„ბარიერი ამისთვისპალეტირებაშედარებით დაბალია, შესვლა შედარებით სწრაფია, კონკურენცია სასტიკია და გაჯერების სტადიაში შევიდა“.
ზოგიერთი 3D ვიზუალური მოთამაშის თვალში, "ბევრი მოთამაშეა, რომელიც არღვევს პალეტებს და დადგა გაჯერების ეტაპი დაბალი მოგებით, რაც აღარ ითვლება კარგ ბიზნესად.
ეს მართლა ასეა?
GGII-მ შენიშნა, რომ აყვავებული მეგობრების წინაშე, 3D ვიზუალური მოთამაშეების სხვა ჯგუფს მტკიცედ სჯერა, რომ "ავტომატური პალეტიზაციის შეღწევადობის მაჩვენებელი ძალიან დაბალია და ჯერ კიდევ არის მრავალი სფერო, რომელიც არ არის დაპყრობილი. ჭერი საკმარისად მაღალია. .
ტექნოლოგიების წინსვლასთან და მოდერნიზაციის დაჩქარებასთან ერთად, ხალხის მოთხოვნები მართვის სიჩქარეზე სულ უფრო და უფრო მაღლდება. თუმცა, მოხმარების განახლების ტენდენციით, შემომავალი მასალების ტიპები უხვადაა და ხშირად ემატება. ტრადიციული ხელით პალეტირება შეიძლება გამოყენებულ იქნას მხოლოდ ისეთ სიტუაციებში, როდესაც მასალები მსუბუქია, ზომებში და ფორმაში დიდი ცვლილებებით და მცირე გამტარუნარიანობით. თუ ის მაინც ეყრდნობა მუშახელს, ის შორს არის საწარმოების სიჩქარის მოთხოვნების დაკმაყოფილებისგან.
სცენარის თვალსაზრისით, დემონტაჟისა და პალეტიზაციის სცენარები შეიძლება დაიყოს ერთ კოდად, ერთ კოდად, შერეულ კოდად და შერეულ კოდად. საერთო აღჭურვილობა მოიცავს პალეტირების მანქანებს,პალეტირებადი რობოტები, რობოტები+მანქანის ხედვა და ა.შ.
ასე რომ, მას მიაჩნია, რომ მოთამაშეები, რომლებიც ახდენენ პალეტების დემონტაჟს და განიხილავენ ხმლებს, შეიძლება უხეშად დაიყოს ორ ფრაქციად; ტრადიციული პალეტირებადი მანქანის ღვეზელები და პალეტირებადი რობოტების ღვეზელები, რომლებიც არ საჭიროებს მანქანურ ხედვას; მეორე ფრაქცია წარმოდგენილია მანქანური ხედვის მოთამაშეებით, რომლებიც ვიზუალურად ხელმძღვანელობენ პალეტების დემონტაჟს.
ტერმინალის საწარმოებისთვის, პალეტირების მანქანებსა და რობოტებს შეუძლიათ შემომავალი მასალები გახადონ უფრო სუფთა და ესთეტიურად სასიამოვნო, დაზოგონ ხარჯები და გააუმჯობესონ წარმოების ეფექტურობა, რაც მათ ერთ-ერთ მკვეთრ ინსტრუმენტად აქცევს ავტომატური წარმოების დაჩქარებისთვის.
სად რჩება შესაძლებლობები მანქანათმხედველობის ფრაქციებისთვის, როგორც ტრადიციული პალეტიზატორი ფრაქცია და პალეტიზებელი რობოტების ფრაქცია "ენერგიულად ერევა" პალეტირების ბაზარზე?
დიფერენციაციის გზა - შერეული პალეტიზაცია
ბაზარზე გავრცელებული ფენომენია ის, რომ ხშირად არიან მიმდევრები და მიმბაძველები და ხანდახან არიან დამრღვევები, მაგრამ ყველაზე რთული დამფუძნებელია.
კონკრეტულ ბაზარზე პირველად შესვლისას, მოთამაშეებისთვის მისაღები ბილეთების მიღების შესაძლებლობა არის ის, თუ როგორ უნდა გაამახვილონ ყურადღება სცენის მტკივნეულ წერტილებზე და გავიდნენ დიფერენციაციის გზაზე.
