SOLUCIÓN DE RECOGIDA DE CONTENEDORES

Recogida aleatoria de contenedores: Planificación del agarre con IA para contenedores del mundo real

Viroteq proporciona IA selección aleatoria de contenedores que gestiona piezas enredadas, sin clasificar y apiladas arbitrariamente en condiciones de producción reales. La planificación del agarre en menos de 200 ms mantiene las células funcionando a la cadencia de la línea, el reconocimiento multiobjeto resuelve los contenedores de clase mixta sin necesidad de clasificación manual y la integración de robots independientes de la marca evita la dependencia del proveedor. Como resultado, las células de recogida de ubicaciones aleatorias se despliegan sin necesidad de reconstruir la pila de células y siguen siendo productivas cuando el contenido de las ubicaciones cambia de un turno a otro.

  • ✓ La planificación de agarre AI maneja piezas enredadas y superpuestas
  • ✓ Reconocimiento de objetos multiclase sin clasificación manual
  • ✓ Diagnóstico de marca - FANUC, ABB, KUKA, UR, Yaskawa, cobots
Embalaje de contenedores basado en inteligencia artificial

Enredados OK

Piezas superpuestas en el mundo real

<200ms

Latencia de planificación de la prensión

Varias clases

Reconocimiento de objetos mixtos

Todas las pinzas

Vacío, mandíbula, magnético, personalizado

Por qué siempre ha sido difícil elegir papeleras al azar

La selección aleatoria de contenedores se sitúa en la intersección de tres difíciles problemas robóticos -percepción 3D, planificación del agarre y ejecución del movimiento- en condiciones que cambian en cada ciclo. Las piezas llegan con orientaciones arbitrarias, a menudo solapadas o enredadas. La iluminación varía durante el turno. Los contenedores se rellenan a mitad de turno con nuevas mezclas de productos. Cada una de estas variables rompe la robótica clásica de programa fijo, que es la razón por la que las implementaciones tradicionales de recogida en contenedores necesitaban elaborados alimentadores de piezas o mesas vibratorias para preorientar los artículos antes de que el robot los viera.

Sin embargo, la preorientación mecánica tiene su propio coste. Los alimentadores personalizados son caros, de un solo uso y lentos de reequipar cuando cambia la mezcla de productos. Como resultado, las plantas acababan teniendo células rígidas que necesitaban semanas de ingeniería mecánica para cada nueva referencia y que sencillamente no podían gestionar la diversidad que un almacén 3PL, un centro de procesamiento de devoluciones o una línea de reciclaje les ofrecían. La selección aleatoria de contenedores requería un software lo suficientemente inteligente como para gestionar directamente el caos, y ese software es lo que ha faltado durante dos décadas.

Además, el presupuesto de tiempo de ciclo para la recogida aleatoria de contenedores es brutal. El planificador de agarre tiene que consumir una nube de puntos nueva, segmentar los objetos, puntuar los candidatos a agarre, planificar una trayectoria sin colisiones y dar órdenes al robot, todo ello dentro del intervalo de tiempo entre agarre y agarre. Las librerías de visión genéricas que se ejecutan en una GPU genérica suelen incumplir ese presupuesto por un amplio margen. Según una investigación publicada por el Normas ISO 10218 sobre seguridad de los robots, Los tiempos de respuesta deterministas son esenciales para las células que comparten espacio de trabajo con personas o transportadores aguas abajo. Viroteq plataforma tecnológica edge-first cierra esta brecha con una respuesta determinista en tiempo real, un control del robot independiente de la marca y una planificación del agarre que respeta la ventana de ciclo de la producción real.

