Allein in den USA steigt das Containervolumen in den Häfen rasant an, sogar im Rückstand. Die Containerimporte in den Hafen von Savannah stiegen beispielsweise von 2016 bis 2020 um 321 TP1T, so die Georgia Ports Authority. Lagerhäuser, die mit dem Rückstand an Containern innerhalb der globalen Lieferkette sowie mit Arbeitskräftemangel und wachsender E-Commerce-Nachfrage zu kämpfen haben, kaufen und leasen mehr Immobilien als je zuvor und investieren in Automatisierungstechnologie und KI-Systeme, um Schritt zu halten.

Da sich immer mehr Lagerhäuser bei der Entwicklung und Bereitstellung dieser industriellen KI-Systeme an ADLINK wenden, wollten wir mitteilen, wo Lagerhäuser unserer Meinung nach den größten Wert und die schnellste Rendite erzielen, wenn es um automatisierte Technologien für das Lagerhaus geht.

Automatisierung im Lager

Wir sprechen seit etwa 2011 über Industrie 4.0 und Automatisierung in der Fertigung und seit vor 2016 in der Materialflusstechnik. Wie geht es uns? In der Fertigung sind wir weiter als im Lager. In einer Umfrage zu Modern Materials Handling aus dem Jahr 2019 gaben über 50% der Manager von Lagerverteilzentren an, dass sie immer noch hauptsächlich manuelle Prozesse verwenden.

In den letzten Jahren haben mein Team und ich Hunderte von Lagerhäusern besucht und kein Lager ist vollständig automatisiert. Wir sehen oft eine scheinbar einfache, aber sehr häufige Herausforderung, wenn wir versuchen, eine neue Technologie wie KI zu übernehmen: Wo wird KI den größten Gewinn erzielen? Bei jedem KI-Projekt ist es wichtig, sich auf ein Geschäftsergebnis und einen Anwendungsfall zu konzentrieren. Obwohl dies offensichtlich erscheint, stellen wir fest, dass dieser erste Schritt für unsere Kunden oft eine Herausforderung sein kann. Dieser Schritt ist der kritischste, andernfalls wird das Projekt wahrscheinlich scheitern.

Wir stellen fest, dass maschinelles Sehen eine der einfacheren Technologien ist, um KI zu implementieren und zu nutzen und aufgrund der Flexibilität die schnellsten Rücksendungen bei der Lagerabwicklung zu erzielen. KI Machine Vision wird Sie überall auf der Automatisierungsreise treffen (siehe Abbildung 1 unten) und baut auf Infrastruktur und Prozessen (manuell, automatisiert und autonom) auf, die Sie bereits haben.

Wie funktioniert KI Machine Vision?

Machine Vision ist bildbasierte Analyse für Lageranwendungen wie Inspektion, Prozesssteuerung, Sicherheit und Roboterführung; Maschinen wie Förderbändern, Robotern oder einem Computer, der nur aufzeichnet, was er sieht, menschliches Sehen geben.

Es gibt zwei verschiedene Ebenen des maschinellen Sehens, regelbasiert und KI-basiert.

Regelbasiertes maschinelles Sehen – Standard-Bildverarbeitung kann erkennen, wenn etwas nicht stimmt, kann uns jedoch nicht sagen, was genau falsch ist (Klassifizierung) oder ein System anweisen, Maßnahmen zu ergreifen, sobald Informationen empfangen wurden. Beispiele für regelbasiertes maschinelles Sehen sind das Lesen von Text, eines Barcodes, das Erkennen von Füllständen oder das Lesen von Anzeigen.

KI-basiertes maschinelles Sehen – KI-Maschinelles Sehen identifiziert Dinge, die zuvor ohne eine eindeutige Kennung gesehen wurden. KI-Maschinelles Sehen klassifiziert, was es sieht, wird mit der Zeit intelligenter und kann auch Automatisierungsworkflows erstellen, um Maßnahmen zu ergreifen.

Wie funktioniert das KI-Bildverarbeitungssystem?

1. Bilder sammeln

Wenn Sie 200 Bilder von Ihrem Gesicht machen und sie mir geben, könnte ich ein Gesichtserkennungsmodell bauen, und es wäre ziemlich genau. Wenn die verwendete Kamera jedoch in einem bestimmten Winkel ausgerichtet ist und nachts Bilder mit körniger Bildauflösung aufnimmt, wie beispielsweise eine ATM-Kamera, wird das System Probleme haben. Das Sammeln von Bildern muss also der erste Teil des Prozesses sein.

