컴퓨터 비전·로보틱스·머신러닝으로 디팔레타이제이션 혁신

3D 머신 비전, 로보틱스 등 기술 발전 덕분에 로봇이 모든 산업 공정 영역으로 진입하고 있습니다. 코로나19 팬데믹은 빠르고 정확한 주문 이행과 효율적 공급망을 위한 자동화 적용의 절실한 필요성을 일깨웠습니다. 물류 공정의 한 특정 측면인 디팔레타이제이션(depalletization)은 스마트 자동화 구현으로 더 높은 생산성 수준을 달성할 수 있습니다.

디팔레타이제이션이란?

디팔레타이제이션은 박스가 실린 팔레트를 한 개씩 내리는 과정입니다. 로봇 그리퍼가 팔레트 전체 층을 한 번에 집는 고전적인 디레이어라이제이션(delayerization)과 달리, 로봇 디팔레타이제이션은 인공지능을 사용합니다. 시스템이 개별 박스를 인식하고 로봇이 컨베이어 벨트나 기타 지정된 장소에 하나씩 놓습니다.

디팔레타이제이션은 팔레트 하역의 더 높은 차원을 제공하며 디레이어라이제이션 대비 여러 이점이 있습니다. 필요한 설치 면적이 작습니다(팔레트 전체가 아닌 가장 큰 박스 크기만 필요). 가벼운 페이로드 덕분에 더 작은 로봇 암과 그리퍼를 사용할 수 있어 상당한 비용 절감 효과가 있습니다.

3D 비전과 AI, 성공의 열쇠

최고의 디팔레타이제이션 시스템은 다양한 박스로 가득 찬 팔레트 하역 과정을 안전하고, 빠르고, 효과적이며, 신뢰할 수 있고, 궁극적으로 비용 효율적으로 만듭니다. 이는 3D 머신 비전을 고급 머신러닝 알고리즘으로 구현된 스마트 로봇과 결합해야만 달성 가능합니다.

배포된 3D 스캐너의 스캔 볼륨은 팔레트 전체를 충분한 거리에서 스캔할 수 있을 만큼 커야 합니다. 로봇 조작에 필요한 최소 공간을 고려하면 스캐너는 일반적으로 팔레트 위 약 3미터 높이에 장착되어야 합니다. 따라서 적절한 3D 스캐너 선택이 성공적인 디팔레타이제이션의 첫 번째 전제 조건입니다.

두 번째 단계는 이 이미지 데이터로 AI를 학습시키는 것입니다. 머신러닝 알고리즘은 지속적으로 학습하며, 손상 등으로 인한 다양한 크기나 불규칙한 형태의 박스를 포함해 새로운 유형의 박스를 인식할 수 있습니다. 이로 인해 솔루션이 매우 범용적이 되어 혼합 팔레트 하역도 큰 어려움이 없습니다. 박스가 패턴대로 쌓일 필요 없이 무작위로, 심지어 기울어진 채로 놓여 있어도 로봇이 픽업할 수 있습니다.

스마트 시스템은 너무 빽빽하게 포장되어 간격이 0.5mm에 불과한 박스들도 인식할 수 있습니다. 성능이 낮은 솔루션은 두 박스 사이의 경계선과 특정 박스 개구부의 윤곽선을 구분하지 못할 수 있습니다.

다른 경우, 다양한 질감, 반짝이거나 반사되는 소재, 돌출된 테이프, 패턴이나 그림 등으로 인해 3D 비전을 '혼동'시키는 문제 표면의 박스를 인식하는 것이 어려울 수 있습니다. 검은색 덮개의 카톤도 문제를 일으킬 수 있습니다.

질감과 3D 데이터를 기반으로 개별 박스를 세그멘테이션하는 가장 진보된 방법은 컨볼루션 신경망(CNN)을 사용하는 것입니다. 시스템은 어느 박스를 픽업할지(팔레트 최상단 박스 우선)와 흡입력을 극대화하기 위해 어떻게 잡을지 결정할 수 있습니다.

최상단 박스와 스캐너 사이의 공간에서 안전하게 조작하려면 디팔레타이제이션 시스템은 박스의 가능한 크기를 고려해야 합니다. 이는 컨베이어 벨트 위로 박스를 안전하게 놓는 데에도 중요합니다. 이는 스캔 데이터에서 박스 높이를 계산하거나 컨베이어 벨트 위 몇 센티미터에 설정된 광학 게이트를 사용하여 보장할 수 있습니다.

박스가 광학 빔에 닿으면 그리퍼가 놓습니다. 이렇게 하면 모든 박스가 컨베이어 벨트 위 같은 높이에서 떨어집니다. 이는 한 층 내 박스 높이가 다른 경우 큰 문제가 되는 디레이어라이제이션 대비 큰 장점입니다.

로봇이 전체 작업을 수행

자체 개발 3D 비전을 포함한 Photoneo 시스템은 이러한 로봇 디팔레타이제이션의 예입니다. 회사의 시스템은 박스가 실린 팔레트 전체를 스캔하여 3D-텍스처 데이터 세트로 전송합니다.

