물류 혁신: AI 디팔레타이제이션으로 효율성 증대·비용 절감

빠른 공급망 프로세스에 대한 수요 증가가 또 다른 틈새 시장, 즉 팔레트에서 상자 내리기, 소위 디팔레타이제이션(depalletization)에 도달했다. 오늘날 이 한때 힘든 작업은 스마트 솔루션 구현으로 자동화될 수 있으며, 생산성 증대, 처리량 증가, 궁극적 비용 절감을 이룰 수 있다.

AI 디팔레타이제이션이란?

AI 기반 디팔레타이제이션은 AI를 사용해 상자가 실린 팔레트를 내리는 자동화 프로세스다. 시스템은 각 개별 상자를 인식하고 로봇이 컨베이어 벨트나 기타 미리 정해진 장소에 하나씩 놓는다. 균일하고 깔끔하게 같은 높이로 쌓인 상자 통째로 팔레트를 집는 딜레이어라이제이션(delayerization)이나, 고전적 디팔레타이제이션과 달리, AI 기반 디팔레타이제이션은 스마트 머신러닝 알고리즘에 기반한다.

이 솔루션은 더 높은 수준의 팔레트 내리기 제시하며 수많은 이점을 제공한다. 여기에는 더 작은 설치 면적 필요(전체 팔레트 대비 가장 큰 상자 크기면 충분)와 더 작은 로봇과 그리퍼(더 가벼운 페이로드 처리 필요) 포함된다. 이 이점들은 하나의 큰 혜택—상당한 비용 절감—으로 합쳐진다. 그리퍼가 더 작음에도 특정 솔루션에 따라 최대 50kg 상자 피킹이 가능하다.

작동 원리

성공적 디팔레타이제이션 애플리케이션의 비결은 고성능 3D 머신 비전과 정교한 머신러닝 알고리즘으로 구현된 우수한 로봇 지능의 결합이다. 이 알고리즘들은 상자 대규모 데이터베이스에서 사전 학습됐다. 시스템은 이러한 유형의 상자들을 즉시 인식하고, 새로운 상자를 만나면 매우 빠르게 재학습한다. 이는 지속적으로 일어나 다양한 형태, 크기, 재질의 상자 인식이 가능한 탁월한 범용성을 보장한다.

반짝이거나 반사되는 표면, 검은 표면, 다양한 질감, 3D 비전을 '오도'하는 다양한 패턴이나 그림, 떨어져 나간 테이프, 간극이 극히 얇은(0.5mm까지) 빽빽하게 포장된 상자들—이는 중대한 문제를 야기하고 최고 솔루션과 약한 솔루션을 가르는 중요한 요인이 될 수 있다. 3D 이미지와 텍스처 분석 기반 개별 상자 분할에서 선두를 달리는 가장 진보된 방식은 합성곱 신경망(CNN) 사용이다.

정교한 디팔레타이제이션 솔루션은 시스템 학습 없이 즉시 작동한다. 상자들이 정돈된 패턴으로 쌓일 필요 없이 무작위로 놓여도 로봇이 여전히 픽업할 수 있다는 점에서도 범용성이 빛난다.

완벽한 비전

이미 말했듯, 성공적 디팔레타이제이션의 열쇠는 AI와 '올바른' 머신 비전의 결합이다. 하지만 올바른 것이란 무엇을 의미하는가?

배치된 3D 비전은 한편으로 큰 스캔 볼륨을, 다른 한편으로 높은 해상도와 정확도를 제공해야 한다. 팔레트가 여러 층으로 쌓이는 경우가 많고 3D 스캐너가 가장 낮은 층과 가장 높은 층 모두 스캔할 수 있어야 하며, 로봇이 상자 조작할 충분한 공간이 남겨져 있어야 하므로, 스캔 볼륨은 팔레트로부터 충분한 거리에서 스캔할 수 있을 만큼 커야 한다. 따라서 스캐너는 팔레트 위 약 3~4미터에 장착되면서 여전히 우수한 품질의 스캔을 제공해야 한다.

숫자로 보는 이점

5000종 이상 상자로 학습된 첨단 시스템을 예로 들어보자. 우수한 3D 비전과 결합된 정교한 머신러닝 알고리즘은 99.7% 픽률 정확도, 3mm 이내 그리핑 정밀도, 시간당 1000박스 픽킹 속도를 제공할 수 있다. 이 수치들은 ROI 맥락에서나 스마트 자동화 디팔레타이제이션 솔루션 채택 의사결정 과정에서 결정적 중요성을 갖는다.

더 높은 생산성, 더 안전한 작업장

ROI 증대, 생산성 향상, 상당한 시간·비용 절감은 자동화 디팔레타이제이션 솔루션 구현으로 얻을 수 있는 혜택 스펙트럼의 한 면만 보여준다. 다른 끝에는 부상과 오류 리스크의 상당한 제거가 있다. 수동 작업은 지면에서 몇 미터 위에 쌓인 크고 무거운 상자 다루기를 수반한다. 이는 종종 심각한 허리 부상과 기타 건강 악화로 이어진다. 이 프로세스 자동화는 이러한 리스크를 제거하고, 인간 근로자와 달리 로봇이 지치지 않고 논스톱 디팔레타이제이션을 가능케 한다.

근로자들의 잠재력은 대신 창의성, 비판적 사고, 의사결정이 필요한 영역에 활용될 수 있다—기업들이 효율성을 높이고 미래 성공 잠재력을 늘리는 데 도움을 준다.

안드레아 퍼플레로바(Andrea Pufflerova)는 PR 전문가, 미할 말리(Michal Maly)는 포토네오(Photoneo) AI 디렉터다.