英语原文共 26 页，剩余内容已隐藏，支付完成后下载完整资料

---

第八章

一个自动化拣选的工业解决方案

Toine Ketelaars和Evert van de Plassche

摘要:拣货是自动化仓库中最具挑战性的功能之一。本章描述了这个挑战的解决方案，它可以作为进一步研究实现技术的基准。看起来，有了现成的技术、基于sift的项目识别、吸引抓取、龙门式机器人和基于服务的过程控制，一个工作站可以涵盖几乎三分之二的必需挑选动作。无法挑选的物品的主要类别包括没有平面或没有足够的视觉特征的物品。这些遗漏是本章研究的替代解决方案的出发点。

8.1介绍

许多仓库运作的中心阶段是所谓的拣货过程。在高度自动化的仓库中，常常使用货到人的解决方案来挑选小物品(挑选物品)。该术语通常用于指体积太小而不能单独用输送机运输的产品。因此，产品包装在运输容器中，称为产品袋，如图8.1a所示。

在货到人的解决方案中，这些产品容器被运输到一个集中的采摘区。在这里，操作员执行所谓的项目选择器的任务，取出指定数量的项目，并将这些项目放入订单容器(称为order tote)中，如图8.1b所示。项目选择器工作的中心区域称为工作站。

(a) (b)

8.1 一个典型的产品手提袋和订单手提袋的例子。a.一个产品携带多个相同的产品。b.一份订单订购带有不同产品的手提袋

一旦属于特定订单的所有项目都被放置到订单容器中，订单容器将在仓库中进一步运输到合并和装运区域进行进一步处理。

存在许多类型的工作站，这取决于特定的标准，如每天的订单行数、每个订单的订单行数、每个订单行的项目数、项目的大小等。示例工作站如图8.2所示。

如今，几乎所有在零售仓库中挑选商品的工作都是人工完成的。在本章中，我们将讨论如何实现自动拣货。接下来，第8.2节将描述自动拾取项目时遇到的挑战。在第8.3节中，提出了一种基于商用组件及其集成的工业解决方案。解决方案的工作范围将在第8.4节中讨论。通过分析建议的工作站能处理什么和不能处理什么，并在8.5节中给出进一步改进当前工业“实践状态”的建议。

8.2自动化拣选:挑战

随着发达国家劳动力成本的增加，物品挑选的自动化正变得越来越重要。由于挑选物品通常是在夜班期间进行的，而且被认为是艰苦、乏味的工作，高劳动力流动率在培训和质量保证方面造成了额外的问题。

仓库的其他部分(自动化托盘处理、高隔间存储和检索系统)已经实现了高度自动化。然而，挑选商品的要求是如此之高，以至于没有一个经济的解决方案能够在市场上持续存在。

一个人工项目选择器执行大量的任务，这些任务都是具有挑战性的，自动化本身，更不用说是在在组合:

8.2一个商业拣货工作站(PICK@EASE。范德兰德工业公司,请参阅http://www.vanderlande.com/)

bull;在一堆非结构化的相似物品中找出单个物品，并选择最适合挑选的物品，这些物品可以被移走，而且不会受到其他人的阻碍;

bull;去掉单个项目;

bull;将物品移动到不同的位置;和

bull;把物品放在其他不一样的物品旁边或上面。

所有这些都必须在不损坏(或丢弃)物品的情况下快速完成，无论是挑选、移动还是放置在最终位置。

必须挑选的物品在很大程度上取决于仓库所处的典型供应链(如供应链)。零售、食品/非食品、制药)。在许多情况下，必须适应在大小、形状、一致性和外观方面的大量变化。图中显示了在英国零售仓库中处理的物品。如图8.3所示。

自动选择这个大行业所面临的挑战可分为两类，即与传感和驱动相关的挑战。对于人类来说，这主要与视觉和抓取相吻合。主要的挑战是:

传感(视觉)

bull;是否有可能在产品容器中识别和定位候选项?

bull;候选物品是否不受容器内其他物品的妨碍?

bull;在什么地方可以抓住物品?

bull;在接收容器的什么地方放置物品?

8.3 多个样品的各种各样的项目要挑选

驱动(抓取)

bull;夹持器可以接近物品吗?

bull;如何抓住物品而不损坏它?

bull;抓取物品成功了吗?

bull;将物品从容器中取出朝向接收容器是否安全(例如:不会失去它)?

bull;如何将物品放入接收容器?

找到一个“适用于所有人的解决方案”将是非常困难的。这种方法实际上很可能在最初的起点结束:一个人工项目选择器。

在本书的这一部分，这种方法将是双重的。首先，在这一章，它将探索什么可以通过应用简单的，“现成的”技术，为抓取，视觉，以及机器人。通过研究这样的解决方案将会是什么样子，以及可以达到什么样的功能性能级别，可以获得深入的了解。这被认为是一种现代拣货自动化的基准。第二，在本书这一部分的其余章节中，将讨论提高该基准性能的替代解决方案。这些简洁的解决方案的预览将在本章末尾给出。

8.3基准解决方案

使用商业上可用的现成解决方案，将研究项目挑选功能自动化到何种程度是可行的。整个解决方案的组成元素是受人启发的。将讨论的要素包括视觉、抓握、携带抓手的手臂、将这些组成工业工作站，以及使工作站运作的集成过程控制。

8.3.1视觉

在一个大手提袋里，在一堆杂乱无章的物品中寻找物品有多种方法。在工业上，这类问题被称为随机提箱，其解决方案是多方面的一个简单的谷歌查询确认。由于在分销中心中处理的产品是预先知道的，所以基于视觉特性的方法是可能的。特征是与完成计算任务相关的一段信息。特征可以离线学习，即独立于手头的任务。这种方法的一个明显的优点是，每一件物品都能被正确识别，并且有一个抓取位置的确认，也就是所谓的抓取者的着陆区。

