Descărcătoarele automate au durat ani de zile pentru a se dezvolta și încă nu au fost perfecționate, reflectând dificultatea de a lucra cu o serie de pachete care sunt stivuite diferit de la camion la camion.

apropie

În calitate de FedEx Corp. și United Parcel Service Inc. automatizarea pentru a ține pasul cu creșterea comerțului electronic și a unei potențiale amenințări din partea Amazon.com Inc., acestea au fost într-o etapă crucială: încărcarea și descărcarea camioanelor.

Producătorii de roboți se apropie de rezolvarea unei părți din acel puzzle.

Siemens AG și Honeywell International Inc. au construit mașini care trag pachete din spatele unei remorci și le plasează pe benzi transportoare, aruncând coletele pentru sortare. Realizarea de roboți care pot încărca camioane este mai complicată, deși eliminarea acestui obstacol nu este departe.

„Cea mai mare provocare din lumea noastră este: fiecare pachet este diferit ca mărime, formă, greutate, culoare, material”, a declarat Ted Dengel, director general de tehnologie operațională la unitatea de livrare la sol a FedEx. "O face o problemă foarte dificilă."

Dispozitivele, dezvăluite la o recentă conferință de automatizare din Chicago, susțin promisiunea creșterii productivității, reducând în același timp nevoia de una dintre cele mai istovitoare locuri de muncă în logistică. Curierii se bazează pe automatizare pentru a se confrunta cu creșterea cumpărăturilor online, care alimentează cererea record, dar presează marjele de profit. Planul Amazon de a gestiona mai mult transportul propriu și de a oferi mai multe livrări într-o zi nu face decât să crească.

Descărcătoarele automate au durat ani să se dezvolte și încă nu au fost perfecționate, reflectând dificultatea de a lucra cu o serie de pachete care sunt stivuite diferit de la camion la camion. Mașinile au nevoie, de asemenea, de spațiu în centrele logistice și depozitele care sunt deja ambalate cu echipamente. Dispozitivul Siemens necesită modificarea remorcii unui camion. Honeywell’s nu, dar nu este la fel de rapid la descărcare.

Aparatul Honeywell este un behemoth pe roți care are un banc de ventuze pentru a apuca pachete stivuite sus. Un transportor portabil prinde sau scoate din patul remorcii. Funcționează în majoritatea remorcilor cu podea plată și descarcă cât de repede poate o persoană - dar fără dureri de spate și epuizare.

„Pot să vorbesc din experiența directă a dezvoltării acestei mașini: Slujba este mizerabilă în interiorul acelei remorci”, a spus Matt Wicks, vicepreședinte pentru dezvoltarea produselor la unitatea Intelligrated Honeywell, care se concentrează pe automatizarea depozitelor. „Scoaterea oamenilor din remorcă și din partea docului gestionează mai multe dintre aceste mașini este un factor imens, deoarece se referă la satisfacția și păstrarea angajaților.”

Siemens a adoptat o abordare diferită. O centură rulantă trebuie instalată permanent pe podeaua remorcii camioanelor, cu pachete încărcate deasupra. Când remorca se află la debarcader, o mașină mare este atașată la curea și pachetele sunt trase și trimise la butucul de sortare. Descărcarea unei remorci standard durează aproximativ 10 minute, comparativ cu aproximativ o oră pentru o persoană care mută cutiile.

FedEx a început să caute în urmă cu șase ani modalități de automatizare a descărcării remorcii și a început recent să testeze două mașini concurente, a declarat Dengel, directorul tehnologiei operațiunilor. Un dispozitiv este mai departe și FedEx intenționează să cumpere două din acel model și să înceapă să le folosească pe teren în anul următor, a spus el. El a refuzat să numească producătorii cu care lucrează compania din Memphis, Tennessee.

UPS lucrează și la automatizarea descărcării, a declarat purtătorul de cuvânt Glenn Zaccara, refuzând să ofere detalii. Curierul din Atlanta se află la jumătatea unei transformări tehnologice de trei ani, cu 20 de miliarde de dolari, pentru a ține pasul cu creșterea cu amănuntul online. În ultimii cinci ani, forța de muncă a sindicatului companiei a crescut cu 14% din cauza volumului crescut de pachete, a spus Zaccara prin e-mail.

Rezolvarea puzzle-ului tridimensional al încărcării unei remorci este mai dificilă decât descărcarea unuia. Cu toate acestea, Dorabot, care are sprijinul titanului chinez de comerț electronic Jack Ma, testează tehnologia de încărcare automată cu doi clienți.

Roboții startupului folosesc inteligență artificială și pot încărca 400 de colete pe oră într-o remorcă, umplând 60% din capacitatea sa - în conformitate cu ceea ce poate face o persoană - a declarat directorul executiv Spencer Deng. Dorabot se așteaptă să îmbunătățească viteza cu aproximativ 50 de colete pe oră și să umple 80% din capacitatea unui camion, înainte de a intra pe piață în decurs de un an și jumătate, a spus Deng.

De Thomas Black

Amazon este din nou incendiat în timp ce China Factory angajează stagiari adolescenți
Amazon angajează 700 de milioane de dolari pentru recalificarea lucrătorilor
Lucrătorii Amazon planifică Prime Day Strike la Minnesota Warehouse
Comercianții Amazon simt durerea unui război comercial cu China

Cogniac îi ajută pe producători să ducă investițiile în sistemul de viziune la nivelul următor cu modele bazate pe AI.