მაგალითად, მუყაოს ყუთების პალეტიზაცია. სცენის პერსპექტივიდან, ერთი კოდის სცენა შედარებით მარტივი და ტრადიციულია, ძირითადად იყენებს იმავე ტიპის შემომავალ მასალას პალეტიზაციისთვის, უფრო ხშირად გამოიყენება პალეტირების მანქანები და რობოტები. ერთჯერადი დემონტაჟი ზოგადად არის იგივე ტიპის მუყაოს ყუთის დემონტაჟი, რომელიც საჭიროებს ვიზუალურ ხელმძღვანელობას; შერეული დემონტაჟი ძირითადად გულისხმობს სხვადასხვა ტიპის მუყაოს ყუთების დემონტაჟს, რაც მოითხოვს ვიზუალურ ხელმძღვანელობას; კოდების შერევა ასევე მოიცავს სხვადასხვა სახის მუყაოს ყუთების პალეტიზაციას და მოითხოვს ვიზუალურ შემოწმებას.
ამიტომ, 3D ხედვის კომპანიების აზრით, 3D ხედვის მოთხოვნა პალეტირების ბაზარზე შორს არის გაჯერებული.
1.შერეული დემონტაჟი
პირველ რიგში, მოდით შევხედოთ შერეულ დემონტაჟს.
ჯერჯერობით, ჩინეთში ვიზუალური დეპალეტიზაციის ერთეულების (კომპლექტების) კუმულატიურმა რაოდენობამ არ მიაღწია 10000-ს, ხოლო ავტომატური დეპალეტიზაცია ჯერ არ არის მიღწეული. დეპალეტიზაციის წილი, რომელიც ვიზუალურ თანამშრომლობას მოითხოვს, ძალიან მაღალია.
ფეი ჟეპინგი პროგნოზირებს, რომ მომავალში ეს პროპორცია შესაძლოა 90%-ს გადააჭარბოს. ამჟამად, დეპალეტიზაცია არის ყველაზე ფართოდ გამოყენებული და მომთხოვნი სცენარი ავტომატიზაციის ინდუსტრიაში. 80%-90%.რობოტიხელის თვალის თანამშრომლობის აპლიკაციები არის დეპალეტიზაციაზე, ხოლო პალეტიზაცია (ერთი კოდი) 10%-ზე ნაკლებია.
ამიტომ, ბაზრის მოთხოვნისა და ტექნიკური შესაძლებლობების პერსპექტივიდან, დეპალეტიზაციის აპლიკაციების სცენარები შეიძლება იყოს სტანდარტიზებული და უგუნური, ყოველგვარი მეორადი განვითარების გარეშე.
2. შერეული კოდი
სხვა სცენარებისგან განსხვავებით, პალეტიზაციის სცენარში, შერეული კოდირება ყველაზე რთულია. როგორ მოვათავსოთ სხვადასხვა კატეგორიის, ზომისა და ფორმის საქონელი ერთ პლატაზე და მივაღწიოთ მუშაობის ეფექტურობის გარკვეულ დონეს, არის შერეული კოდირების მუშაობის სირთულე.
მაგალითად, შენახვისა და ტრანსპორტირების პროცესში პალეტირებული ტრანსპორტირების წილი შედარებით დაბალია, საქონლის 70-80% არაპალეტირებულია. ამ პროცესის ავტომატიზაციის შეღწევადობის მაჩვენებელი შედარებით დაბალია, რადგან პალეტები უნდა ჩამოიჭრას და შეგროვდეს უკან.
შერეული პალეტიზაციის ავტომატური შეღწევადობის მაჩვენებელი?
შერეული პალეტიზაციის მოთხოვნა დადგა და ტკივილის წერტილები აშკარაა. 3D ვიზუალური მოთამაშეების წინაშე დგას გამოწვევა - როგორ დავაჩქაროთ შერეული პალეტიზაციის ავტომატიზაციის შეღწევადობის სიჩქარის ზრდა?
3D ვიზუალური მოთამაშეებისთვის მთავარი პრიორიტეტია დაბალი ეფექტურობის პრობლემის გადაჭრა.
