Sistema de clasificación de paquetes y paquetes automatizado por IA

La separación manual de enormes pilas de paquetes y sobres, seguida de su clasificación y colocación en una cinta transportadora, se convierte en un desafío, especialmente durante los picos. La automatización de este proceso puede aumentar la productividad, ahorrar costos y tiempo, y reducir las lesiones. Un sistema robótico de separación y clasificación impulsado por inteligencia artificial se está convirtiendo en una necesidad para las empresas de logística que desean mantenerse al día con las demandas cada vez mayores del comercio electrónico.

Singulación manual:¿una cosa del pasado?

Los flujos de paquetes experimentan fluctuaciones salvajes a lo largo del año, alcanzando su punto máximo alrededor del Black Friday y el período de Navidad. Los volúmenes globales de paquetes generalmente han estado creciendo a una tasa de hasta un 25% por año.

El brote de COVID-19 también ha puesto a prueba el cumplimiento de pedidos a tiempo. La dependencia acelerada del comercio electrónico ha aumentado la demanda de capacidad. Esto, a su vez, genera más costos operativos relacionados no solo con la necesidad de contratar más empleados, sino también con el proceso de contratación en sí. Períodos que normalmente se considerarían los mejores y más rentables desde el punto de vista de las ventas se convierten así en los peores.

Además de los requisitos de rendimiento y los picos de demanda, la salud y la satisfacción de los trabajadores son desafíos para la separación y clasificación manual. Los empleados pueden sufrir aburrimiento por tareas repetitivas, así como lesiones por manipular objetos pesados ​​irregulares. Esto puede generar gastos de compensación para trabajadores y una disminución de la productividad.

Visión y robótica al rescate

Los desafíos anteriores se pueden superar mediante la automatización del proceso de separación y clasificación, lo que puede hacer que los costos sean más predecibles y proporcionar escalabilidad para los picos de demanda.

La automatización más avanzada de la actualidad combina visión artificial en 3D, algoritmos de IA y compatibilidad con las principales marcas de robots. También es posible medir la calidad y el éxito de un sistema pick-and-place en particular. Vayamos a ejemplos concretos. ¿Cómo puede una empresa beneficiarse de la implementación de un sistema automatizado si necesita individualizar y clasificar cargas de paquetes grandes y no estructuradas?

Por ejemplo, Photoneo integra la visión artificial en 3D desarrollada internamente con algoritmos que permiten a los robots recoger más de 2250 paquetes por hora. El sistema de visión proporciona datos 3D precisos y permite una localización precisa que conduce a una precisión de agarre de +/-3 mm.

Photoneo Singulation and Sorting System se basa en una red neuronal previamente entrenada que puede reconocer paquetes listos para usar, sin ningún entrenamiento, para una tasa de éxito de recolección del 95%.

El 5% restante es el resultado de las propiedades mecánicas de las parcelas y del material. Por ejemplo, si un objeto tiene una superficie arrugada o está hecho de tela, es posible que se caiga de la pinza y sea necesario volver a recogerlo. Dichos objetos siempre se seleccionan con éxito en el segundo intento, según Photoneo. Afirmó que puede lograr un tiempo de ciclo de menos de 1,5 segundos y es compatible con una variedad de marcas de robots.

Modo de escaneo único versus modo de selección múltiple

La velocidad de rendimiento depende del modo de escaneo elegido. Un modo de escaneo único realiza un escaneo, procesa los datos, localiza un objeto y envía un comando al robot para que lo recoja. Este proceso se repite para cada objeto. El retraso de procesamiento generalmente no supera los 0,5 segundos.

Otra opción es un modo de selección múltiple, en cuyo caso el escáner/cámara realiza un escaneo, el sistema reconoce todos los objetos seleccionables y el robot los selecciona uno tras otro sin ninguna interrupción. El número de escaneos se puede ajustar a la aplicación en particular. Debido a que no hay demora de procesamiento en el modo de selección múltiple, el rendimiento es más rápido y el tiempo de ciclo está limitado solo por la velocidad del robot.