2. Objekte markieren

Dies ist eigentlich ein manueller Prozess. Um ein KI-System zu trainieren, muss man ihm helfen. Sie müssen dem System mitteilen, wo Sie mit der Suche beginnen und wonach Sie suchen sollen.

3. Ausbildung

Training ist ein automatisierter Prozess, er läuft in einem neuronalen Netz. Das System nimmt die markierten Bilder auf und verzerrt sie. Es streckt sie, dreht sie um, ändert die Farben, verwischt sie und verwandelt das eine aufgenommene Bild in 10.000 Bilder. Und je mehr Bilder es verbraucht, desto intelligenter wird das System.

4. Testen

Und dann erstellt das System ein Modell. Das Modell besteht im Wesentlichen aus einer Reihe von Algorithmen, die sich neu eingehende Bilder ansehen, die dann kommunizieren, was sie sehen, und ein Vertrauensniveau bereitstellen.

5. Akt

Nachdem das Modell erstellt wurde, müssen wir etwas damit machen. Was also, wenn die Maschine sieht, dass jemand an einem unsicheren Ort steht? Die Aktion muss automatisiert erfolgen. Schauen wir uns einige Beispiele an.

KI Machine Vision für Warehouse Fulfillment

Je effizienter ein Lager zu den wichtigsten Fulfillment-Bereichen gehört – Empfang, Lagerung, Kommissionierung, Verpackung und Versand – desto höher sind die Qualitätssicherung, pünktliche Lieferungen und zufriedene Kunden sowie weniger Druck, geringere Kosten und ein Burnout der Mitarbeiter.

Diese Beispiele verwenden sowohl regelbasierte als auch KI-basierte Machine Vision.

Empfangen und Speichern – Machine Vision mit KI automatisiert und verbessert die Rückverfolgbarkeit aller Assets während ihres gesamten Lebenszyklus. Mit Machine Vision und Beaconing ausgestattete Gabelstapler beseitigen beispielsweise menschliche Fehler während des Annahme- und Lagerprozesses. Durch die Automatisierung des für die Bestandsverwaltung erforderlichen Scans und der Dateneingabe können Gabelstaplerfahrer und Empfangspersonal Geschwindigkeit und Sicherheit zu ihrer obersten Priorität machen.

Kommissionierung – Ob für die Montage oder Auftragsabwicklung, Roboter, ausgestattet mit Bildverarbeitung und KI, kommissionieren präzise Teile und platzieren sie in Behältern oder Kartons. KI ermöglicht es den Benutzern, noch einen Schritt weiter zu gehen, indem sie den besten „Pick Point“ und die beste Platzierungsorientierung identifiziert, den Verpackungsprozess beschleunigt und das Verpackungsvolumen maximiert.

Verpackung – Machine Vision mit KI prüft jede Bestellung auf Korrektheit. Nachdem die Bestellung kommissioniert wurde, validieren diese Lösungen die Bestellung automatisch mit dem Inhalt. Dies kann einen Qualitätssicherungstechniker unterstützen und/oder ersetzen, so dass er anderen Aufgaben im gesamten Lager zugewiesen werden kann. Als unvollständig/falsch gekennzeichnete Bestellungen können vor dem Versand zum Umpacken gekennzeichnet werden.

Versand - Machine Vision und KI prüfen weiterhin jeden Auftrag auf Korrektheit während der Palettierung. Alle auf einer Palette platzierten Pakete werden anhand von eindeutigen Identifikatoren, Form und Größe gekennzeichnet. Die Validierung von Paletten auf Auftragskorrektheit und Rückverfolgbarkeit der Erfüllung kann zu massiven Gewinnsteigerungen führen. Die Branche wird während des Palettierprozesses von menschlichen Fehlern geplagt, und High-Mix-Aufträge können derzeit nicht von den Kosten/Fähigkeiten der Robotik profitieren. ADLINKs Smart-Pallet-Lösung solution ist beispielsweise eine schlüsselfertige Lösung für die halbautomatische Palettierung unter Nutzung der KI-Bildverarbeitung.

