Intelligentere Roboter: KI, maschinelles Lernen und 3D-Vision

Neue Robotertechnologien unter dem Dach der künstlichen Intelligenz machen es nun möglich, komplexe Verpackungsaufgaben zu automatisieren.

In einem neuen Bericht von PMMI – The Association for Packaging and Processing Technologies mit dem Titel „2022 Robots and Cobots An Automated Future“ sagten CPGs und OEMs, dass ihrer Meinung nach die drei wichtigsten Verbesserungen der Roboterfunktionalität in den nächsten fünf Jahren die größten Auswirkungen haben werden Jahre und die OEM-Anwendungen beeinflussen werden, sind KI, maschinelles Lernen und Vision, die alle in KI-Anwendungen verwurzelt sind. Dem Bericht zufolge wird der Einsatz von KI in Verpackungen in den nächsten fünf Jahren voraussichtlich mit einer jährlichen Wachstumsrate von über 50 % zunehmen.

PMMI sagt: „KI und maschinelles Lernen waren Schlüsselentwicklungen in der Robotik, die den Bereich der Möglichkeiten für Roboteranwendungen kontinuierlich erweitern. Durch die enge Verflechtung ermöglichen KI und maschinelles Lernen Robotern, sich an neue Szenarien anzupassen, indem sie auf einer ständig wachsenden Menge relevanter Daten aufbauen.“ . Diese Technologien haben Robotern eine Welt voller komplizierter Aufgaben eröffnet, von der dynamischen Kommissionierung von Gegenständen, die der Roboter noch nie zuvor gesehen hat, bis hin zur schnellen und genauen Prüfung ein- und ausgehender Produkte auf einer Linie.“

In einem Interview für den Bericht sagte ein fortgeschrittener Fertigungsmanager eines KMU-Haushaltsunternehmens: „Sowohl KI als auch Selbstlernen werden von großem Nutzen sein, um gemischte Paletten zu verwalten und im Handumdrehen Korrekturen vorzunehmen.“

Zu den Fortschritten im Sehbereich sagte ein Vertriebs- und Marketingleiter eines OEM: „Das Sehvermögen hat in den letzten Jahren mit dem 3D-Sehen große Fortschritte gemacht. Kontinuierliche Verbesserungen der Sehfunktionalität werden von entscheidender Bedeutung sein.“

Der ABB Robotics Depalletizer nutzt Bildverarbeitungssoftware zur Bewältigung komplexer Depalettierungsaufgaben. Eine Lösung, die Bildverarbeitungssoftware zur Bewältigung komplexer Depalettierungsaufgaben in der Logistik-, E-Commerce-, Gesundheitswesen- und CPG-Branche integriert, ist der neue ABB Robotic Depalletizer von ABB Robotics Ersetzen Sie schweres manuelles Heben und verbessern Sie die Effizienz. Der Depalettierer ist mit vier- oder sechsachsigen ABB-Robotern und der digitalen Zwillingssoftware RobotStudio von ABB ausgestattet, die es Kunden ermöglicht, maßgeschneiderte Lösungen für die Verarbeitung verschiedener Ladungen mit sehr geringem Engineering-Aufwand und kurzer Einrichtungszeit zu erstellen.

Laut ABB werden Depalettierungsaufgaben nicht nur immer komplexer, da die Zusammensetzung und Konfiguration der Paletten vielfältiger wird, sondern diese bisher manuellen Sortieraufgaben sind in der Regel auch durch eine hohe Personalfluktuation und erhöhte Rekrutierungskosten gekennzeichnet. „Der Robotic Depalletizer von ABB löst diese Probleme, indem er fortschrittliche Bildverarbeitungs- und maschinelle Lernalgorithmen verwendet, um Paletten mit einer Höhe von bis zu 2,8 Metern schnell und effizient zu verarbeiten. Dies ist derzeit die einzige Lösung, die in diesen Höhen betrieben werden kann“, teilt das Unternehmen mit.

