Comment la dépalettisation peut bénéficier de la vision par ordinateur, de la robotique et de l'apprentissage automatique

Grâce aux progrès des technologies telles que la vision industrielle 3D, la robotique entre dans toutes les sphères des processus industriels. L'épidémie de COVID-19 a renforcé la prise de conscience du besoin urgent 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 plus élevés grâce à la mise en œuvre d'une automatisation intelligente :la dépalettisation.

Qu'est-ce que la dépalettisation ?

Dépalettisation est le processus de déchargement des palettes chargées de caisses une à une. Contrairement à la délayerisation classique , dans laquelle le robot préhenseur prélève toute la palette en "espérant" qu'il a saisi toutes les boîtes qu'elle contient, la dépalettisation robotisée utilise l'intelligence artificielle. Le système reconnaît les boîtes individuelles et le robot les place une par une sur un tapis roulant ou à un autre endroit prédéfini.

La dépalettisation présente un niveau plus élevé de déchargement des palettes et offre plusieurs avantages par rapport à la délayerisation. Cela nécessite une zone de placement plus petite - la taille de la plus grande boîte contrairement à la palette entière. Et grâce à une charge utile plus légère, un bras de robot et une pince plus petits peuvent être utilisés, ce qui entraîne des économies considérables.

Vision 3D et IA, les secrets du succès

Les meilleurs systèmes de dépalettisation peuvent rendre le processus de déchargement des palettes pleines de diverses boîtes sûr, rapide, efficace, fiable et, en fin de compte, également rentable. Cela ne peut être réalisé qu'en combinant la vision artificielle 3D avec des robots intelligents activés par des algorithmes avancés d'apprentissage automatique.

Le volume de numérisation du scanner 3D déployé doit être suffisamment important pour numériser l'ensemble de la palette à une distance suffisante. Compte tenu de l'espace minimum requis pour la manipulation robotisée, le scanner doit généralement être monté à environ 3 mètres au-dessus de la palette. Choisir le bon scanner 3D est donc la première condition préalable à 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 boîtes, y compris celles 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 problèmes. Les boîtes n'ont pas besoin d'être empilées en motifs mais peuvent être placées de manière aléatoire, même inclinées à un angle, et le robot est toujours capable de les ramasser.

Les systèmes intelligents sont également capables de reconnaître des boîtes qui sont souvent si serrées qu'il est difficile de reconnaître l'espace entre elles, qui peut être aussi mince que 0,5 millimètre. Des solutions plus faibles pourraient ne pas être en mesure de différencier la ligne séparant deux boîtes d'une ligne contournant l'ouverture d'une boîte particulière.

Dans d'autres cas, il peut être difficile de reconnaître les boîtes avec des surfaces problématiques, y compris des textures variables, des matériaux brillants ou réfléchissants, des bandes saillantes, des motifs ou des images qui "trompent" la vision 3D. Les cartons avec un revêtement noir peuvent également causer des problèmes.

La manière la plus avancée de segmenter les boîtes individuelles sur la base de la texture et des données 3D consiste à utiliser un réseau neuronal convolutif (CNN). Le système peut alors décider quelle boîte prélever (les boîtes placées tout en haut de la palette viennent en premier) et comment la saisir pour maximiser la puissance d'aspiration du préhenseur déployé.

Pour manipuler en toute sécurité dans l'espace entre les top cases et le scanner, le système de dépalettisation doit tenir compte de la taille possible de la caisse. Ceci est également important pour un placement sûr de la boîte sur un tapis roulant. Cela peut être assuré soit en calculant la hauteur de la boîte à partir des données de numérisation, soit en utilisant une porte optique réglée à quelques centimètres au-dessus de la bande transporteuse.

Lorsque la boîte touche le faisceau optique, le préhenseur la lâche. De cette façon, toutes les boîtes sont déposées à la même hauteur au-dessus du tapis roulant. C'est un gros avantage de la dépalettisation par rapport à la délayerisation, dans laquelle des boîtes de différentes hauteurs dans une couche posent un problème important.

Le robot peut faire tout le travail

Les systèmes de Photoneo, qui incluent la vision 3D développée en interne, fournissent un exemple d'une telle dépalettisation robotisée. Le système de l'entreprise numérise une palette entière chargée de boîtes et transfère la numérisation vers un ensemble de données de texture 3D.