Sicherheit – Maschinelles Sehen und KI werden verwendet, um zu bestimmen, ob und wann Mitarbeitern der Zutritt gewährt werden sollte, die geeignete persönliche Schutzausrüstung (PSA) getragen wird oder sich in nicht autorisierten Bereichen befindet. Dieselbe Technologie kann verwendet werden, um Slick-Spots, Trip-Spots und/oder Quetschpunkte zu identifizieren.

Ist KI Machine Vision die Lösung für mich?

Eine einfache Frage, die Sie sich stellen können, um festzustellen, ob maschinelles Sehen für einen bestimmten Prozess funktioniert, lautet: Wenn ich diesen Prozess filme, kann ich dann sehen, folgern, folgern, lesen, was immer eine Maschine sehen, folgern, folgern und lesen soll? Wenn die Antwort ja ist, kann KI-Maschinelles Sehen durchgeführt werden. Wenn Sie es mit eigenen Augen sehen können, können wir ein System darauf trainieren.

Wir können Ihnen mit einem Workshop und einer Roadmap helfen, ein digitaler Versuchspilot in nur 2 Wochen. Nicht jeder Anwendungsfall erfordert eine KI-basierte Bildverarbeitung und wir können Ihnen dabei helfen zu bestimmen, welcher Prozess am meisten von KI-Bildverarbeitung profitieren würde und wo er am besten ansetzen könnte. Bei der Implementierung von KI-Technologie für maschinelles Sehen empfehlen wir Folgendes:

Machen Sie viele kleine Wetten, kein großes Experiment

Damit Automatisierungsinvestitionen reibungslos und schnell (nicht über Jahre) erfolgen, sollten Sie zuerst die Prozesse inkrementell angehen. Können Sie sich beispielsweise vorstellen, wie kostspielig, langwierig und mühsam die Durchführung einer „Rückverfolgbarkeitsstudie für den gesamten Produktlebenszyklus vom Wareneingang bis zum Versand“ als erstes KI-Projekt wäre?

Machen Sie stattdessen mehrere kleine Wetten. Beginnen Sie damit, Dinge zu automatisieren, die menschliche Aufgaben schneller, einfacher und effizienter machen, z. B. Palettierung, Verpackung oder Gabelstapler, um die Bestandsgenauigkeit zu gewährleisten. Beachten Sie außerdem, dass diese Technologien bei der horizontalen Skalierung der Automatisierungstechnologie in Ihrem Unternehmen zusammenarbeiten können.

Bringen Sie Intelligenz in oder in die Nähe von Dingen

Ob eingebettetes, verteiltes oder intelligentes Computing, Edge-Computing ermöglicht es der KI, Daten in Echtzeit zu generieren, zu konsumieren, zu berechnen und zu verteilen, um Entscheidungen zu treffen und Maßnahmen zu ergreifen, wenn es am wichtigsten ist.

Beispielsweise muss ein KI-System für maschinelles Sehen, das für die Roboter-Qualitätsprüfung entwickelt wurde, möglicherweise ein Produkt in weniger als 0,05 Sekunden auf Fehler überprüfen, bevor das Förderband ein anderes Produkt unter seine Linse bewegt. Die Fehlerquote wird hier ziemlich gering, sodass die Datenbewegung sofort erfolgen muss. Edge Computing ist der Ort, an dem Daten auf Menschen, Orte und Maschinen treffen, sodass diese Art von sofortiger Echtzeitaktion stattfindet. 

Dies ist ein Teamsport, binden Sie Ihr Ökosystem und Ihre Partner ein

Wir kennen nicht die Antworten auf alles und kein Anbieter sollte Ihnen dies jemals sagen. Und wenn Sie mit jemandem zusammenarbeiten, der sich weigert, mit einem anderen Anbieter, einem anderen OEM oder einem anderen Partner zusammenzuarbeiten, den Sie bereits haben, weil er glaubt, dass es sich um konkurrierende Technologien handelt, sollten Sie sich woanders umsehen.

Erfahren Sie mehr über die Edge-Hardware für KI-Maschinelles Sehen von ADLINK hier abrufbar..

Erfahren Sie mehr über unsere ADLINK AI Machine Vision Edge-Software hier abrufbar..