Die Roboter-Entpalettierungssoftware nutzt die vom Vision-Sensor gesammelten Informationen, um dem Roboter für jede Kiste einen geeigneten Greifpunkt bereitzustellen. Anschließend nimmt der Roboter die bis zu 30 kg schwere Kiste auf und stellt sie entweder auf eine andere Palette oder ein Auslaufband. Das System kann 24 Stunden am Tag mit einer Spitzengeschwindigkeit von bis zu 650 Zyklen pro Stunde betrieben werden.

Der Vision-Sensor ermöglicht es dem Roboter, bestimmte Kartons auf Paletten zu erkennen und so die Depalettierung verschiedener Ladungstypen zu ermöglichen. Dazu gehören Paletten, die aus einem einzigen Kartontyp in definierten Schichten bestehen; „Regenbogen“-Paletten mit verschiedenen Kartontypen; und Mischpaletten, die eine große Auswahl an Kartons mit unterschiedlichen Gewichten, Formen und Materialien enthalten.

Eine Lösung, die Applied Manufacturing Technologies (AMT) auf der Automate 2022 demonstriert hat, ist ähnlich für die Bewältigung von Palettierungs-, Depalettierungs- und Dekantieranwendungen mit gemischten Kisten konzipiert und wurde von Applied Manufacturing Technologies (AMT) auf der Automate 2022 demonstriert. Dabei kommen ein Fanuc CRX-10iA Cobot und ein Schmalz FXCB Vakuum-Greif-End-of-Arm-Werkzeug zum Einsatz (EOAT) zeigte die Roboterzelle Verzögerungen und Behälterfüllungen mithilfe definierter Box- und Behälterparameter an, um die Behälterfüllung zu optimieren und die gesamte Schicht zu lösen.

Laut AMT integriert die FXCB-Vakuumgreiflösung von Schmalz einen Vakuumerzeuger, Strömungswiderstände und einen digitalen Druckschalter in einem kompakten und leichten Design, während die Bildverarbeitungssoftware des AMT-Partners Liberty Reach die am besten geeigneten Algorithmen zur Suche und Verwendung verwendet, um das zu optimieren Pick-Lösung für insgesamt kürzere Zykluszeiten. Ein optimierter Zyklus, erklärt das Unternehmen, umfasst die Auswahl mehrerer Kartons zum Beladen des Behälters. Wenn keine Multi-Pick-Lösung verfügbar ist, wählt der Algorithmus die nächstbeste Position aus, damit der Roboter einen Karton auswählen kann.

Pearson setzt die KI-gesteuerte Software von Pick One ein, damit sein Roboter-Depalettierer zufällige Kisten, Kartons, Tabletts oder Beutel kommissionieren kann. Pearson Packaging Systems bietet außerdem eine neue Roboter-Depalettierungslösung für Lager-, E-Commerce-, Fulfillment- und Vertriebsanwendungen an. Das Unternehmen nutzt das KI-gestützte Bildverarbeitungssystem PickOne von Plus One in Verbindung mit einem Fernüberwachungstool namens Yonder, um seinen Depalettierern die Kommissionierung zufällig ausgewählter Kisten, Kartons, Schalen oder Beutel zu ermöglichen, selbst wenn diese sich überlappen oder überhängen.

Das System verwendet 3D-Kameras, um die geometrischen 3D-Oberflächen, Kanten und Ecken von Produkten zu identifizieren und Größe, Form, Höhe und Position in Echtzeit zu bestimmen. Das Wahrnehmungskit von PickOne scannt dann einen Palettenstapel, um kommissionierbare Artikel zu identifizieren, und weist jedem einzelnen ein Konfidenzniveau zu. Anschließend sendet die Software den Pick-Standort für jeden erkennbaren Artikel über die PickOne-API (Application Programming Interface) an die Robotersteuerung. Wenn das Konfidenzniveau für eine zuverlässige Auswahl nicht ausreicht, generiert die Software automatisch eine Yonder-Anfrage, die einen menschlichen Ferneingriff auslöst. Mit einer Reaktionszeit von weniger als 6 Sekunden behandelt eine Remote-Robotersteuerung die Ausnahme, indem sie manuell einen Artikel und seinen Aufnahmepunkt auswählt. Parallel dazu speichert Yonder die Antworten, um kontinuierliches maschinelles Lernen zu ermöglichen und die Effizienz im Laufe der Zeit zu steigern.

