Random bin picking breekt door in retail


De praktische problemen die de regels rond social distancing met zich meebrengen, lijken een nieuwe golf van automatisering te veroorzaken, met name in online retail waar steeds meer robots ingezet worden om orders te sorteren. Dankzij concepten van machine learning hebben die robots de laatste jaren enorme vooruitgang geboekt in random bin picking.

Bij random bin picking krijgen robots de uitdaging om producten die willekeurig in een bak liggen te picken. De uitdaging bestaat er in om eerst een product te identificeren dat gegrepen kan worden en dat grijpen vervolgens ook succesvol te doen.

Een mooie illustratie van hoe performant deze applicaties vandaag kunnen zijn is te zien in bovenstaande video van het Amerikaanse Kindred. Dat bedrijf heeft recent 30 installaties voor bin picking geleverd aan de kledingretailer Gap. Die zag omwille van de Corona lockdown het aantal online orders recent sterk toenemen terwijl het zelf in zijn warehouses ook worstelde met de regels rond social distancing. De robots moeten hierop een antwoord bieden.

Reinforced learning

In de applicatie worden producten vanuit het magazijn in een grote schaal gedropt, waar een robot ze moet sorteren in bins die rond de schaal zijn opgesteld. Elke bin staat voor een levering naar een specifieke klant.

De bin picking toepassing maakt gebruik van een visiesysteem om goederen in de schaal te identificeren. Dat is op zich opmerkelijk want in industriŽle toepassingen wordt de laatste jaren meestal met laser scanners gewerkt om een 3D beeld te krijgen van wat zich in de bin bevindt.

De benadering van Kindred is echter minder deterministisch en steunt volledig op machine learning, meer bepaald op wat men in die discipline reinforced learning noemt. Zodra het visiesysteem op basis van de randen een product herkend heeft, probeert de robot het te grijpen. Aanvankelijk gebeurt dat redelijk willekeurig maar door bij te houden wat werkt en wat niet in een bepaalde situatie wordt de robot steeds beter. De machine ziet een bepaald beeld, selecteert daarin een product en gaat dan in zijn databank kijken hoe vergelijkbare producten in het verleden succesvol gegrepen werden.

Operator helpt robots

De grijper die in deze toepassing gebruikt wordt is een combinatie van vacuŁm en een fysieke grijper. Daardoor kan de robot producten wat optillen tot ze vrij zijn zodat ze beter gegrepen kunnen worden. Als dat gelukt is zoeken scanners rond de schaal naar de barcode om te bepalen in welke bin het product gedropt moet worden.

Een belangrijk uitgangspunt dat de applicatie stukken eenvoudiger maakt, is nog van te aanvaarden dat het picken niet altijd zal lukken. In eerste instantie doet de robot dan gewoon een nieuwe poging, wat deel uitmaakt van het proces en een bijdrage levert aan het leren. Maar als de robot er echt niet in slaagt om met een bepaalde situatie om te gaan, is dat evenmin een probleem. De robot slaat dan alarm zodat een operator kan komen helpen.

Voor Gap is de implementatie van de robots een goede oplossing om social distancing te implementeren omdat het sorteren, waar vroeger veel medewerkers dicht bij elkaar werkten, nu door robots gebeurt waarbij ťťn medewerker volstaat om meerdere stations operationeel te houden.

Voorlopig heeft de implementatie geen impact op de tewerkstelling omdat er door de grotere vraag ook elders in de magazijnen mensen tekort zijn.

© Productivity.be, 25/05/2020


Feel free to share



Productivity.be

is een publicatie van
Redactiebureau ConScript

Contact

Erwin Vanvuchelen
+32 (0)475 64 99 34
erwin@conscript.be
erwinvanvuchelen