Robotyka kompletacyjna(piece-picking) robi duże postępy w magazynach, a z pomocą sztucznej inteligencji może wkrótce znaleźć się w zasięgu SME(Small and Medium-sized Enterprises). Dan Migliozzi, dyrektor ds. sprzedaży w niezależnym integratorze systemów, firmie Invar Group, określa, gdzie jesteśmy na tej drodze.
Jakie nowości mogą pojawić się wokół robotów piece picking? Ramię robota znajduje przedmiot, podnosi go, manipuluje lub orientuje, umieszcza we właściwym miejscu – i to wszystko. Jest to klasyczne zastosowanie robotyki przemysłowej i tak było, przynajmniej na dużych liniach produkcyjnych, od czterech dekad.
Ale w pewnym sensie to zastosowanie w ogóle nie jest robotyką(funkcjonalnie), staromodna szafa grająca robiła to samo, a maszyna zazwyczaj może pracować tylko z jednym lub bardzo ograniczonym zestawem przedmiotów, przedstawionych jej w bardzo zorganizowany sposób. Jak przekonali się pierwsi inwestorzy w robotykę, te "roboty ogólnego przeznaczenia" były w praktyce bardzo specyficzne dla zadań i chociaż stały się niezbędne w produkcji wielkoseryjnej, miały ograniczoną użyteczność w magazynie i podobnych miejscach, w których trzeba wybierać z bardzo szerokiej gamy przedmiotów różniących się kształtem, rozmiarem, wytrzymałością i orientacją.
Teraz jednak, z dnia na dzień(choć w rzeczywistości rozwój ten trwa od lat) postępy w dziedzinie czujników, systemów wizyjnych, urządzeń manipulacyjnych i sposobów ich sterowania, w tym początki uczenia maszynowego (ML) i sztucznej inteligencji (AI), sprawiają, że roboty zbierające ogólnego przeznaczenia stają się praktyczną rzeczywistością. Dla Invar, jako wiodącego niezależnego integratora systemów, staje się to bardzo ekscytującą przestrzenią.
Mając do wyboru różne przedmioty, robot może teraz zidentyfikować właściwy element, albo skanując kod kreskowy lub sygnał RFID(radio-frequency identification), albo analizując dane wejściowe z systemu wizyjnego. Tak czy inaczej, algorytmy mogą obliczyć bieżącą i wymaganą orientację. Robot może obsługiwać element zgodnie z parametrami "dołączonymi" do tożsamości elementu, w tym jakiego narzędzia użyć do podniesienia elementu i jaka siła jest odpowiednia - lub w przypadku coraz bardziej popularnej manipulacji za pomocą przyssawek próżniowych, które elementy z szeregu przyssawek należy użyć i ile ssania zastosować. Korzystając z rozwijających się form ML/AI, robota można "wyszkolić" do radzenia sobie z nowymi przedmiotami, a nawet zoptymalizować jego własne operacje.
Jest to ważne dla wielu branż i firm, ponieważ do tej pory kompletacja części była wysoce pracochłonna i uparcie odporna na automatyzację. Wiele części miało niewygodny kształt, było zbyt delikatnych, zbyt małych lub miało zbyt duży zakres rozmiarów/wag. Ponadto mogą one wymagać wcześniejszych operacji, aby ustawić je we właściwej orientacji dla robota lub mogą występować problemy z jakością, które wymagają wstępnego przesiewania itp.
W takich okolicznościach jakikolwiek zwrot z inwestycji w automatyzację często wydawał się mglisty, a praca ręczna była często preferowana. Jednak obecnie nie tylko brakuje ludzkiej siły roboczej i jest ona coraz droższa, ale także szybkość ręcznej kompletacji może być niska w porównaniu z bardziej zaawansowanymi formami automatyzacji, z dużą liczbą błędów - często pogarszanych przez chorobę lub zmęczenie. Firma działająca na przykład w branży farmaceutycznej, która jest coraz popularniejsza, nie może tolerować mniej niż 100% dokładności. Podobnie, nie ma "akceptowalnego" poziomu uszkodzeń komponentów elektronicznych i nie można tego zagwarantować w przypadku systemów ręcznych.
Dobrą wiadomością jest jednak to, że technologia kompletacji przedmiotów rozwija się w dość szybkim tempie i szybko staje się przystępna cenowo dla SME, z rozsądnym zwrotem z inwestycji. Tak więc, ponieważ siła robocza jest nadal trudna do znalezienia i kosztowna, roboty do kompletacji elementów będą prawdopodobnie stawać się coraz bardziej atrakcyjne, a w połączeniu z dostępnością wysoce skalowalnych autonomicznych robotów mobilnych (AMR) mogą stanowić znaczące zmniejszenie ryzyka biznesowego.
Istnieje wiele opcji rozmieszczenia robotów kompletujących. Ramiona robotów kompletacyjnych mogą znajdować się w stałych lokalizacjach, a towary docierają do nich na przenośnikach, AMR, ruchomych regałach, karuzelach itp. Mogą też poruszać się po podłodze magazynu zamontowane na AMR. Mogą być zaprojektowane jako coboty, specjalnie do bezpiecznej pracy obok ludzi, lub mogą być "odgrodzone" - fizycznie lub za pomocą oprogramowania i funkcji bezpieczeństwa.
Jest jeszcze jedna ważna kwestia do rozważenia. Jak już wspomniano, poprzednie roboty kompletujące często wymagały, aby towary były prezentowane w ściśle określonych orientacjach. Na przykład, aby można było zeskanować kod kreskowy lub rozpoznać kształt, lub aby nie zachodziły na siebie. Może to wymagać ręcznej interwencji lub szeregu urządzeń manipulacyjnych, które w sumie mogą być tak złożone i drogie jak sam robot - zajmują też dużo miejsca. Jest coraz bardziej prawdopodobne, że dzięki zaawansowanym systemom wizyjnym z obsługą sztucznej inteligencji i innym systemom można zrezygnować z większości lub wszystkich tych przygotowań.
Roboty piece picking stają się coraz bardziej zręczne, szybko uczące się i adaptacyjne. Oczywiście nadal istnieje potrzeba szkolenia robotów za pomocą odpowiednich obrazów i algorytmów. Można śmiało powiedzieć, że zarówno dostawcy, jak i integratorzy są aktywnie zaangażowani w opracowywanie najbardziej efektywnych sposobów organizacji tego procesu, ale dla nas oczywiste jest, że na tym etapie rozwoju i wdrażania technologii istnieje prawdziwa potrzeba otwartej współpracy między wszystkimi uczestnikami tej podróży w kierunku zrobotyzowanej kompletacji.
Jako niezależni integratorzy zaawansowanej technologii magazynowej z dedykowanym działem programistów, jesteśmy ściśle zaangażowani w szybko rozwijającą się dziedzinę robotyki kompletacyjnej i w rozwój płynnego interfejsu między robotami, kontrolerami i systemami zarządzania magazynem.