基于特征的方法具有鲁棒性:

bull;噪音(异物、碎片、错误物品);

bull;重心相对于几何中心的偏移量;

bull;适合夹持的表面纹理(例如:项目中的多孔部件);

bull;适合夹持的表面形状不平整的表面(例如:不平坦的表面);

bull;易损件(例如:可以在提升时打开的襟翼)。

所选的开源软件利用SIFT关键点[2]作为特征。这些关键点定义了项目的尺度不变属性。通过在图像中查找与数据库中存储的项的特定关键字匹配的关键字来检测项。一旦确定了项，该项的所有其他属性就可以关联起来。例如，在项目模型(预先学习)中定义的着陆区域可以根据当前的情况确定(如图8.4所示)。

8.3.2抓取

一个商业上可用的和发展良好的领域是使用真空技术，即真空技术。吸盘[1]。然而，使用吸盘确实会将所抓取的物品限定在一个相对坚硬、无孔、表面平坦的地方，也就是一个人想用吸盘来制造真空的地方。

8.4 抓取产品:产品的着落区域

从手提袋中挑选物品的具体方法是，物品的朝向可以改变。此外，机械手和末端执行器需要适应这些方向。这两个问题都是通过设计一个机械耐受夹头[3]来解决的，如图8.5所示。

抓取物品后，物品有效地固定在抓取器上，以便将夹持器加上项目移动到受控的新位置（如订单搬运箱）。但高速的方式，订单手提袋中物品的放置在位置上受到控制，但设计的夹具头不允许改变方向以使其与订单手提袋中的其他物品保持一致。这个限制被认为只是一个小缺点。

8.3.3手臂

为了将抓取器从物品被挑选的位置移动到订单的位置，需要某种机械臂。最常见的实现这一功能的手臂是铰接式机器人。然而，这些都是相对昂贵的且不需要高自由度的。

图8.5 柔性吸力夹持器

拾起并定位运动。最经济的解决方案是一个传统的x, y -龙门式机器人末端执行器支持能够theta;-angle和z方向移动。

手臂的尺寸选择应确保多个产品包和订单，手提袋可以通过夹持器进入。这使得传统的传送带供应和带走的手提袋以及供应系统有充足的交货时间和非严格的顺序要求。

8.3.4工作站

当从一个工作站的组成部分组成一个工作站时，必须在目标拾取者在单位时间内能够拾取的项目数、每个订单的订单行数(即每个订单的订单行数)之间找到一个平衡点。组成单个订单的不同产品的数量)和每个订单行的平均产品数量。这将根据实际应用程序导致不同的设计(参见8.1节)。

对于由元素组成的自动拣货工作站解决方案，如前几节所述，将显示部分工作站的图片，在图8.6中。该工作站的主要特点是：

bull;同时处理多个产品包和订单包;

bull;产品和订单通过传送带运输;

bull;产品在传送带上时，从产品手提袋中取出并插入订单手提袋中。

工作站上运行的视频显示在[4]中。

图8.6自动拣件工作站

8.3.5过程控制

多个相互依赖的职能在实践中的操作集成是一个挑战。再加上一个内部和外部发展和学习的过程，事情就会变得复杂和纠结。

为了功能的成功集成，选择了透明的架构(见图8.7所示)。基线是由嵌入实时控制的独立功能函数构成的。例如，构建块是在场景中找到一个项目，并将抓手从A移动到B。这些独立的功能不知道它们的环境，可以作为服务来处理。

拣货过程的控制是由一种叫做过程控制的类似指挥的功能来完成的。该函数了解工作站的配置以及完成手边的项目挑选任务所需的步骤。这个导体处理由底层功能提供的服务。何时使用哪个服务(调度)是流程控制器的一个关键功能(如图8.8所示)。

图8.7 系统架构的模块化方法

图8.8过程控制

8.4基准解决方案的工作范围

相对标准组件的选择对于所设计的工作站能够实现的功能有明显的限制。表8.1列出了这些限制。

这些限制的影响的相关性可以通过一个零售的、非食品配送中心的数据来评估，该中心记录了在一周内采摘的物品。总共分析了60多万支选秀权。所有项目都进行了表面硬度和吸力平面可用性的评估(见表8.2)。

如表8所示。自动拣件工作站可拣出72%的物品，占拣件总数的64%。剩下约28%的项目，占了36%的选择数量。

表8.1所示 工作站的局限性

解决方案 限制 无法工作

爪 灵活多样真空吸盘头 坚硬，平坦， 柔软、透气、不均匀

不渗透表面 或者很小表面

手臂 z轴龙门机器人 项目

涂抹器 接近/收回 存储在不合适的方向

向上；项目

放置在同一位置

选择的方向

视觉 特征识别 项目需要足够的 无特色的或有光泽的

和稳定的特征 （如塑料）表面

表8.2所示 项目刚性与平整度特性

刚性 平面 %项目 %选择

是 是 72 64

否 是 4 4

是 否 20 24

否 否 4 8

总计 100 100

夹持器不能在工作站上处理。从表中还可以清楚地看到，无法处理的物品的主要部分确实有一个坚硬的表面，但是没有一个平坦的区域可以让吸盘正确地接触到物品。

除了上述分析外，应用视觉技术还限制了可以进一步处理的项目的百分比。由于视觉技术是基于对物品特征的识别和分析，没有任何特征的物品，如普通的纸箱，是无法处理的。此外，当物品的表面材料非常闪亮

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[239281]，资料为PDF文档或Word文档，PDF文档可免费转换为Word