მაგალითად, პრაქტიკულ სცენარებში ხშირია უწესრიგო შერეული პალეტიზაციის პრობლემა, სადაც საქონელი შემთხვევით მიეწოდება პალეტირების სამუშაო სადგურს სხვადასხვა ზომისა და სპეციფიკაციის მქონე კონვეიერის ლენტების გასწვრივ. სამუშაო სადგურის უუნარობის გამო, წინასწარ განსაზღვროს ყველა მომავალი პროდუქტის სპეციფიკაციები და ზომები კონვეიერზე, შეუძლებელია გლობალური ოპტიმალური დაგეგმვის მიღწევა.
არსებული BPP (Bin Packaging Problem) ალგორითმი უშუალოდ არ შეიძლება გამოყენებულ იქნას რეალურ ლოჯისტიკური სცენარებში. ამ ტიპის პალეტიზაციის პრობლემა, სადაც პროდუქტის ყველა სპეციფიკაციისა და განზომილების წინასწარ ცნობილი არ არის, უფრო რთულია, ვიდრე ზოგადი ონლაინ შეფუთვის BPP-k პრობლემა (K ეხება პროდუქტის სპეციფიკაციებს და ზომებს, რომლებიც წინასწარ შეიძლება იყოს ცნობილი პალეტირების სამუშაო სადგურის მიერ) .
პრაქტიკული გამოყენების სცენარებში k უდრის 1-ს თუ 3-ს? შეუძლია თუ არა მოწყობილობას სამიდან ერთი ნივთის ამოღება, ან ერთი ნივთის აღება მხოლოდ ერთი ნივთისთვის? შესაძლებელია თუ არა მისი წინასწარ პროგნოზირება, ალგორითმებზე მოთხოვნები შედარებით მაღალი იქნება. ამავდროულად, საქონლის ზომა და სიმაღლე ასევე არის ერთ-ერთი ფაქტორი, რომელიც გავლენას ახდენს ალგორითმზე. პალეტების მახასიათებლების გამო, პალეტიზაციის ალგორითმი უფრო რთულია, ვიდრე ზოგადი BPP-k შეფუთვის ალგორითმი, რაც ითვალისწინებს არა მხოლოდ დატვირთვის სიჩქარეს, არამედ პალეტირების ფორმის სტაბილურობას.
მეფე სანად იოშიამამ აღნიშნა: 3D ხედვის საწარმოებისთვის, შერეული კოდის სცენების ტექნიკური სირთულე მდგომარეობს ალგორითმის დონეზე. ჩვენი ალგორითმის უპირატესობების გამოყენებით, არა მხოლოდ შეგვიძლია გადავჭრათ ისეთი პრობლემები, როგორიცაა შერეული კოდი და შერეული დაშლა, რომლებსაც ტრადიციული პალეტიზატორები და გამტვირთველები ვერ წყვეტენ, არამედ შეგვიძლია ოპტიმიზაცია გავუკეთოთ ინტელექტუალურ ალგორითმებს, როგორიცაა ვიზუალური ამოცნობის ალგორითმები, მოძრაობის დაგეგმვის ალგორითმები, დაწყობის ტიპის დაგეგმვის ალგორითმები და პალეტირების ალგორითმები უჯრის გამოყენების გასაუმჯობესებლად, დაწყობის სტაბილურობის, დატვირთვის სიჩქარის და ა.შ.
თუმცა, სხვა მოთამაშეების თვალში, სხვადასხვა ფორმისა და ზომის ობიექტები ასევე არის ჰიბრიდული დეპალეტიზაციის ავტომატიზაციის დაბალი შეღწევადობის ერთ-ერთი მიზეზი.
ამჟამად ბაზარზე ძირითადი დეპალეტიზაციის ობიექტებია ტომრები, მუყაო და ქაფის ყუთები. სხვადასხვა სამუშაო ობიექტს განსხვავებული მოთხოვნები აქვს 3D ხედვისთვის.
ტკივილის წერტილების დამიზნება, მათი ძირითადი ტექნოლოგიებით დადგენილი კონკურენტული ბარიერების მეშვეობით, განსაზღვრავს შერეული კოდის დაბალი ავტომატიზაციის ბმულებს და უზრუნველყოფს მიზნობრივ გადაწყვეტილებებს.
