これまでのデパレタイズでは、かご車やパレットなどを認識するために事前に絵柄などを登録しておき、その情報に基づいて箱認識を行うという2Dアルゴリズムを使用している場合がほとんどでした。しかしマスタデータとして箱の種類分の画像を保存しておく必要があるため、箱の図柄変更や新しい箱が増えた時に新しい画像を登録しなければならず、物流センターの作業者に負担がかかっていました。
新しい画像認識技術を採用したマイクロ・テクニカのデパレタイジング用AIロボットビジョンなら事前登録なしでサイズ、図柄、形態の異なる箱のデパレタイジングが可能となり、作業の効率化や作業員の負荷を減らすことが可能となります。
従来の技術にDeepLearningを組み合わせることでランダムな箱を認識するロボットピッキングを可能としています。ほぼ全ての箱(矩形)について絵柄などの事前登録なしで認識でき、サイズの違う箱、透明テープや様々な色のテープで封をした箱、色々な表面印刷の箱、PPバンドが巻かれている箱など、異なる条件の箱が混載していても認識可能です。
箱や矩形ワークの認識数理最適化(MOP)アルゴリズム開発によって、箱のサイズ情報だけあれば2Dと3Dの箱形状を取得して個々の箱の認識を行うことが可能となりました。箱上面の様々な積載パターンに対応可能です。
かご車やパレットからロボットでデパレタイズを行う箱デパレシステムは、最上面の箱の3次元位置を認識しロボットコントローラやPLCなどにピッキングポイントを送信します。
ピッキングポイントの座標系はカメラ座標をロボット座標に変換して送信する方法とユーザー座標系(ワールド座標)が送信できます。ロボットハンド干渉チェックを行った上でピッキングを送信するので、かご車、パレット、箱などにロボットハンドが衝突することもありません。安川電機、川崎重工、オークラ、ファナックなどのロボットと接続でき、汎用性も高いです。
参照元:マイクロ・テクニカ公式サイト(https://www.microtechnica.jp/products/robot_vision/depallet_system.html)
物流センターや倉庫などのパレットからの荷物の積み下ろし作業は大変な労力がかかりますが、パシフィックシステムのビジョンシステムはパレット上の段ボール箱のサイズや位置をスピーディに画像処理しロボットをリアルタイムに制御することができます。ロボットと組み合わせればパレットからの段ボール箱デパレタイズの自動化を実現できます。
参照元:パシフィックシステム公式サイト(https://www.pacific-systems.co.jp/solution/117.html)
日立オートメーションのデパレタイザーは事前のケース情報登録やティーチング作業不要でデパレタイズの自動化ができるため運用までのコストダウンを実現でき、新しいワークが追加されても追加作業が必要ありません。形状・色・模様が異なるワークでも正しく認識して荷下ろし可能、単載積み、混載積みの両方に対応しています。
参照元:Kyoto Robotics(日立オートメーション)公式サイト(https://www.kyotorobotics.hitachi-automation.co.jp/depalletize-solution)
ここでは、負荷の高い作業からの自動化、倉庫全体の自動化、2つの自動化ニーズに分け 本サイトで紹介している物流向け3Dロボットビジョンシステムを提供する20社(※)から、物流倉庫の自動化に重要な箱・袋物の「デパレタイズ」「パレタイズ」に対応し、かつ需要の多い「混載」にも対応できる3Dロボットビジョンシステムによるソリューションを提供するメーカーを紹介します。
※本サイトでは、2023年2月20日時点でGoogleにて「3Dロボットビジョン 物流」で検索した際、上位100位までに公式サイトが表示され、実際に物流向けのシステムへの対応記載がある20社を紹介しており、その中から上記条件で選出しています。
※20社中、上記条件に当てはまるのは、「マイクロ・テクニカ」「Kyoto Robotics」「Mujin」の3社ですが、ピースピッキングにも対応しているなど、より幅広く対応できる「マイクロ・テクニカ」「Mujin」の2社を選出しています。
引用元:マイクロ・テクニカ公式サイト(https://www.microtechnica.jp/)
引用元:Mujin公式サイト(https://www.mujin.co.jp/)