한 거리에서 팔레트를 스캔할 수 있을 만큼 커야 합니다. 따라서 스캐너는 팔레트에서 약 3~4미터 위에 장착해야 하며 여전히 우수한 품질의 스캔을 제공할 수 있습니다.

숫자에서의 이점

5000개 이상의 상자 유형에 대해 학습된 고급 시스템을 예로 들어 보겠습니다. 우수한 3D 비전과 결합된 정교한 기계 학습 알고리즘은 99.7%의 선택률 정확도, 3밀리미터 이내의 그리핑 정밀도, 1000박스의 피킹 속도를 우리 시간에 제공할 수 있습니다. 이 수치는 ROI 측면에서 그리고 스마트 자동 디팔레타이징 솔루션을 선택할지 여부를 결정하는 의사 결정 과정에서 매우 중요합니다.

더 높은 생산성, 더 안전한 직장

ROI 증가, 생산성 향상, 시간 및 비용 절감 증대는 자동화된 디팔레타이징 솔루션을 구현하여 얻을 수 있는 이점의 한 측면에 불과합니다. 다른 쪽 끝은 부상 및 오류의 위험을 크게 제거합니다. 수동 작업에는 지상에서 몇 미터 높이에 쌓일 수 있는 크고 무거운 상자를 취급하는 작업이 포함됩니다. 이것은 종종 심각한 허리 부상 및 기타 건강 손상으로 이어집니다. 이 프로세스의 자동화는 이러한 위험을 제거하고 인간 작업자와 달리 로봇이 지치지 않고 논스톱 디팔레타이징을 가능하게 합니다.

직원의 잠재력은 창의성, 비판적 사고 및 의사 결정이 필요한 영역에서 대신 사용될 수 있으므로 기업이 효율성을 높이고 미래의 성공 가능성을 높일 수 있습니다.

Andrea Pufflerova는 PR 전문가이고 Michal Maly는 Photoneo의 AI 이사입니다.