팔레트 제거가 컴퓨터 비전, 로보틱스 및 머신 러닝의 이점을 얻을 수 있는 방법

3D 머신 비전과 같은 기술의 발전 덕분에 로봇 공학은 산업 프로세스의 모든 영역에 진입하고 있습니다. COVID-19 발생으로 빠르고 정확한 주문 이행과 효율적인 공급망을 위해 자동화를 적용해야 한다는 절박한 필요성에 대한 인식이 높아졌습니다. 물류 프로세스의 특정 측면 중 하나는 스마트 자동화 구현인 디팔레타이징을 통해 더 높은 수준의 생산성을 달성할 수 있습니다.

팔레트 제거란 무엇인가요?

팔레트 제거 상자를 실은 팔레트를 하나씩 내리는 과정입니다. 고전적인 delayerization과는 대조적으로 , 로봇 그리퍼가 전체 팔레트를 선택하고 팔레트에 포함된 모든 상자를 "바라"는 로봇 디팔레타이징은 인공 지능을 사용합니다. 시스템은 개별 상자를 인식하고 로봇은 컨베이어 벨트 또는 기타 사전 정의된 장소에 상자를 하나씩 놓습니다.

디팔레타이징은 더 높은 수준의 팔레트 언로딩을 제공하며 지연화에 비해 몇 가지 이점을 제공합니다. 전체 팔레트와 달리 가장 큰 상자 크기인 더 작은 배치 영역이 필요합니다. 또한 탑재 하중이 가벼워 더 작은 로봇 팔과 그리퍼를 사용할 수 있어 비용이 크게 절감됩니다.

3D 비전과 AI의 성공 비결

최고의 디팔레타이제이션 시스템은 다양한 상자로 가득 찬 팔레트를 안전하고 빠르고 효과적이며 신뢰할 수 있고 결국에는 비용 효율적으로 하역하는 프로세스를 만들 수 있습니다. 이는 3D 머신 비전과 고급 머신 러닝 알고리즘으로 구현되는 스마트 로봇을 결합해야만 달성할 수 있습니다.

배치된 3D 스캐너의 스캐닝 볼륨은 충분한 거리에서 전체 팔레트를 스캔할 수 있을 만큼 충분히 커야 합니다. 로봇 조작에 필요한 최소 공간을 고려하여 스캐너는 일반적으로 팔레트에서 약 3미터 위에 장착해야 합니다. 따라서 올바른 3D 스캐너를 선택하는 것이 성공적인 디팔레타이징을 위한 첫 번째 전제 조건입니다.

두 번째 단계는 이 이미지 데이터로 AI를 훈련시키는 것입니다. 기계 학습 알고리즘은 예를 들어 손상으로 인해 크기가 다르거나 불규칙한 모양의 상자를 포함하여 새로운 유형의 상자를 지속적으로 학습하고 인식할 수 있습니다. 이것은 솔루션을 매우 보편적으로 만들어서 혼합된 팔레트를 내리는 데 거의 어려움이 없습니다. 상자를 패턴으로 쌓을 필요는 없지만 임의로 배치할 수 있으며 심지어 비스듬히 기울일 수도 있으며 로봇은 여전히 ​​상자를 집을 수 있습니다.

또한 스마트 시스템은 0.5밀리미터 정도로 얇을 수 있는 상자 사이의 간격을 인식하기 어려울 정도로 빽빽하게 포장된 상자를 인식할 수 있습니다. 더 약한 솔루션은 두 개의 상자를 구분하는 선과 하나의 특정 상자가 열리는 선을 구분하지 못할 수 있습니다.

다른 경우에는 다양한 질감, 반짝이거나 반사되는 재료, 튀어나온 테이프, 패턴 또는 3D 비전을 "오해"하는 그림을 포함하여 문제가 있는 표면이 있는 상자를 인식하기 어려울 수 있습니다. 검은색 덮개가 있는 상자도 문제를 일으킬 수 있습니다..

텍스처 및 3D 데이터를 기반으로 개별 상자를 분할하는 가장 진보된 방법은 CNN(컨볼루션 신경망)을 사용하는 것입니다. 그런 다음 시스템은 선택할 상자(팔레트 맨 위에 놓인 상자가 먼저 표시됨)와 배치된 그리퍼의 흡입력을 최대화하기 위해 상자를 잡는 방법을 결정할 수 있습니다.

상단 상자와 스캐너 사이의 공간에서 안전하게 조작하려면 디팔레타이징 시스템이 상자의 가능한 크기를 고려해야 합니다. 이는 컨베이어 벨트에 상자를 안전하게 배치하는 데에도 중요합니다. 이는 스캔 데이터에서 상자의 높이를 계산하거나 컨베이어 벨트 위 몇 센티미터에 설정된 광학 게이트를 사용하여 보장할 수 있습니다.

상자가 광학 빔에 닿으면 그리퍼가 상자를 떨어뜨립니다. 이렇게 하면 모든 상자가 컨베이어 벨트 위의 동일한 높이에 떨어집니다. 이것은 하나의 레이어에서 높이가 다른 상자가 심각한 문제를 야기하는 지연화에 비해 디팔레타이징의 큰 이점입니다.

로봇이 모든 일을 할 수 있습니다

사내에서 개발된 3D 비전을 포함하는 Photoneo의 시스템은 이러한 로봇 팔레타이징의 예를 제공합니다. 이 회사의 시스템은 상자가 적재된 전체 팔레트를 스캔하고 스캔을 3D 텍스처 데이터 세트로 전송합니다.

