Kunstmatige intelligentie

Geautomatiseerde pick-and-pack-lijn met AI

Efficiënt automatiseren — voor bepaalde taken is dit alleen mogelijk met AI. De machinefabriek in Erlangen laat zien hoe, samen met Storopack. In samenwerking met de verpakkingsspecialist heeft Siemens een pick-and-pack-lijn geïmplementeerd die dankzij AI automatisch en zeer efficiënt werkt.

Waarom is de machinefabriek in Erlangen afhankelijk van AI?

Op het eerste gezicht valt de pick-and-pack-lijn nauwelijks op, omdat de oplossing naadloos in de omgeving wordt geïntegreerd. Pas bij nader inzien wordt duidelijk dat pakketten vrijwel zonder handwerk worden klaargemaakt voor verzending: automatisch geleide voertuigen leveren dozen, een doosopzetter zorgt voor verzenddozen en robots plaatsen productdozen in verzenddozen. Aan het einde dempt, snijdt en verzegelt een robot dozen. De Auto.Protect-oplossing maakt gebruik van AI om beschermend materiaal precies te plaatsen — vergelijkbaar met een mens.

De belangrijkste voordelen in één oogopslag

125% verhoging van de productiviteit

De productiviteit is met 125% gestegen. De geautomatiseerde materiaalstroom ontlast logistieke teams en elimineert handmatige processen, waardoor de logistieke activiteiten flexibeler worden.

25% meer capaciteit

De pick-and-pack-lijn maakt beter gebruik van alle middelen. Het automatiseert het verpakkingsproces binnen dezelfde voetafdruk waar we voorheen handmatig werkten, maar levert toch 25% meer output op.

25% verminderde CO2-voetafdruk

De lijn gebruikt voornamelijk papier als verpakkingsmateriaal, en de dozen worden gesneden en verzegeld om in het specifieke formaat te passen. Dit vermindert het verpakkingsvolume, bespaart ruimte in vrachtwagens en verlaagt zo de CO2-uitstoot met ongeveer 25%.

Siemens Digital Twin van de productielijn (met Storopack)

Elke dag verlaten er tussen de 600 en 1.000 zendingen de logistiek van de machinefabriek in Erlangen: individueel verpakte dozen met verschillende componenten in verschillende afmetingen en verschillende verpakkingsopties. Is het zelfs mogelijk om zo'n proces op een economisch haalbare manier te automatiseren, vooral als er maar beperkte ruimte beschikbaar is? In feite zou het praktisch niet mogelijk zijn geweest om dit proces zo te automatiseren met klassieke algoritmen, legt Saber Mazeni, Packaging Logistics Manager EU bij verpakkingsspecialist Storopack, uit: „Vooral blokkeren en steunen, d.w.z. de gaten in de verzenddoos opvullen met beschermend materiaal, is allesbehalve triviaal. Hiervoor moet het systeem veel parameters registreren en verwerken. Machine learning is hier gewoon een doorbraak.”

De oplossing die Storopack samen met Siemens heeft ontwikkeld, maakt niet alleen indruk op de experts en teams ter plaatse, maar de pers heeft ook een bezoek gebracht aan de fabriek in Erlangen. Op vier verschillende punten in het proces is kunstmatige intelligentie aan het werk, die ervoor zorgt dat dozen compact en veilig worden verpakt — helemaal zonder menselijk toezicht. De AI bootst de manier na waarop een mens de taak zou uitvoeren: een AI gebruikt een camera om in de doos te „kijken” en te „herkennen” waar specifieke productverpakkingen kunnen worden geplaatst, terwijl een robot de productdozen dienovereenkomstig positioneert. Een andere AI gebruikt een camera om gaten in de doos te identificeren, en een aparte robot vult die ruimtes vervolgens met beschermend dempingsmateriaal.

De Auto.Protect-oplossing van Storopack is slechts een onderdeel van een sterk geautomatiseerd proces: Siemens gebruikt zijn eigen AI-oplossingen voor het verzamelen van vuilnisbakken en het plaatsen van de productdozen in de verzenddozen, legt Daniel Benke uit: „De robot speelt 'Tetris-in-the-Box', bij wijze van spreken.” De robots worden via de SIMATIC Robot Library in de automatisering geïntegreerd; de gegevensverwerking gebeurt op SIMATIC IPC. Siemens was echter ook op zoek naar partners voor het veeleisende onderwerp block and brace, herinnert Benke zich: „We hebben een lijst opgesteld met onze vereisten, hebben Storopack op een beurs benaderd - en daar lieten ze ons een systeemoplossing zien die praktisch alles kon doen wat we nodig hadden: flexibele formaatwijzigingen, formaatspecifieke verpakkingen - het was ons duidelijk dat dit de juiste partner was.”

Gaandeweg moesten er echter verschillende uitdagingen worden overwonnen, waaronder de integratie van het systeem in de omgeving. „Om dit aan te pakken, gebruiken we een simulatie van het systeem met een digitale tweeling. We kunnen alles binnen het model testen — van materiaalstroom tot robotkinematica en botsingsdetectie”, legt Daniel Benke uit. De digital twin maakt het ook mogelijk om trainingsgegevens te genereren voor de verschillende AI-systemen. Storopack had in dit verband al de basis gelegd voor het project met Siemens, nadat hij vooraf een AI had getraind voor het „block-and-brace” -proces. Het visiesysteem was ook vooraf gekwalificeerd om verschillende topografieën en oppervlaktetypen te herkennen. „Dit stelde ons in staat om zeer snel een productieve oplossing te implementeren”, zegt Saber Mazeni.

Dankzij de goede voorbereidingen verliep de integratie van het Auto.Protect-systeem in de lijn soepel, zegt Saber Mazeni: „We waren zelf ook bijna verbaasd over hoe goed ons systeem werkte gezien de hoge vereisten. We konden de dozen vullen met slechts een paar aanpassingen, en Siemens kon heel snel presets voor formaten selecteren en aanpassen. Dit betekende dat we ons konden concentreren op het optimaliseren van het proces.” AI biedt ook nog andere mogelijkheden: „De beschikbaarheid en betrouwbaarheid van werknemers is een terugkerend onderwerp in gesprekken met klanten. Onze Auto.Protect-module kan automatisch het grootste deel van het portfolio van een doorsnee e-commerce-afzender verwerken. Voor dit doel hebben we een AI ontwikkeld die onafhankelijk verpakkingsstrategieën voor beschermende en verzendende verpakkingen kan vinden en automatisch kan implementeren.”

We zijn productiever, ontlasten onze teams, hebben een hogere productie - en: we sturen minder lucht vanuit Erlangen. Dit bespaart ruimte in de truck en dus kosten en CO2-uitstoot.

Daniel Benke, Projectmanager Innovatieve Logistiek, Siemens

Voor Daniel Benke is het resultaat ronduit positief: „We zijn productiever, ontlasten onze teams en behalen een hogere productie — bovendien verzenden we minder 'lucht' vanuit Erlangen. Dat bespaart ruimte in de truck, waardoor kosten en CO2-uitstoot worden verlaagd.” Saber Mazeni is ook trots op wat Storopack en Siemens hebben bereikt: „Het resultaat is werkelijk uitstekend, vooral wat betreft de systeemoplossing: we zetten de dozen automatisch op, producten worden automatisch ingevoerd en erin geplaatst, en tot slot zorgt ons Auto.Protect-systeem ervoor dat alles beschermd en compact is voor verzending. Het is een showcaseproject dat we graag aan andere klanten laten zien — en als we zeggen dat het bij Siemens draait, hoeft er eigenlijk niet veel meer te worden uitgelegd.”