Révolutionner la logistique : le dépalettisation pilotée par l'IA booste l'efficacité et réduit les coûts

La demande croissante de processus de chaîne d'approvisionnement rapides a atteint un autre marché de niche : le déchargement de boîtes depuis des palettes, ou ce qu'on appelle la dépalettisation. Aujourd'hui, cette tâche autrefois ardue peut être automatisée en mettant en œuvre une solution intelligente qui augmentera la productivité, augmentera le débit et, en fin de compte, économisera des coûts.

Qu'est-ce que la dépalettisation par IA ?

La dépalettisation propulsée par l'IA est le processus automatisé de déchargement de palettes chargées de boîtes en utilisant l'IA. Le système est capable de reconnaître chaque boîte individuelle et le robot les place une par une sur un tapis convoyeur ou un autre emplacement prédéfini. En contraste avec la délayerisation, où le robot prélève la palette entière avec des boîtes uniformes, soigneusement empilées de la même hauteur, et par opposition à la dépalettisation classique, la dépalettisation propulsée par l'IA est basée sur des algorithmes d'apprentissage automatique intelligents.

La solution présente un niveau plus élevé de déchargement de palettes et offre de nombreux avantages. Ceux-ci incluent une zone de placement plus petite requise (suffisante pour la taille de la plus grande boîte en contraste avec la palette entière) et aussi un robot et un préhenseur plus petits puisqu'il y a une charge utile plus légère à manipuler. Ces avantages se fondent en un grand bénéfice — des économies de coûts significatives. Malgré le fait que le préhenseur soit plus petit, il peut saisir des boîtes aussi lourdes que 50 kg, selon la solution particulière.

Comment ça marche

Le secret derrière une application de dépalettisation réussie est une combinaison de vision machine 3D haut de gamme avec une intelligence robotique supérieure rendue possible par des algorithmes d'apprentissage automatique avancés et sophistiqués. Ces algorithmes ont été pré-entraînés sur une grande base de données de boîtes. Le système reconnaît immédiatement ces types de boîtes et dans le cas où il rencontre de nouvelles, il est capable de se réentraîner très rapidement. Cela se produit sur une base continue et assure une universalité exceptionnelle permettant la reconnaissance de boîtes de différentes formes, tailles ou matériaux.

Surfaces brillantes, réfléchissantes ou noires, textures variées, divers motifs ou images qui « trompent » la vision 3D, rubans se décollant, ou boîtes serrées si bien qu'il est difficile de reconnaître l'espace qui les sépare (soit aussi mince que 0,5 millimètre) — ce sont des défis qui pourraient poser des problèmes significatifs et jouer un facteur crucial qui différencie les meilleures solutions des plus faibles. La méthode la plus avancée qui prend la tête dans la segmentation des boîtes individuelles sur la base de l'image 3D et l'analyse de texture est d'utiliser un réseau de neurones convolutionnel (CNN).

Les solutions de dépalettisation sophistiquées fonctionnent « out of the box », sans nécessiter d'entraînement du système. Leur universalité réside aussi dans le fait que les boîtes n'ont pas besoin d'être empilées selon des motifs ordonnés mais peuvent être placées aléatoirement et le robot est encore capable de les prélever.

Une vision parfaite

Comme déjà dit, la clé d'une dépalettisation réussie est la combinaison de l'IA et de la « bonne » vision machine. Mais que signifie la bonne ?

La vision 3D déployée doit fournir un grand volume de balayage d'un côté et une haute résolution et précision de l'autre. Parce que les palettes sont souvent empilées les unes sur les autres en plusieurs couches et que le scanner 3D doit être capable de scanner la plus basse ainsi que la plus haute et parce qu'il faut laisser assez d'espace pour que le robot manipule les boîtes, le volume de balayage doit être assez grand pour scanner les palettes à une distance suffisante. Par conséquent, le scanner doit être monté approximativement à 3 à 4 mètres au-dessus de la palette et être encore capable de fournir des scans de qualité supérieure.

Les bénéfices en chiffres

Prenons un système avancé qui a été entraîné sur plus de 5000 types de boîtes. En combinaison avec une vision 3D supérieure, les algorithmes d'apprentissage automatique sophistiqués peuvent fournir un taux de prélèvement de 99,7 %, une précision de préhension dans les 3 millimètres, et une vitesse de prélèvement de 1000 boîtes par heure. Ces chiffres sont d'une importance cruciale dans le contexte du ROI et aussi dans le processus de décision d'opter pour une solution de dépalettisation automatisée intelligente.

Productivité accrue, lieu de travail plus sûr

ROI accru, productivité boostée, et économies de temps et de coûts significatives ne présentent qu'un côté du spectre des bénéfices qui peuvent être gagnés en mettant en œuvre des solutions de dépalettisation automatisées. L'autre extrémité présente une élimination significative du risque de blessures et d'erreurs. L'opération manuelle implique la manipulation de boîtes grandes et lourdes qui peuvent être empilées à quelques mètres au-dessus du sol. Cela mène souvent à de graves blessures au dos et autres préjudices de santé. L'automatisation de ce processus élimine ces risques et permet une dépalettisation non-stop, sans que le robot ne se fatigue jamais, en contraste avec les travailleurs humains.

Le potentiel des travailleurs peut plutôt être utilisé dans des domaines qui requièrent créativité, pensée critique et prise de décision — aidant les entreprises à améliorer l'efficacité et augmenter le potentiel pour le succès futur.

Andrea Pufflerova est spécialiste RP, et Michal Maly est directeur de l'IA, chez Photoneo.