Dépalettisation révolutionnée par vision par ordinateur, robotique et ML

Grâce aux avancées technologiques telles que la vision 3D, la robotique investit toutes les sphères des processus industriels. L'épidémie de COVID-19 a renforcé la prise de conscience du besoin pressant d'appliquer l'automatisation pour une exécution rapide et précise des commandes et des chaînes d'approvisionnement efficaces. Un aspect spécifique des processus logistiques peut atteindre des niveaux de productivité supérieurs grâce à l'automatisation intelligente : la dépalettisation.

Qu'est-ce que la dépalettisation ?

La dépalettisation est le processus de déchargement de palettes chargées de cartons, un par un. Contrairement à la délayérisation classique, où le préhenseur robotique saisit toute la couche de palette « en espérant » avoir attrapé tous les cartons qu'elle contient, la dépalettisation robotique utilise l'intelligence artificielle. Le système reconnaît les cartons individuellement et le robot les place un par un sur un tapis roulant ou tout autre emplacement prédéfini.

La dépalettisation présente un niveau supérieur de déchargement de palettes et offre plusieurs avantages par rapport à la délayérisation. Elle nécessite une zone de dépôt plus petite — la taille du plus grand carton au lieu de toute la palette. Et grâce à une charge utile plus légère, un bras robotique et un préhenseur plus petits peuvent être utilisés, ce qui entraîne des économies de coûts considérables.

Vision 3D et IA : les secrets du succès

Les meilleurs systèmes de dépalettisation rendent le processus de déchargement de palettes pleines de divers cartons sûr, rapide, efficace, fiable et, in fine, rentable. Cela ne peut être atteint qu'en combinant la vision 3D machine avec des robots intelligents propulsés par des algorithmes avancés d'apprentissage automatique.

Le volume de numérisation du scanner 3D déployé doit être assez grand pour scanner toute la palette à distance suffisante. En tenant compte de l'espace minimal requis pour la manipulation robotique, le scanner doit généralement être monté à environ 3 mètres au-dessus de la palette. Choisir le bon scanner 3D est donc le premier prérequis pour une dépalettisation réussie.

La deuxième étape consiste à entraîner l'IA avec ces données d'image. Les algorithmes d'apprentissage automatique peuvent constamment apprendre et reconnaître de nouveaux types de cartons, y compris ceux de tailles différentes ou de formes irrégulières causées par des dommages, par exemple. Cela rend les solutions si universelles que le déchargement de palettes mixtes pose peu de défi. Les cartons n'ont pas besoin d'être empilés selon des motifs mais peuvent être placés aléatoirement, même inclinés, et le robot est encore capable de les prélever.

Les systèmes intelligents sont aussi capables de reconnaître des cartons si serrés qu'il est difficile de discerner l'espace entre eux, qui peut être aussi fin que 0,5 millimètre. Des solutions moins performantes pourraient ne pas différencier la ligne séparant deux cartons du contour de l'ouverture d'un carton particulier.

Dans d'autres cas, il peut être difficile de reconnaître des cartons aux surfaces problématiques : textures variées, matériaux brillants ou réfléchissants, rubans saillants, motifs ou images qui « trompent » la vision 3D. Les cartons à revêtement noir peuvent aussi causer des problèmes.

La méthode la plus avancée pour segmenter les cartons individuels sur la base de la texture et des données 3D est d'utiliser un réseau de neurones convolutif (CNN). Le système peut alors décider quel carton prélever — ceux placés au sommet de la palette passent en premier — et comment le saisir pour maximiser la puissance d'aspiration du préhenseur déployé.

Pour manipuler en toute sécurité dans l'espace entre les cartons du sommet et le scanner, le système de dépalettisation doit tenir compte de la taille possible du carton. C'est aussi important pour le dépôt sécurisé du carton sur le tapis roulant. Cela peut être assuré soit en calculant la hauteur du carton à partir des données du scan, soit en utilisant une barrière optique réglée à quelques centimètres au-dessus du tapis.

Lorsque le carton touche le faisceau optique, le préhenseur le lâche. Ainsi, tous les cartons sont déposés à la même hauteur au-dessus du tapis. C'est un grand avantage de la dépalettisation sur la délayérisation, où des cartons de hauteurs différentes dans une même couche posent un problème significatif.

Le robot peut faire tout le travail

Les systèmes de Photoneo, qui incluent une vision 3D développée en interne, illustrent une telle dépalettisation robotique. Le système scanne une palette entière chargée de cartons et transfère le scan en un jeu de données 3D-texture.

Ce scan est ensuite traité par l'algorithme d'apprentissage automatique de Photoneo entraîné sur plus de 5 000 types de cartons. L'IA reconnaît immédiatement chaque carton et envoie une commande au robot. À l'aide d'un préhenseur universel spécialement développé, le robot effectue l'action de prélèvement avec une précision de +/- 3 mm. Ainsi, il peut décharger 1 000 cartons par heure, avec une précision de prélèvement de 99,7 %.

