Kunstig intelligens

Automatiseret pick-and-pack-linje med AI

Effektiv automatisering - for visse opgaver er dette kun muligt med AI. Udstyrsanlægget i Erlangen demonstrerer, sammen med Storopack, hvordan. I samarbejde med emballagespecialisten implementerede Siemens en pick-and-pack-linje, der fungerer automatisk og yderst effektivt takket være AI.

Hvorfor er Erlangen-udstyrsanlægget afhængig af AI?

Ved første øjekast skiller pick-and-pack-serien sig næppe ud, da løsningen integreres problemfrit i omgivelserne. Først ved nærmere eftersyn bliver det tydeligt, at det forbereder pakker til forsendelse næsten uden manuelt arbejde: Automatiserede styrede køretøjer leverer kartoner, en kasseoptager leverer forsendelseskartoner, og robotter placerer produktkasser i forsendelseskartoner. I slutningen puder, skærer og forsegler en robot kartoner. Auto.Protect-løsningen bruger AI til at placere beskyttelsesmateriale nøjagtigt - svarende til et menneske.

Overblik over de vigtigste fordele

125% stigning i produktivitet

Produktiviteten er steget med 125%. Det automatiserede materialeflow letter byrden for logistikteams og eliminerer manuelle processer, hvilket gør logistikoperationer mere fleksible.

25% mere kapacitet

Pick-and-pack-linjen udnytter alle ressourcer bedre. Det automatiserer emballageprocessen inden for samme fodaftryk, som vi tidligere arbejdede manuelt, men leverer alligevel 25% højere output.

25% Reduceret CO2-fodaftryk

Linjen bruger primært papir som emballagemateriale, og kartonerne skæres og forsegles, så de passer til det specifikke format. Dette reducerer emballagevolumen, sparer plads i lastbiler og reducerer dermed CO2-udledningen med ca. 25%.

Siemens digital Twin af produktionslinje (med Storopack)

Hver dag forlader mellem 600 og 1.000 forsendelser logistikken på Erlangen-udstyrsfabrikken: individuelt pakkede kasser med forskellige komponenter i forskellige størrelser og forskellige emballagemuligheder. Er det overhovedet muligt at automatisere en sådan proces på en økonomisk levedygtig måde, især når der kun er begrænset plads til rådighed? Faktisk ville det ikke have været praktisk muligt at automatisere denne proces i et sådant omfang med klassiske algoritmer, forklarer Saber Mazeni, Packaging Logistics Manager EU hos emballagespecialisten Storopack: „Især blok og bøjle, dvs. udfyldning af hullerne i forsendelseskassen med beskyttelsesmateriale, er alt andet end trivielt. For at gøre dette skal systemet registrere og behandle mange parametre. Maskinlæring er simpelthen en game changer her.“

Løsningen, Storopack har udviklet i samarbejde med Siemens, imponerer ikke kun eksperterne og teamene på stedet — pressen har også besøgt anlægget i Erlangen. Kunstig intelligens arbejder på fire forskellige punkter i processen, hvilket sikrer, at kartoner pakkes kompakt og sikkert - helt uden menneskelig overvågning. AI efterligner den måde, et menneske ville håndtere opgaven på: en AI bruger et kamera til at „se“ inde i kartonen og „genkende“, hvor specifikke produktpakker kan placeres, mens en robot placerer produktkasserne i overensstemmelse hermed. En anden AI bruger et kamera til at identificere huller i kartonen, og en separat robot fylder derefter disse rum med beskyttende dæmpningsmateriale.

Storopack produktionslinje - Siemens F80

Storopacks Auto.Protect-løsning er kun en del af en højautomatiseret proces: Siemens bruger sine egne AI-løsninger til at plukke skraldespand og indsætte produktkasserne i forsendelseskasserne, forklarer Daniel Benke: „Robotten spiller så at sige 'Tetris-in-the-Box'.“ Robotterne integreres i automatiseringen via SIMATIC Robot Library; databehandlingen kører på SIMATIC IPC. Siemens ledte dog også efter partnere til det krævende emne blok og bøjle, husker Benke: „Vi formulerede en liste over vores krav, henvendte os til Storopack på en messe - og der viste de os en systemløsning, der kunne gøre praktisk talt alt, hvad vi havde brug for: fleksible formatændringer, formatspecifik emballage - det var klart for os, at dette var den rigtige partner.“

Der var dog flere udfordringer at overvinde undervejs, herunder integration af systemet i dets miljø. „For at løse dette bruger vi en simulering af systemet med en digital tvilling. Vi kan teste alt inden for modellen — lige fra materialeflow til robotkinematik og kollisionsdetektering,“ forklarer Daniel Benke. Den digitale tvilling giver også mulighed for generering af træningsdata til de forskellige AI-systemer. Storopack havde allerede lagt grundlaget for projektet med Siemens i denne henseende, idet han havde forududdannet en AI til „block-and-brace“ -processen. Visionssystemet var også prækvalificeret til at genkende forskellige topografier og overfladetyper. „Det gjorde det muligt for os at implementere en produktiv løsning meget hurtigt,“ siger Saber Mazeni.

Takket være det gode forberedende arbejde gik integrationen af Auto.Protect-systemet i linjen problemfrit, siger Saber Mazeni: „Vi var næsten lidt overraskede over, hvor godt vores system fungerede i betragtning af de høje krav. Vi var i stand til at pude kasserne med blot et par justeringer, og Siemens var i stand til at vælge og tilpasse forudindstillinger til formater meget hurtigt. Det betød, at vi kunne koncentrere os om at optimere processen.“ AI åbner også nye muligheder ud over det: „Medarbejdernes tilgængelighed og pålidelighed er et tilbagevendende emne i kundediskussioner. Vores Auto.Protect-modul er i stand til automatisk at behandle størstedelen af porteføljen hos en typisk e-handelsafsender. Til dette formål har vi udviklet en AI, der uafhængigt kan finde og automatisk implementere pakkestrategier til beskyttelses- og forsendelsesemballage.“

Vi er mere produktive, aflaster vores teams, har et højere output - og: Vi sender mindre luft fra Erlangen. Dette sparer plads i lastbilen og dermed omkostninger og CO2-udledning.

Daniel Benke, Projektleder Innovativ Logistik, Siemens

For Daniel Benke er bundlinjen helt positiv: „Vi er mere produktive, letter byrden på vores teams og opnår højere output — plus, vi sender mindre 'luft' ud af Erlangen. Det sparer plads i lastbilen og reducerer dermed omkostningerne og CO2-udledningen.“ Saber Mazeni er også stolt af, hvad Storopack og Siemens har opnået: „Resultatet er virkelig fremragende, især med hensyn til systemløsningen: Vi monterer automatisk kasserne, produkterne føres automatisk ind og placeres inde, og endelig sikrer vores Auto.Protect-system, at alt er beskyttet og kompakt til forsendelse. Det er et showcase-projekt, vi er glade for at vise andre kunder — og når vi nævner, at det er oppe og kører hos Siemens, er der virkelig ikke meget mere, der skal forklares.“