Shape Process Automation (SPA) und Mujin stellten auf der Automate 2022 eine Depalettierungs- und Palettierungslösung für gemischte Kartons vor Palettierlösung basierend auf der intelligenten Robotikplattform von Mujin. SPA ist Integrator für eine Reihe von Roboterherstellern, darunter Fanuc, dessen Roboterarm eine von mehreren Marken ist, die mit Mujins Flaggschiffprodukt, dem MujinController, kompatibel sind. Um gemischte Depalettierungs- und Palettierungsanwendungen zu ermöglichen, nutzt die Steuerung maschinelle Intelligenz, die laut SPA eine Art KI ist, die potenzielle Ausfallszenarien automatisch durch Wahrnehmung, autonome Entscheidungsfindung und Bewegungsplanung in Echtzeit verwaltet, ohne dass ein menschliches Eingreifen erforderlich ist.

Ross Diankov, Mitbegründer von Mujin, sagt, er erwarte unter anderem unmittelbare Vorteile für gemeinsame Kunden, die mit der Automatisierung arbeitsintensiver Depalettierungs- und Palettieranwendungen zu kämpfen haben: „SPAs Erfahrung und sein Ruf bei der Bereitstellung von Robotik-Automatisierungslösungen machen sie zu einer idealen Lösung für Mujins Ziele.“ Stärken Sie den nordamerikanischen Logistikmarkt mit Mujins revolutionärer Maschinenintelligenz. Gemeinsam können wir eine neue Welle der Robotertechnologie in den USA beschleunigen und dazu beitragen, die Vision eines völlig autonomen Lagers voranzutreiben.“

Der neue KI-gesteuerte Cobot tog.519 von Schubert wurde für Pick-and-Place-Aufgaben und zum Vereinzeln leichter Produkte mit 80 Zyklen/Minute entwickelt. Eine weitere Roboteranwendung, die jetzt von KI gesteuert wird, ist der Cobot tog.519 der Gerhard Schubert GmbH. „tog“ bedeutet zusammen, aber dieses hier für Pick-and-Place-Aufgaben und zum Trennen leichter Produkte. Das Unternehmen sagt: „Allein kann ein Cobot eine Verpackungsaufgabe nicht lösen. Viele von ihnen sind zu langsam und können bei hohen Geschwindigkeiten oder im Kontakt mit einem Menschen nicht sicher gestoppt werden.“ Beispielsweise könne es sich bei einer typischen Pick-and-Place-Aufgabe um das Platzieren von Beuteln in einer Kartonierkette handeln. „Andernfalls müssten ein oder zwei Personen die Beutel aus der Schachtel nehmen und in die Kette legen“, heißt es. „Der tog.519 erkennt die Beutel, auch wenn sie übereinander liegen, und identifiziert die Kettenteilungen, in denen sie platziert werden.“

Der Cobot bietet eine Leistung von 80 Takten/min und kann Produktgewichte bis 700 g bewältigen. Die hohe Taktrate, erklärt Schubert, sei nur durch eine Bildverarbeitung auf Basis eines neuronalen Netzes mit KI möglich. „Alles, was es braucht, sind eine Handvoll Bilder und ein paar Tage, bis die KI neue Produkte selbstständig und ohne Programmierung erlernt“, sagt das Unternehmen.

Um durchgehend Geschwindigkeit zu gewährleisten, kann der Tog auf engstem Raum in einer Schutzzelle betrieben werden. Es kann jedoch auch ohne Schutzkorb betrieben werden und bietet dennoch ein hohes Maß an Sicherheit. Als freistehender Cobot reagiert er auf Menschen in seiner Umgebung und bremst bei Bedarf ab.

Einsatzmöglichkeiten des tog.519 sind die schnelle Zuführung an der Maschine, die Bausatzmontage, bei der verschiedene Produktteile zu einem Set zusammengestellt werden, oder die Produktveredelung. Ein vollständiger modularer Cobot umfasst eine fünfachsige SCARA-Kinematik, ein Bildverarbeitungssystem, Zuführbänder, ein Sicherheitsmodul und mehr. Ziel von Schubert ist es, auf Basis eines modularen Baukastens eine ganze Familie von Kleidungsstücken zu entwickeln.