Sanad 3D ვიზუალური ინტელექტუალური პალეტირების სამუშაო სადგური იყენებს მაღალი ჩარჩოს და მაღალი გარჩევადობის DLP ბინოკულარული სტერეო კამერას, რომელსაც აქვს ძლიერი ამოცნობა სხვადასხვა ფერის, მასალისა და ზომის პაკეტის კონტურებისთვის; ღრმა სწავლის ალგორითმებზე დაყრდნობით, მას შეუძლია მიაღწიოს ყველა ტიპის დაწყობილი პაკეტის სეგმენტაციას და პოზიციონირებას, აერთიანებს 2D და 3D ინფორმაციას, რათა ზუსტად მიიღოს პაკეტის ფერი, ზომა, კონტური, პოზიცია, კუთხე და სხვა ინფორმაცია; აღჭურვილია მოწინავე ალგორითმებით, როგორიცაა შეჯახების გამოვლენა და ტრაექტორიის დაგეგმვა, მას შეუძლია ეფექტურად თავიდან აიცილოს შეჯახება და დაიჭიროს ერთი ან რამდენიმე ობიექტი ერთდროულად რეალური სიტუაციების მიხედვით; მხარი დაუჭირეთ შერეული ყუთის სტილის პალეტიზაციას და გალიის დემონტაჟს.
გარდა ამისა, გარკვეული გაგებით, ეს არის შესაძლებლობა მანქანათმხედველობის საწარმოებისთვის, ასევე რობოტების საწარმოებისთვის.
ჰიბრიდულ დეპალეტიზაციაში დამალული უსასრულო შესაძლებლობების წინაშე, რობოტიკოსებმა და ვიზუალურად მართვადი დესტაკერებმა დაიწყეს ერთად მუშაობა.
არის თუ არა ვიზუალური სახელმძღვანელო პალეტიზაციისთვის ჯერ კიდევ კარგი ბიზნესი?
აზრამდე რომ მივიდე, არის თუ არა პალეტირება კარგი ბიზნესი?
GGII-ის კვლევის მონაცემებით, 2022 წელს ჩინეთში რობოტების მიერ მართული 3D კამერების გადაზიდვის მოცულობამ გადააჭარბა 8500 ერთეულს, საიდანაც დაახლოებით 2000 ერთეული გაიგზავნა პალეტიზაციისთვის, რაც დაახლოებით 24%-ს შეადგენს.
მონაცემთა პერსპექტივიდან, 3D ხედვას ჯერ კიდევ აქვს განვითარების დიდი პოტენციალი პალეტიზაციის გამოყენებაში. პალეტიზაციის შედეგად გამოთავისუფლებული ბაზრის სივრცის წინაშე, მანქანათმცოდნეობის კომპანიები აქტიურად აყალიბებენ ან სთავაზობენ გადაწყვეტილებებს, ან ავრცელებენ აპარატურულ პროდუქტებსა და პროგრამულ სისტემებს მოქნილი და მრავალფეროვანი შერეული პალეტიზაციის საჭიროებების დასაკმაყოფილებლად, რაც ეხმარება საწარმოებს შეამცირონ ხარჯები და გაზარდონ ეფექტურობა.
ინდუსტრიის რამდენიმე ინსაიდერმა გამოთქვა: ”კარგი ბიზნესია თუ არა, მხოლოდ ინდუსტრიაში შეერთებით შეიძლება უკეთესი გაგება.
მოთამაშეების მკვეთრი ზრდის ფონზე, ფეი ჟეპინგის აზრით, არსებობს მხოლოდ ერთი გზა საბოლოო ნიმუშისა და დეპალეტიზაციის ბაზრის გამარჯვებულისკენ: ნამდვილად დაბალფასიანი სტანდარტიზებული პროდუქტები.
ეგრეთ წოდებული სტანდარტიზაცია გულისხმობს 3D კამერების ინტეგრაციას და დეპალეტიზაციის პროგრამულ უზრუნველყოფას, რომელიც შეიძლება ჩაითვალოს ერთ პროდუქტად. მომხმარებლებს საერთოდ არ სჭირდებათ ვიზუალური გამართვა და შეუძლიათ სწრაფად დაიწყონ და მიაღწიონ რეალურ ადგილზე სწრაფ განლაგებას.
მაშ, არის თუ არა ვიზუალური მართვადი პალეტირება კარგი ბიზნესი?
გამოქვეყნების დრო: ოქტ-09-2023