Visión e inteligencia

La calidad de los datos 3D determina el éxito de una solución de separación y clasificación automatizada. Uno podría tener el sistema más inteligente, pero sin buenos datos 3D para trabajar y apoyarse, su salida sería inútil. Una buena cámara 3D debe proporcionar alta resolución y precisión, gran volumen de escaneo y profundidad de campo, así como una alta velocidad de escaneo.

Otros factores importantes son la capacidad de suprimir la luz ambiental y el rendimiento "plug-and-play". Si la cámara 3D implementada ofrece todas estas funciones, el sistema obtiene suficientes datos para que la IA los procese y localice con éxito cada objeto.

El enfoque más moderno para la segmentación y localización de parcelas impulsada por IA es el uso de redes neuronales convolucionales, que han progresado mucho en los últimos años. Estas redes neuronales pueden reconocer paquetes, sobres e incluso bolsas de cualquier forma, textura y material, así como sus dimensiones, posición y orientación.

Las mejores soluciones se basan en algoritmos que fueron entrenados en enormes bases de datos de objetos y, por lo tanto, pueden generalizar y reconocer fácil y rápidamente nuevos tipos de objetos que nunca antes habían visto. Las arrugas, deformaciones y otras irregularidades no deberían suponer un obstáculo para un reconocimiento rápido.

Después de una detección y localización exitosas, el robot recibe un comando para elegir un objeto en particular y luego lo coloca en una ubicación predefinida, como una cinta transportadora.

Grandes desafíos para la singularización

Los desarrolladores de sistemas de singulación robótica se enfrentan a numerosos desafíos. Un problema importante para la visión 3D lo plantean las superficies que son brillantes o reflectantes, que contienen varios patrones e imágenes, o que son negras. Las variedades en textura también causan dificultades. Los paquetes generalmente se apilan de manera no estructurada, superponiéndose entre sí, lo que dificulta su localización.

Uno de los mayores desafíos reside en la naturaleza de las bolsas:su forma está deformada, llena de pliegues y arrugas, lo que hace que sea extremadamente difícil para un robot agarrarlas. Estas son las razones por las que es tan esencial combinar la visión 3D de alta calidad con algoritmos de IA avanzados y sofisticados:solo esta poderosa combinación puede abordar de manera confiable todos los desafíos anteriores.

Ampliación de la gama de aplicaciones

La utilización de una solución de automatización impulsada por IA no termina con la simple separación y clasificación de paquetes. Si una cámara 3D puede escanear escenas en movimiento en alta calidad y a alta velocidad, es posible medir paquetes sobre la marcha y clasificarlos según su tamaño u otros criterios.

Por ejemplo, Photoneo MotionCam-3D, que es capaz de capturar objetos que se mueven hasta 40 m/s, puede alcanzar una precisión de medición de 1 cm y proporciona una resolución de mapa de profundidad de ~2 Mpx y 15 millones de puntos 3D/seg.

Los sistemas que combinan inteligencia artificial y visión artificial en 3D también se pueden usar para desplegar o desenvolver sobres y paquetes arrugados, y realizar transformaciones geométricas virtuales, para mejorar la legibilidad de OCR para su posterior procesamiento. Lo que algunos de estos sistemas también permiten es la clasificación de paquetes sobre la base de códigos de barras.

Las posibles aplicaciones y capacidades de estos sistemas se desarrollan y amplían con los avances en IA y visión artificial, pero también con las demandas del mercado que dictan la dirección de este desarrollo.

La singulación robótica puede aumentar la seguridad, la productividad y la confiabilidad, además de reducir significativamente los costos. La automatización se ha convertido en una herramienta crucial para optimizar los procesos en la logística. Los almacenes y los centros de distribución han tenido problemas para retener a los trabajadores durante los enormes aumentos experimentados en el flujo de paquetes durante las vacaciones y ahora por el comercio electrónico durante la pandemia de COVID-19. El despliegue de robots inteligentes guiados por visión para la separación y clasificación de flujos de paquetes enormes y no estructurados es la forma de responder a estos desafíos.

Este artículo fue publicado originalmente en The Robot Report bajo el título:"Cómo la separación y clasificación de paquetes puede beneficiarse de los robots impulsados ​​por IA". .