Por último, la larga cola de diversidad de productos es lo que realmente separa la selección aleatoria de contenedores de la selección estructurada de contenedores. Un contenedor aleatorio contiene piezas cuyos modelos CAD puede que el sistema nunca haya visto antes. Por tanto, la pila de visión y comprensión tiene que generalizar, no memorizar. El motor de IA de Viroteq, entrenado en millones de escenarios de agarre simulados, generaliza a nuevos objetos a partir de un único escaneado de contenedores, razón por la cual nuestras implantaciones de recogida aleatoria de contenedores se encargan en semanas en lugar de meses.

solución de binpicking estructurado
Plataforma de software de integración de robots

Cómo funciona la selección aleatoria de papeleras en tiempo real

La selección aleatoria de contenedores comienza en el momento en que una cámara 3D situada sobre el contenedor captura una nueva nube de puntos. RobotStackr Vision segmenta la nube en instancias de objetos individuales, incluso cuando los elementos están parcialmente ocluidos. La IA asigna etiquetas de clase a los contenedores mixtos, clasifica cada agarre candidato en función de la estabilidad y el riesgo de colisión, y elabora una lista de agarres clasificados en menos de 200 milisegundos.

A continuación, el tiempo de ejecución selecciona el agarre con mayor puntuación que puede ejecutar la pinza activa, planifica una trayectoria sin colisiones desde la aproximación hasta la retirada y da órdenes al robot. VisionAI Sorting gestiona el enrutamiento de clases cuando el contenedor contiene varios tipos de piezas: los artículos van al carril descendente correcto sin intervención del operario. Ambos productos se comunican de forma nativa con controladores FANUC, ABB, KUKA, Universal Robots, Yaskawa y Stäubli.

Además, la adaptación en tiempo real gestiona la desordenada realidad de la recogida aleatoria de contenedores. Si una recogida falla porque dos piezas se han enredado, el sistema detecta el fallo a partir de la información de la pinza, vuelve a calcular a partir de un nuevo escaneado y selecciona una sujeción más segura o ejecuta un breve movimiento de separación. Para flujos de proveedores entrantes, RobotDepalr gestiona la despaletización de palés llenos antes de que la recogida aleatoria de contenedores tome el relevo en la línea, cerrando el bucle sobre palés llenos. automatización de la recogida de contenedores a través de la célula.

Viroteq Productos para la selección aleatoria de contenedores

Tres productos específicos cubren todo el ámbito del picking de ubicaciones aleatorias: desde la planificación primaria del agarre en 3D en el robot de picking hasta el enrutamiento de clasificación multiclase y la despaletización de entrada de palés de proveedores. Los tres comparten el motor StackrBrain AI, funcionan con el mismo hardware de PC industrial y se integran con las principales plataformas MES, WMS y PLC a través de la API REST sin necesidad de desarrollo a medida.

0760
AGARRE 3D PRIMARIO

RobotStackr Vision

RobotStackr Vision es el principal módulo de planificación de agarre 3D para la recogida aleatoria de contenedores. Segmentación de nubes de puntos, puntuación de agarre AI y planificación de trayectorias sin colisiones en menos de 200 ms por recogida. Maneja artículos enredados, solapados y parcialmente ocluidos sin intervención manual del operario.

pexels nc farm bureau marca 2889193 a escala
CLASIFICACIÓN MULTICLASE

VisionAI Sorting

VisionAI Sorting encamina artículos de clases mixtas desde una célula de picking de ubicaciones aleatorias hasta el carril descendente correcto. Clasificación AI por recogida, lógica de destino configurable y paneles de control HMI en directo. Ideal para el procesamiento de devoluciones, flujos de reciclaje y kitting de comercio electrónico mixto.

DESPALETIZACIÓN DE ENTRADA

RobotDepalr

RobotDepalr alimenta células de picking de ubicaciones aleatorias con artículos singularizados procedentes de palés de proveedores. La visión 3D identifica las capas y los artículos de los palés entrantes y decanta los componentes en contenedores o los alimenta directamente desde la línea. Por lo tanto, la mano de obra de descarga manual disminuye y el rendimiento de entrada aumenta en todo el flujo ascendente.

Funciones básicas para la selección aleatoria de contenedores

Planificación del agarre en 3D

Cálculo de la postura de agarre en menos de 200 ms a partir de una nube de puntos nueva. StackrBrain clasifica cada agarre candidato en función de la estabilidad, el riesgo de colisión y el alcance de la pinza, de modo que las celdas de selección de ubicaciones aleatorias siguen siendo productivas en ubicaciones profundas, poco profundas y parcialmente ocluidas sin la intervención del operario.