Les systèmes de dépalettisation doivent tenir compte de la variabilité

Si, malgré tous les calculs, le préhenseur échoue à saisir un carton à cause d'une surface froissée ou tout autre obstacle, il envoie un retour d'information et signale le problème pour qu'une action corrective soit effectuée. Le temps de cycle est généralement inférieur à 10 secondes, selon le type de robot, la surface des cartons et leur contenu, certains nécessitant une manipulation plus délicate.

L'environnement, le robot et les propriétés mécaniques définissent et limitent le temps de cycle. Par exemple, il serait impossible d'accélérer et décélérer un carton lourd au-delà d'une certaine limite physique. Si les clients souhaitent accélérer le temps de cycle et booster la performance du robot, ils peuvent opter pour un préhenseur multi-zones capable de prélever plusieurs cartons de même hauteur à la fois. Le préhenseur les dépose ensuite les uns après les autres.

Le secret d'une singularisation parfaite est de connaître les limites de taille de la zone de dépôt pour ne pas prendre plus de cartons qu'on ne peut en déposer en sécurité, et de reconnaître précisément le type de carton pour éviter de saisir des cartons de hauteurs différentes. Le produit de Photoneo est compatible avec les grandes marques de robots et fonctionne « out of the box » sans aucun entraînement. S'il rencontre de nouveaux types de cartons, le système est capable de se réentraîner, ce qui raccourcit le temps nécessaire au déploiement et à l'intégration.

Adapter la dépalettisation à un environnement centré sur l'humain

Une solution de dépalettisation réussie doit prendre en compte tous les facteurs discutés ci-dessus. Même si les robots peuvent sembler plutôt simples, les algorithmes d'apprentissage automatique doivent être assez robustes pour gérer tous les défis possibles du déchargement de différents objets. Développeurs et intégrateurs doivent penser à chaque détail de l'application et tester leurs solutions avant que les utilisateurs puissent mesurer le retour sur investissement (ROI).

De plus, il est souvent nécessaire d'adapter le robot à un environnement centré sur l'humain. Bien que l'automatisation évolue rapidement, de nombreux clients n'adaptent que progressivement leurs centres de distribution et entrepôts pour tirer pleinement parti de la robotique et de l'IA.

L'un des principaux défis liés au déchargement manuel de palettes réside dans la taille et le poids des cartons ainsi que la hauteur à laquelle ils doivent être prélevés. Les opérations manuelles entraînent souvent de graves blessures, donc les meilleurs systèmes de dépalettisation aident les opérateurs à éviter les mouvements risqués ou répétitifs.

Par exemple, le Dépalettiseur Photoneo peut prélever des cartons jusqu'à 50 kg sans intervention humaine. L'un des plus grands avantages est que le robot peut travailler sans arrêt, sans jamais se fatiguer.

Dépalettiseur utilisant vision 3D, IA et bras robotique

IA = potentiel illimité ?

Les solutions pilotées par l'IA sont indéniablement la voie de l'avenir car les utilisateurs n'ont pas besoin de concevoir, déboguer ou tester quoi que ce soit. Les systèmes intelligents peuvent décharger les intégrateurs des fardeaux des calculs et tâches 3D difficiles.

Ce qu'ils devraient avoir, cependant, ce sont des connaissances mécaniques de base, notamment le fonctionnement des différents types de préhenseurs, lesquels conviennent pour prélever une pièce particulière, et comment répartir tous les composants mécaniques déployés dans une application pour prévenir les défaillances de la manipulation ou du scan robotiques.

Les intégrateurs devraient aussi connaître les capacités potentielles d'un système particulier pour pouvoir l'adapter aux besoins spécifiques d'un client. Il est important de garder à l'esprit que l'IA n'est encore qu'une partie de la solution et ne doit pas être surestimée. Les intégrateurs auront toujours besoin de connaissances spécifiques pour déployer avec succès une solution d'automatisation intelligente.

Si toutes ces conditions sont réunies, le déploiement de robots de dépalettisation peut aider les entreprises logistiques à obtenir un ROI rapide, améliorer leurs processus de chaîne d'approvisionnement et augmenter leur productivité. Elles peuvent aussi gagner du temps, réduire les coûts et protéger la santé des travailleurs, libérant les employés pour des tâches requérant créativité et pensée critique.

Le défi le plus pressant pour employés et employeurs aujourd'hui est de continuer à travailler. Comme nul ne peut prédire avec certitude quand l'économie mondiale se remettra des arrêts dus au COVID-19, c'est le bon moment pour automatiser et rationaliser les processus de production.

Cet article a été publié à l'origine dans The Robot Report.