그런 다음 이 스캔은 5,000개 이상의 상자 유형에 대해 훈련된 Photoneo의 기계 학습 알고리즘에 의해 처리됩니다. AI는 각 상자를 즉시 ​​인식하고 로봇에 명령을 보냅니다. 특별히 개발된 범용 그리퍼를 사용하여 로봇은 +-3mm의 정확도로 피킹 작업을 수행합니다. 이렇게 하면 99.7%의 선택률 정확도로 한 시간 안에 1,000개의 상자를 내릴 수 있습니다.

팔레트 제거 시스템은 가변성을 고려해야 합니다

모든 계산에도 불구하고 그리퍼가 구겨진 표면이나 다른 장애물로 인해 상자를 선택하지 못하는 경우 그리퍼는 피드백을 보내고 문제에 대해 사용자에게 알려 시정 조치를 수행할 수 있도록 합니다. 주기 시간은 로봇 유형, 상자 표면 및 내용물에 따라 일반적으로 10초 미만입니다. 일부는 다른 것보다 더 민감하게 조작해야 하기 때문입니다.

환경, 로봇 및 기계적 속성은 주기 시간을 정의하고 제한합니다. 예를 들어 무거운 상자를 특정 물리적 한계 이상으로 가속 및 감속하는 것은 불가능합니다. 고객이 주기 시간을 단축하고 로봇 성능을 향상해야 하는 경우 한 번에 같은 높이의 상자 여러 개를 집을 수 있는 다중 구역 그리퍼를 선택할 수 있습니다. 그리퍼는 상자를 차례로 떨어뜨립니다.

완벽한 개별화의 비결은 안전하게 내려놓을 수 있는 것보다 더 많은 상자를 가져가지 않도록 배치 영역의 크기 제한을 알고, 높이가 다른 상자를 잡지 않도록 상자 유형을 정확하게 인식하는 것입니다. Photoneo의 제품은 주요 로봇 브랜드와 호환되며 교육 없이 "즉시" 작동합니다. 새로운 유형의 상자를 만나면 시스템이 자체적으로 재교육할 수 있으므로 배포 및 통합에 필요한 시간이 단축됩니다.

인간 중심 환경에 디팔레타이징 적용

성공적인 디팔레타이징 솔루션은 위에서 논의한 모든 요소를 ​​고려해야 합니다. 로봇이 다소 단순해 보일 수 있지만 머신 러닝 알고리즘은 서로 다른 물체를 팔레타이징할 때 발생할 수 있는 모든 문제를 처리할 수 있을 만큼 충분히 견고해야 합니다. 개발자와 통합자는 사용자가 투자 수익(ROI)을 측정하기 전에 애플리케이션의 모든 세부 사항에 대해 생각하고 솔루션을 테스트해야 합니다.

또한 로봇을 인간 중심 환경에 적응시켜야 하는 경우가 많습니다. 자동화가 빠르게 발전하고 있지만 많은 고객은 로봇과 AI를 최대한 활용하기 위해 유통 센터와 창고를 점진적으로 조정하고 있습니다.

팔레트의 수동 언로딩과 관련된 주요 문제 중 하나는 상자의 크기와 무게는 물론 상자를 꺼내야 하는 높이에 있습니다. 수동 작업은 종종 심각한 부상으로 이어지므로 최고의 디팔레타이징 시스템은 직원이 위험하거나 반복적인 동작을 피하는 데 도움이 됩니다.

예를 들어 Photoneo Depalletizer는 사람의 개입 없이 최대 50kg의 상자를 집을 수 있습니다. 가장 큰 장점 중 하나는 로봇이 지치지 않고 쉬지 않고 일할 수 있다는 것입니다.

3D 비전, AI 및 로봇 팔을 사용한 디팔레타이저

AI =무한한 가능성?

사용자가 어떤 것도 설계, 디버그 또는 테스트할 필요가 없기 때문에 AI 기반 솔루션은 의심할 여지 없이 미래를 향한 길입니다. 스마트 시스템은 통합자가 어려운 3D 관련 계산 및 작업의 부담을 덜어줄 수 있습니다.

그러나 그들이 가져야 할 것은 다양한 유형의 그리퍼가 작동하는 방식, 특정 부품을 선택하는 데 적합한 그리퍼, 로봇 조작의 실패를 방지하기 위해 애플리케이션에 배치된 모든 기계 구성 요소를 분배하는 방법을 포함하여 기본적인 기계 지식입니다. 또는 스캔합니다.

통합자는 또한 고객의 특정 요구 사항에 맞출 수 있도록 특정 시스템의 잠재적인 용량을 알아야 합니다. AI는 여전히 솔루션의 일부일 뿐이며 과대 평가해서는 안 된다는 점을 명심하는 것이 중요합니다. 통합자는 스마트 자동화 솔루션을 성공적으로 배포하기 위해 항상 특정한 특정 지식이 필요합니다.

이러한 모든 조건이 충족되면 물류 회사가 빠른 ROI를 얻고 공급망 프로세스를 개선하며 생산성을 높이는 데 팔레타이징 로봇을 배치할 수 있습니다. 또한 시간을 절약하고 비용을 절감하며 직원의 건강을 보호하여 직원이 창의성과 비판적 사고가 필요한 작업에 집중할 수 있도록 합니다.

오늘날 직원과 고용주 모두가 직면한 가장 시급한 과제는 어떻게 계속 일할 것인가입니다. 코로나19로 인한 셧다운에서 세계 경제가 언제 회복될지 아무도 자신 있게 예측할 수 없기 때문에 지금이 생산 프로세스를 자동화하고 간소화할 적기입니다.

이 기사는에 처음 게시되었습니다. 로봇 보고서.