Resolución de enredos

Los agarres con puntuación de inteligencia artificial tienen en cuenta explícitamente la probabilidad de enredos, por lo que el recolector selecciona el artículo más seguro incluso cuando el contenedor está densamente lleno. Si falla la recogida, el sistema vuelve a calcular a partir de un nuevo escaneado y elige un agarre más seguro o ejecuta un breve movimiento de separación antes de volver a intentarlo, de forma totalmente autónoma.

Reconocimiento multiobjeto

Los contenedores mixtos de diferentes SKU se gestionan en una sola pasada. El modelo de visión asigna etiquetas de clase a cada objeto y la clasificación posterior dirige cada selección al destino correcto. Como resultado, las implantaciones de recogida aleatoria de contenedores se amplían desde la preparación de kits de una sola clase a flujos de material de grado de reciclaje sin cambios de código.

Selección aleatoria por subsegmentos industriales

El picking aleatorio de contenedores abarca un amplio espectro de realidades operativas, desde la alimentación de componentes de fabricación de gran volumen hasta el picking y colocación en el comercio electrónico, el triaje de devoluciones, los flujos de reciclaje y la trazabilidad aeroespacial. La IA de Viroteq gestiona toda la gama a través de un tiempo de ejecución, un conjunto de API y una HMI de operador. Además, las nuevas clases de objetos se incorporan mediante un asistente de configuración guiado en lugar de mediante programación por piezas, lo que mantiene la carga de ingeniería dentro del equipo del cliente. Como resultado, la automatización de la recogida aleatoria de envases pasa de la célula piloto a la planta completa sin necesidad de pilas de software paralelas.

Componentes de fabricación

Soportes, elementos de fijación, piezas mecanizadas y subconjuntos alimentados desde ubicaciones aleatorias a células de montaje con trazabilidad completa por recogida.

Comercio electrónico Pick & Place

Recogida individual de contenedores para pedidos en línea. El picking aleatorio de contenedores gestiona la diversidad de SKU de cola larga que define el cumplimiento del comercio electrónico moderno.

Procesamiento de devoluciones

Los artículos devueltos llegan en orientación y estado aleatorios. La planificación AI grasp extrae cada unidad de forma segura para su triaje, enrutamiento de reacondicionamiento o reabastecimiento.

Reciclado / Clasificación

Clasificación de flujos de materiales mezclados por clases (plásticos, metales, productos electrónicos) mediante reconocimiento multiobjeto y selección aleatoria de contenedores de alto rendimiento.

Hardware / Herramientas

Herramientas manuales, elementos de fijación y componentes de ferretería recogidos de los contenedores de los proveedores para la preparación de kits, paquetes para contratistas y cumplimiento de pedidos de suministros industriales.

Piezas aeroespaciales

Componentes de ingeniería recogidos con una trazabilidad estricta: cada recogida se registra con el contenedor de origen, la marca de fecha y hora y el operario para un cumplimiento total de la calidad.

<200 ms

Latencia de planificación del agarre AI

600-1200 /h

Tasa de recogida por célula

6-14 semanas

Calendario típico de implantación

arno senoner yqu6tJkSQ k unsplash scaled

Al servicio de fabricantes, 3PL y operaciones de reciclaje

Los requisitos de selección aleatoria de contenedores varían drásticamente según el tipo de cliente. Los fabricantes que gestionan líneas de montaje discretas introducen soportes, elementos de fijación y componentes de ingeniería desde los contenedores de los proveedores hasta las células automatizadas, sustituyendo los alimentadores vibratorios específicos que antes exigían semanas de reequipamiento mecánico para cada nueva referencia. Los operadores logísticos externos (3PL) se enfrentan a un patrón diferente: los contenedores llegan con miles de SKU de cada pieza, y el modelo de comprensión de IA tiene que generalizar a partir de un único escaneado del contenedor en lugar de memorizar el CAD de cada artículo. Las operaciones de reciclaje y procesamiento de devoluciones van aún más allá: el contenido de los contenedores es desconocido, está parcialmente dañado y llega en proporciones impredecibles entre turnos.

