포장 선택의 효율성 향상

재활용 과정에서 가장 중요하고 가장 잘 알려지지 않은 작업 중 하나는 포장 선택입니다. 용기 선택은 특정 공장에서 수행되며 그 작업은 재료와 특성(일반적으로 플라스틱, 금속 용기 및 브릭)에 따라 다른 용기(노란색 용기에서)를 분리하는 것으로 구성됩니다.

이 작업은 이러한 폐기물을 적절한 방식으로 재활용해야 하기 때문에 가장 중요합니다. 최근 몇 년 동안 이 프로세스는 Industry 4.0과 같이 수동에서 자동화로 발전했습니다. 기술이 개선되어 붐에 들어섰기 때문에 프로세스 전반에 걸쳐 효율성을 높일 수 있습니다.

포장 선택 기술

컨테이너를 선택하는 동안 이 프로세스의 효율성과 최적화를 개선하는 데 다양한 방식으로 기여하는 다양한 기술이 사용됩니다.

• 컴퓨터 비전

  정보를 획득하기 위해 이전에 획득한 이미지에 다양한 작업을 적용하는 것으로 구성됩니다. 이 방법을 통해 관찰 대상의 색상이나 윤곽선과 같은 데이터를 얻을 수 있습니다. 이러한 기술을 사용하면 물체가 만들어지는 재료를 결정하거나 응용 프로그램에 가장 흥미로운 정보를 추출하기 위해 이미지를 조작할 수 있습니다.

• 머신 러닝/딥 러닝

  객체를 분류하거나 감지하는 것과 같이 다양한 결론을 도출할 수 있는 특성 집합을 학습할 수 있는 알고리즘 집합입니다. 이러한 기술 중 신경망이 눈에 띄는데, 이는 수신한 데이터로부터 학습하기 위해 인간의 뇌의 행동을 시뮬레이션합니다. 이 방법은 해당 범주에서 폐기물과 포장을 분리할 수 있는 데 필수적이며 이러한 유형의 적용에서 높은 성공률을 가지고 있기 때문에 포장 선택 프로세스에 매우 유용합니다. 일반적으로 Computer Vision과 함께 사용됩니다. 이전에 처리된 이미지에서 정보를 추출할 때.

• 로봇공학

  협업 로봇의 사용은 컨테이너가 속한 범주에 따라 물리적 방식으로 컨테이너 분리를 자동화할 수 있으므로 컨테이너 선택 프로세스에서 필수적입니다. 이 기능을 수행하기 위해 일반적으로 포장 및 폐기물을 찾는 데 필요한 정보와 이들이 속하는 범주를 제공하는 Computer Vision 및 Deep Learning과 함께 사용됩니다. 물건을 다른 장소로 운반해야 하는 경우에 대비하여 AGV와 함께 사용할 수도 있습니다.

포장 선택 구현 프로세스

서로 다른 공장에서 사용할 수 있는 신뢰할 수 있고 적합한 선택 방법을 설정하려면 데이터를 수집하고 사용할 서로 다른 기술을 구성할 수 있는 개발을 수행해야 합니다. 이 프로세스는 수행할 적용 유형, 설치 장소, 외부 요인 등 여러 요인에 따라 달라집니다. 그러나 거의 모든 상황에서 따라야 할 특정 단계는 구별될 수 있습니다.

• 데이터 수집

  애플리케이션에 필요한 탐지 및 분류를 수행하는 데 필요한 정보의 획득으로 구성됩니다. 용기 선택의 경우 카메라와 센서를 이용하여 물체의 이미지와 데이터를 찍는 것으로 구성된다.

• 라벨이 지정됨

  찾고자 하는 특성과 해당 특성이 속한 클래스를 획득한 데이터에 표시하는 방법입니다. 제안된 것과 같은 컨테이너 선택 애플리케이션의 경우 찾고자 하는 객체가 어디에 있고 어떤 유형에 속하는지 이미지에서 나타내는 문제입니다.

• 교육

  태그된 데이터는 탐지할 정보를 학습하기 위해 사용된 탐지 알고리즘에 의해 추출됩니다. 적절하게 훈련된 시스템은 다양한 유형의 컨테이너를 구별하는 특성을 추출할 수 있고 나중에 분리할 수 있도록 이를 찾아 분류할 수 있습니다.

• 평가

  훈련된 알고리즘의 성능이 올바른지 확인하기 위해 성능을 객관적으로 검증하는 메트릭을 얻을 수 있는 새 데이터와 함께 사용됩니다. 컨테이너 선택에는 학습 과정에서 사용되지 않은 레이블이 지정된 이미지가 사용됩니다. 이러한 방식으로 정밀도 또는 혼동 행렬과 같은 메트릭을 얻음으로써 새로운 상황에서 동작하는지 확인할 수 있습니다.

• 설치

  마지막으로 위의 모든 작업이 완료되고 가장 좋은 평가를 받은 알고리즘이 선택되면 시스템이 실제 환경에서 사용됩니다. 이를 위해 필요에 따라 알고리즘을 구성하여 애플리케이션에 흥미로운 정보를 반환하고 그에 따라 사용을 진행합니다. 용기 선택을 위해 폐기물 이미지가 촬영되고, 알고리즘이 감지 및 분류합니다. 해당 폐기물의 분리를 진행하는 데 필요한 것으로 처리할 시스템에 해당 정보를 보냅니다.

아트리아에서는 SIARA라는 대형 폐기물 식별 시스템을 개발했습니다. 이는 인공 비전과 딥 러닝을 기반으로 하며 현재 플라스틱 폐기물 분리 공장에서 장애물을 일으키는 물체를 식별할 수 있도록 합니다. 이 과정은 플랜트의 나머지 부분이 제대로 작동하는 데 중요합니다.

포장 선택 시 Industry 4.0 기술 사용의 이점

언급한 바와 같이, 새로운 기술과 자동화의 사용은 포장 선택 공장의 효율성을 개선하는 데 사용됩니다. 이 개선 사항은 다음과 같은 여러 이점으로 이어집니다.

• 데이터 기록 가능성 . 전체 프로세스가 자동화되어 있으므로 분류, 분류 시간을 기록하거나 관심 있는 이미지를 저장할 수도 있습니다.
• 더 빠른 처리 속도 . 모든 것이 자동화되기 때문에 시스템은 수동으로 분류를 수행해야 하는 사람보다 훨씬 빠르게 분류를 수행할 수 있습니다.
• 비전 시스템을 사용하면 작업량에 관계없이 잔여물 식별 작업에 많은 사람을 고용할 필요가 없습니다. . 따라서 직원들은 다른 기능에 전념할 수 있습니다.
• 지속적인 개선 학습 기반 시스템이므로 필요한 경우 쉽게 변경 및 개선할 수 있습니다.

모든 프로젝트에서 패키징 선택을 적용하시겠습니까? 문의해 주세요!