Ce scan est ensuite traité par l'algorithme d'apprentissage automatique de Photoneo formé sur plus de 5 000 types de boîtes. L'IA reconnaît immédiatement chaque boîte et envoie une commande au robot. À l'aide d'une pince universelle spécialement développée, le robot effectue l'action de prélèvement avec une précision de +-3 mm. De cette façon, il est capable de décharger 1 000 boîtes en notre heure, avec une précision de 99,7 % du taux de prélèvement.

Les systèmes de dépalettisation doivent tenir compte de la variabilité

Si, malgré tous les calculs, le préhenseur ne parvient pas à prélever une boîte en raison d'une surface froissée ou d'un autre obstacle, le préhenseur envoie un retour d'information et informe l'utilisateur du problème afin qu'une action corrective puisse être effectuée. Le temps de cycle est généralement inférieur à 10 secondes, selon le type de robot, la surface des boîtes et leur contenu, car certaines doivent être manipulées avec une plus grande sensibilité que d'autres.

L'environnement, le robot et les propriétés mécaniques définissent et limitent le temps de cycle. Par exemple, il serait impossible d'accélérer et de décélérer une boîte lourde au-delà d'une certaine limite physique. Si les clients ont besoin d'accélérer le temps de cycle et d'augmenter les performances du robot, ils peuvent opter pour un préhenseur multizone capable de saisir plusieurs boîtes de la même hauteur à la fois. Le préhenseur lâche ensuite les caisses les unes après les autres.

Le secret d'une séparation parfaite est de connaître les limites de taille de la zone de placement afin de ne pas prendre plus de boîtes que ce qui peut être déposé en toute sécurité, et aussi de reconnaître précisément le type de boîte pour éviter de saisir des boîtes de hauteurs différentes. Le produit de Photoneo est compatible avec les principales marques de robots et fonctionne "prêt à l'emploi" sans aucune formation. S'il rencontre de nouveaux types de boîtiers, le système est capable de se recycler, 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 tenir compte de tous les facteurs évoqués ci-dessus. Même si les robots peuvent sembler plutôt simples, les algorithmes d'apprentissage automatique doivent être suffisamment robustes pour gérer tous les défis possibles de la dépalettisation de différents objets. Les développeurs et les intégrateurs doivent réfléchir 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 leurs entrepôts pour tirer pleinement parti de la robotique et de l'IA.

L'un des défis majeurs liés au déchargement manuel des palettes réside dans la taille et le poids des cartons ainsi que la hauteur à partir de laquelle ils doivent être prélevés. Les opérations manuelles entraînent souvent des blessures graves, c'est pourquoi les meilleurs systèmes de dépalettisation aident les associés 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 la vision 3D, l'IA et un bras robotisé

IA =potentiel illimité ?

Les solutions basées sur l'IA sont sans aucun doute la voie de l'avenir, car les utilisateurs n'ont pas besoin de concevoir, de déboguer ou de tester quoi que ce soit. Les systèmes intelligents peuvent soulager les intégrateurs du fardeau des calculs et des tâches complexes liés à la 3D.

Ce qu'ils devraient cependant avoir, ce sont des connaissances mécaniques de base, y compris comment fonctionnent les différents types de pinces, lesquelles sont adaptées pour saisir une pièce particulière et comment répartir tous les composants mécaniques déployés dans une application pour éviter les défaillances de la manipulation robotique. ou la numérisation.

Les intégrateurs doivent également 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 certaines connaissances spécifiques pour déployer avec succès une solution d'automatisation intelligente.

Si toutes ces conditions sont remplies, le déploiement de robots de dépalettisation peut aider les entreprises de logistique à obtenir un retour sur investissement rapide, à améliorer leurs processus de chaîne d'approvisionnement et à augmenter leur productivité. Ils peuvent également faire gagner du temps, réduire les coûts et protéger la santé des travailleurs, libérant ainsi les employés pour des tâches qui nécessitent de la créativité et une réflexion critique.

Le défi le plus urgent auquel sont confrontés les employés et les employeurs aujourd'hui est de savoir comment continuer à travailler. Parce que personne ne peut prédire avec certitude quand l'économie mondiale se remettra des arrêts liés au COVID-19, le moment est venu d'automatiser et de rationaliser les processus de production.

Cet article a été initialement publié dans Le rapport sur les robots.