Para fabricantes, RobotStackr Vision ofrece una alimentación de componentes uniforme y de alto rendimiento alineada con el programa de montaje. Las políticas de agarre prevalidadas garantizan que cada pieza recogida llegue a la estación de montaje con la orientación correcta para el utillaje posterior. Además, el sistema registra todos los metadatos de recogida para garantizar la trazabilidad, un requisito indispensable para los sectores de automoción, aeroespacial y regulado, en los que cada componente del producto acabado debe ser trazable hasta un lote de origen.

Los operadores logísticos externos se benefician de la recogida aleatoria de contenedores, tanto por los costes de mano de obra como por el aumento de la capacidad. Comercio electrónico Cumplimiento 3PL ve cómo la automatización de la recogida y colocación se ocupa de la recogida de cada pieza de los contenedores de los proveedores, que tradicionalmente consumía la mayor parte de las horas de trabajo del almacén. VisionAI Sorting enruta las recogidas mixtas al carril de descarga correcto, de modo que una única célula robotizada puede servir varios perfiles de pedido simultáneamente. Además, la compatibilidad con robots independientes de la marca significa que las instalaciones 3PL con flotas mixtas de FANUC, ABB, KUKA, Universal Robots y cobot mantienen una pila de software en todas las células.

Las operaciones de reciclaje y devolución representan el entorno de recogida aleatoria de contenedores más exigente, ya que el contenido de los contenedores es heterogéneo, está parcialmente dañado y nunca llega dos veces con la misma configuración. La capacidad de la IA para generalizar a partir del entrenamiento en millones de escenarios de agarre simulados es lo que hace que estas implantaciones sean comercialmente viables. Por lo tanto, el coste total de propiedad se amortiza en un plazo de 18 a 30 meses en la mayoría de las plantas, y la rentabilidad de la inversión se refuerza aún más a medida que se endurecen los mercados laborales. Para conocer las cifras de su centro concreto, Reserve una demostración del Viroteq y nuestros ingenieros de soluciones compararán los costes de mano de obra, la reducción de errores y el aumento del rendimiento con sus operaciones actuales.

Integración de la selección aleatoria con las celdas existentes

Random bin picking se integra con su célula existente a través de tres protocolos modernos. REST API es la principal puerta de entrada de datos de pedidos, lotes y picking, bien documentada y fácil de comprender para los equipos de TI. WebSocket transmite eventos de ciclo en directo, información de los sensores y alertas a los operarios con baja latencia. OPC-UA conecta el tiempo de ejecución con los historiadores de planta, MES y SCADA sin necesidad de eliminar la arquitectura de datos que ya tiene. Además, los handshakes de PLC nativos para Siemens S7, Rockwell ControlLogix y Beckhoff TwinCAT mantienen al equipo de control en plena posesión de la célula.

Como resultado, las implantaciones de recogida aleatoria de contenedores coexisten con el bus de campo, la lógica de escalera, los relés de seguridad y los PLC de transporte instalados, sin middleware propietario ni sustitución de la infraestructura de trabajo. Las marcas de robots compatibles son FANUC, ABB, KUKA, Universal Robots, Yaskawa, Stäubli y las principales plataformas de robots colaborativos. Además, el tiempo de ejecución se instala en PC industriales dentro de la célula, por lo que la latencia se limita al controlador, no a la nube, y la línea sigue operativa durante las interrupciones o auditorías de la red externa.

API REST

Solicitud/respuesta estándar a través de HTTPS para el intercambio de datos de pedidos, lotes y picking.

WebSocket

Transmisión de eventos de baja latencia para datos de ciclo en tiempo real, información de sensores y actualizaciones de HMI.

OPC-UA

Puente a historiadores de planta, MES y cuadros de mando SCADA a través del estándar de datos industriales.

Puentes PLC

handshakes nativos para Siemens S7, Rockwell ControlLogix y Beckhoff TwinCAT.