이 스캔은 5,000종 이상의 박스로 학습된 Photoneo 머신러닝 알고리즘으로 처리됩니다. AI가 각 박스를 즉시 인식하고 로봇에 명령을 보냅니다. 특수 개발된 범용 그리퍼를 사용하여 로봇은 ±3mm 정확도로 픽업 동작을 수행합니다. 이렇게 하여 시간당 1,000개 박스를 99.7% 픽업 성공률로 하역할 수 있습니다.

디팔레타이제이션 시스템은 가변성을 고려해야 합니다

모든 계산에도 불구하고 주름진 표면 등 장애물로 인해 그리퍼가 박스 픽업에 실패하면, 그리퍼가 피드백을 보내 사용자에게 문제를 알리고 시정 조치를 취할 수 있게 합니다. 사이클 타임은 일반적으로 10초 미만이며, 로봇 유형, 박스 표면, 내용물에 따라 달라집니다(일부는 더 민감한 조작 필요).

환경, 로봇, 기계적 특성이 사이클 타임을 정의하고 제한합니다. 예를 들어 일정 무게 이상의 무거운 박스를 물리적 한계 이상으로 가감속하는 것은 불가능합니다. 고객이 사이클 타임을 단축하고 로봇 성능을 높이고 싶다면, 같은 높이의 여러 박스를 한 번에 픽업할 수 있는 멀티 존 그리퍼를 선택할 수 있습니다. 그리퍼가 박스를 하나씩 내려놓습니다.

완벽한 개별화의 비결은 배치 영역의 크기 한계를 알아서 안전하게 내려놓을 수 있는 만큼만 픽업하고, 박스 유형을 정확히 인식해 높이가 다른 박스를 집지 않는 것입니다. Photoneo 제품은 주요 로봇 브랜드와 호환되며 별도 학습 없이 '즉시 사용' 가능합니다. 새로운 박스 유형을 만나면 시스템이 스스로 재학습하여 배포 및 통합에 필요한 시간을 단축합니다.

인간 중심 환경에 디팔레타이제이션 적용

성공적인 디팔레타이제이션 솔루션은 위 모든 요소를 고려해야 합니다. 로봇이 단순해 보여도, 다양한 객체 디팔레타이제이션의 모든 가능한 과제를 처리할 만큼 머신러닝 알고리즘이 견고해야 합니다. 개발자와 통합업체는 애플리케이션의 모든 세부 사항을 고려하고 사용자가 투자 수익률(ROI)을 측정하기 전에 솔루션을 테스트해야 합니다.

또한 로봇을 인간 중심 환경에 적응시키는 것이 종종 필요합니다. 자동화가 빠르게 발전하지만 많은 고객은 유통 센터와 창고를 로보틱스와 AI의 이점을 최대한 활용할 수 있도록 점진적으로 개조하고 있습니다.

수작업 팔레트 하역의 주요 과제 중 하나는 박스의 크기와 무게, 그리고 박스를 꺼내야 하는 높이입니다. 수작업은 종종 심각한 부상을 초래하므로, 최고의 디팔레타이제이션 시스템은 작업자가 위험하거나 반복적인 동작을 피하도록 돕습니다.

예를 들어, Photoneo 디팔레타이저는 사람 개입 없이 최대 50kg 박스를 픽업할 수 있습니다. 가장 큰 장점 중 하나는 로봇이 지치지 않고 논스톱으로 작동한다는 점입니다.

3D 비전, AI, 로봇 암을 사용한 디팔레타이저

AI = 무한한 잠재력?

AI 기반 솔루션은 사용자가 설계, 디버깅, 테스트할 필요가 없으므로 의심할 여지 없이 미래의 길입니다. 스마트 시스템은 통합업체를 어렵고 복잡한 3D 관련 계산과 작업에서 해방시킵니다.

그러나 통합업체는 다양한 그리퍼 유형의 작동 원리, 특정 부품 픽업에 적합한 그리퍼, 애플리케이션에 배치된 모든 기계적 구성요소의 배분 등 기본적인 기계 지식을 갖추어야 합니다. 로봇 조작이나 스캔의 실패를 방지하기 위함입니다.

통합업체는 특정 시스템의 잠재적 용량을 알아야 고객의 구체적인 니즈와 매칭할 수 있습니다. AI는 여전히 솔루션의 일부일 뿐이며 과대평가해서는 안 된다는 점을 명심해야 합니다. 통합업체는 스마트 자동화 솔루션을 성공적으로 배포하기 위해 항상 특정 전문 지식이 필요합니다.

이 모든 조건이 충족되면 디팔레타이제이션 로봇 배포는 물류 기업이 빠른 ROI를 얻고, 공급망 프로세스를 개선하며, 생산성을 높이는 데 도움이 됩니다. 또한 시간 절약, 비용 절감, 작업자 건강 보호, 직원들을 창의성과 비판적 사고가 필요한 업무로 전환할 수 있습니다.

오늘날 직원과 고용주가 직면한 가장 시급한 과제는 어떻게 일을 지속할 것인가입니다. 글로벌 경제가 코로나19 셧다운에서 언제 회복될지 확신 있게 예측할 수 없으므로, 지금이 생산 공정을 자동화하고 효율화할 적기입니다.

본 기사는 원래 The Robot Report에 게재되었습니다.