Există un motiv pentru care atât de mulți producători s-au orientat către viziunea automată de zeci de ani încoace. Pur și simplu, tehnologia vizuală este un lucru frumos, cu capacitatea sa de a coerenta și de a gestiona cu precizie sarcina plictisitoare și repetitivă de a găsi vizual erori. Cu toate acestea, nu toate sistemele de viziune sunt create în mod egal. La urma urmei, există diferențe semnificative între sistemele tradiționale de vizualizare „setează-l și uită-l” și cele cu capacități de învățare profundă.

„Suntem doar la începutul acestei revoluții cu un potențial imens pentru AI pentru a ajuta la producție”, spune Dr. Amy Wang, cofondator și vicepreședinte de sisteme la compania de vizualizare automată îmbunătățită cu AI, Cogniac. Sistemul Cogniac combină cele mai recente cercetări AI, instrumente de interacțiune om-computer și gestionarea datelor la scară largă pentru a face viziunea pe computer mai ușoară, mai precisă și scalabilă, permițând producătorilor să extragă informații din fluxuri de date și imagini video în continuă creștere.

Dr. Amy Wang, cofondator Cogniac și vicepreședinte de sisteme Realul potențial revine liderilor din industrie să-l realizeze și să-l îmbrățișeze, explică Wang. „Este cu adevărat vorba de a îmbrățișa oportunitatea de îmbunătățire continuă - ceva care este încorporat în ADN-ul celor mai buni producători. Din fericire, această mentalitate se simte foarte bine cu AI și învățarea profundă ”, spune ea. „Dacă te uiți la implementarea unui sistem de viziune cu AI ca un proiect punctual pe care îl faci să funcționezi și să te îndepărtezi, această abordare lasă prea multe oportunități pe masă.”

Selectarea aplicațiilor ideale

Există o funcție uriașă în ceea ce este posibil să automatizăm cu învățarea profundă - lucruri deloc posibile înainte. Cu toate acestea, punerea unui sistem AI într-un proces existent și așteptarea acestuia să funcționeze ar putea duce la dezamăgire. „Există, de obicei, modificări ale proceselor pentru a profita din plin de capacitățile de învățare profundă. AI trebuie să fie condusă de date - ceea ce înseamnă că oamenii trebuie să eticheteze imaginile. Vrei să fii atent la date, vrei să aduni date, vrei să folosești aceste date în cel mai mare avantaj ”, spune ea.

Cogniac abordează schimbările necesare înțelegând mai întâi fluxul de lucru - de la părțile care intră la diferiții indicatori pe care compania îi consideră defecte - pentru a proiecta o soluție eficientă, care este gata să învețe și să se îmbunătățească. „Experții dedicați în materie, oamenii care știu ce caută, joacă un rol crucial în etichetarea imaginilor pentru a crea modele bune”, spune Wang. „Nivelul de angajament față de gestionarea procesului de schimbare de la început face sau rupe un proiect.”

Fluxul de lucru tipic ar trebui să înceapă cu identificarea unei probleme de afaceri, încărcarea imaginilor în sistem, etichetarea unui set mic de date și apoi permiterea sistemului să înceapă să antreneze modelul în mod automat. „Pe parcurs, operatorii pot vedea ce face modelul și pot face ajustări după cum este necesar”, spune ea. „De exemplu, dacă cumva vedeți defectul, iluminarea nu este corectă sau unghiul camerei nu este corect, vă puteți regla camerele. Puteți ajusta prioritatea companiei dvs. cu privire la acțiunile pe care doriți să le urmați. ”

Caz elocvent? Cogniac are un client care inspectează panourile de 7 picioare x 10 picioare coborând pe linie la fiecare patru secunde. Trebuie să identifice defecte foarte mici, cum ar fi despărțirea foarte mică sau scufundări pe panou. „Avem 25 de camere de înaltă rezoluție care realizează instantanee pe măsură ce coboară pe banda transportoare”, spune ea. „Aceste imagini sunt introduse în sistem și aplicate modelului. Diviziunile ar putea fi oriunde pe panou și pot avea orice formă. Variabilitatea este destul de mare, uneori sunt scinduri foarte mici. Sistemul a observat probleme pe care compania nici nu le-a recunoscut inițial, permițându-le să modifice prioritățile de calitate. ”

Wang spune IndustryWeek că, urmărind imaginile care intră, modelul sistemului cogniac poate face predicții despre aceste imagini. Dacă modelul nu este încrezător din cauza ceva nou (adică o schimbare materială sau de mediu), sistemul va crea o alertă care cere ajutor. „Ajutarea modelului printr-o schimbare, face ca sistemul să învețe și să se îmbunătățească în timp”, spune ea. „Sistemul nostru are o interfață foarte intuitivă care permite utilizatorilor să creeze fluxuri de lucru pentru inspecțiile lor. Apoi, avem o etichetare asistată de AI pentru a ajuta experții în materie să eticheteze imagini. Odată ce o companie are o primă aplicație de succes, este aproape captivant să găsești alte oportunități. ușor să faci mai mult cu el. ”

Cheia pentru a putea scări este de a implementa teste în mediul de producție, astfel încât sistemul de vizionare să funcționeze imagini care să se alinieze cu precizie la așteptările de producție.