Recogida aleatoria de papeleras - Preguntas frecuentes

La recogida aleatoria de contenedores es la tarea robótica de recoger piezas sin clasificar y orientadas al azar de un contenedor mediante visión 3D y planificación de agarre de IA. A diferencia del bin picking estructurado, en el que las piezas llegan en posiciones conocidas, el bin picking aleatorio maneja piezas enredadas, superpuestas y apiladas arbitrariamente. El tiempo de ejecución del Viroteq calcula una postura de agarre estable, planifica una trayectoria sin colisiones y ordena al robot que la ejecute, todo ello en menos de 200 milisegundos por recogida. Como resultado, la recogida aleatoria de contenedores automatiza tareas de manipulación que antes requerían trabajo manual.
La selección aleatoria de contenedores gestiona las piezas enredadas mediante una combinación de segmentación de nubes de puntos 3D y puntuación de agarre basada en IA. El sistema de visión identifica objetos individuales incluso cuando están parcialmente ocluidos y, a continuación, puntúa los posibles agarres en función de la estabilidad, el riesgo de colisión y la probabilidad de enredo. Si el mejor candidato se enreda con sus vecinos, la IA selecciona un agarre más seguro o ejecuta un breve movimiento de separación antes de la recogida. De este modo, las piezas enredadas se resuelven en tiempo real sin intervención manual del operario ni reorientación del contenedor.
Sí. El picking aleatorio con Viroteq admite ventosas de vacío, pinzas de mordazas paralelas, pinzas magnéticas, manos multidedos y herramientas personalizadas en el extremo del brazo. La geometría de las pinzas se carga en StackrBrain en el momento del despliegue, tras lo cual la IA razona sobre el alcance, el volumen de barrido y la estabilidad de contacto de cada pinza candidata. Además, pueden configurarse varias pinzas por célula cuando las familias de productos exigen herramientas diferentes, y el tiempo de ejecución selecciona la herramienta adecuada para cada clase de objeto.
La duración típica de un ciclo de recogida aleatoria de contenedores es de 2 a 5 segundos por recogida, en función de la cinemática del robot, el tipo de pinza y la geometría del contenedor. La propia planificación del agarre se ejecuta en menos de 200 milisegundos, por lo que la latencia depende más del movimiento del robot que del software. En aplicaciones de alto rendimiento, como la preparación de kits de comercio electrónico o el procesamiento de devoluciones, las células realizan entre 600 y 1.200 recogidas por hora. Como resultado, la recogida aleatoria de contenedores coincide con la cadencia de los transportadores de embalaje o clasificación.
Viroteq es independiente de la marca. Las implementaciones de recogida aleatoria de contenedores funcionan con controladores FANUC, ABB, KUKA, Universal Robots, Yaskawa y Stäubli. La comunicación utiliza interfaces REST API y WebSocket, por lo que no se necesitan teach pendants ni SDK de proveedores. Los clientes evitan el bloqueo en toda la instalación y pueden mezclar marcas de robots entre células sin cambiar la pila de software, la HMI del operario ni el flujo de trabajo de mantenimiento. Además, los robots colaborativos (cobots) son totalmente compatibles para realizar recogidas de baja carga junto con operarios humanos.
La mayoría de los proyectos de selección aleatoria de contenedores se ponen en marcha en un plazo de 6 a 14 semanas. Las células de un solo objeto suelen ponerse en marcha en un plazo de 6 a 10 semanas. Las instalaciones multiclase y multipinza tardan entre 10 y 14 semanas. El plazo abarca el estudio del emplazamiento, la calibración de la visión, la integración de las pinzas, la formación sobre la política de agarre de piezas representativas, la integración de la célula robotizada, la formación de los operarios y una rampa de producción supervisada. El descubrimiento y la viabilidad requieren de 2 a 3 semanas antes de que comience el trabajo de despliegue.

¿Preparado para automatizar la selección aleatoria de papeleras?

Reserve una demostración personalizada y vea cómo la recogida aleatoria de contenedores con IA ofrece un retorno de la inversión medible dentro de su infraestructura de robots y PLC existente. Sin dependencia de ningún proveedor ni de la nube.

Inteligencia artificial industrial para la selección aleatoria de contenedores

Los especialistas de Viroteq trazarán una ruta de implantación que se adapte a la huella de su célula existente y mantenga la línea en funcionamiento.