SOLUTION DE DÉPALETTISATION
Viroteq fournit de l'IA dépalettisation des couches pour les quais d'entrée, l'alimentation des lignes de production et la réception à haut débit. La vision valide chaque couche en moins de 100 ms, la commande du robot en fonction de la marque évite le verrouillage du fournisseur et les modèles prévalidés s'intègrent à l'infrastructure existante de convoyeurs et d'automates programmables. Par conséquent, les cellules de dépalettisation des couches se déploient sans avoir à reconstruire l'empreinte de l'entrée et restent productives quelles que soient les variations des palettes, les feuilles d'étiquettes et la diversité des fournisseurs.

Décision de vision par couche
EUR, CHEP, GMA, moitié, outre-mer
FANUC, ABB, KUKA, UR, Yaskawa
Modèles et effecteurs
La dépalettisation des couches semble simple sur une diapositive : un robot soulève une couche uniforme, la place sur un convoyeur et recommence. En pratique, le flux entrant est loin d'être uniforme. Les palettes arrivent penchées, des résidus de film rétractable s'accrochent à la couche supérieure, les feuilles d'emballage se déplacent d'un niveau à l'autre et l'orientation des caisses change silencieusement d'un lot de fournisseurs à l'autre. Sans la vision de l'IA, chacune de ces conditions arrête la cellule et exige une reprise manuelle, ce qui réduit à néant l'intérêt de l'automatisation pour le débit.
En outre, la diversité des palettes des fournisseurs n'est pas négligeable. Un embouteilleur de boissons d'une région expédie des palettes EUR, tandis qu'un co-emballeur d'une autre région expédie des palettes GMA. Un fournisseur étranger envoie des palettes en bois sans point d'origine fixe. Les logiciels de dépalettisation génériques, conçus autour d'une géométrie de fixation unique, ne peuvent pas localiser les couches à travers ce mélange. Par conséquent, la dépalettisation des couches dans une usine réelle nécessite une vision qui trouve chaque couche indépendamment plutôt que de se fier à un point d'apprentissage.
Le comportement des effecteurs finaux est un autre axe. Les barres d'aspiration travaillent sur les caisses à dessus plat, les pinces de serrage saisissent les bords des couches et les têtes combinées gèrent les deux. Le logiciel doit reconnaître le profil de couche présenté et choisir automatiquement la bonne stratégie de préhension, car les opérateurs ne peuvent pas surveiller la cellule à chaque fois qu'une nouvelle UGS apparaît sur le quai d'entrée. Par conséquent, le logiciel de dépalettisation des couches a besoin d'un moteur d'intelligence artificielle qui associe la vision, la préhension et la planification des mouvements en une seule décision par prélèvement.
En outre, le coût de l'arrêt d'une ligne de production en attente d'un flux entrant est brutal. Couverture de l'industrie par Dossier sur l'emballage indique systématiquement que les goulets d'étranglement à l'arrivée sont le principal frein à l'OEE des lignes de produits de grande consommation. L'équipe de Viroteq plate-forme technologique de pointe comble le fossé avec une vision déterministe, une commande de robot indépendante de la marque et des changements mesurés en secondes plutôt qu'en quarts de travail.


La dépalettisation des couches commence lorsqu'une palette entrante entre dans l'empreinte de la cellule. VisionAI Sorting scanne la couche supérieure à l'aide d'une caméra 3D, segmente les cas individuels et valide la géométrie de la couche par rapport au profil UGS attendu. StackrBrain calcule un plan de prélèvement en moins de 100 ms, en choisissant une stratégie de préhension, un vecteur d'approche et une pose pour le convoyeur ou le tampon.
Suivant, RobotDepalr entraîne le robot à travers la prise de couches. L'effecteur final - barre de vide, tête de serrage ou pince combinée - soulève la rangée entière et la place sur un convoyeur d'évacuation. Le système retire automatiquement la feuille de glissement lorsqu'il en détecte une, et l'empile dans un tampon séparé en vue de sa réutilisation. Le robot communique de manière native avec les contrôleurs FANUC, ABB, KUKA, Universal Robots, Yaskawa et Stäubli.
En outre, l'adaptation en temps réel permet de gérer la variabilité des fournisseurs. Si une couche arrive de travers ou si une caisse est manquante, le système recalcule le prélèvement à partir des données de vision en temps réel et continue sans intervention de l'opérateur. RobotStackr OS ferme la boucle de l'empilage sortant, de sorte que la même usine fonctionne à plein régime. automatisation de la dépalettisation en amont et l'automatisation de la palettisation en aval à partir d'un seul temps d'exécution.
Trois produits spécifiques couvrent l'ensemble du flux de travail de dépalettisation des couches - de la capture de vision entrante et de l'exécution de la sélection des couches à la mise en mémoire tampon sortante et à l'empilage en aval. Les trois produits partagent le moteur StackrBrain AI, fonctionnent sur le même matériel PC industriel et s'intègrent aux principales plates-formes MES, WMS et PLC via l'API REST sans développement spécifique.

RobotDepalr est le produit principal pour la dépalettisation des couches. La vision 3D identifie chaque couche sur la palette entrante et le robot soulève des rangées entières sur le convoyeur d'évacuation. Les feuilles de protection sont détectées et enlevées automatiquement. Pré-validé pour les palettes EUR, CHEP, GMA, demi-palettes et palettes outre-mer.

Le VisionAI Sorting pilote la caméra 3D qui segmente et valide chaque couche avant que le robot ne la prélève. La reconnaissance des UGS, la détection des feuilles volantes et la signalisation des dommages s'effectuent en temps réel, de sorte que la dépalettisation des couches ne soulève jamais une rangée compromise sur le convoyeur ou la ligne en aval.

RobotStackr OS ferme la boucle en aval de la dépalettisation des couches. Les caisses déchargées des palettes entrantes alimentent directement les modèles d'empilage sortants ou les cellules d'emballage de la ligne de production, de sorte que le même site exécute la dépalettisation et la palettisation à partir d'une seule exécution de StackrBrain.
Les caméras 3D segmentent chaque couche entrante en moins de 100 ms, valident la géométrie par rapport au profil de l'UGS et signalent les dommages, les caisses manquantes ou les défauts d'alignement avant le prélèvement. Par conséquent, la dépalettisation des couches ne soulève jamais une rangée compromise sur le convoyeur, et les cellules en aval restent productives sans intervention de l'opérateur.
Les barres de vide, les pinces et les têtes combinées sont reconnues automatiquement en fonction du profil de couche présenté. L'IA choisit la bonne stratégie de préhension pour chaque couche, de sorte que la dépalettisation des couches prend en charge les caisses à dessus plat, les bouteilles en barquette, les paquets emballés sous film rétractable et les fûts empilés, sans reconfiguration de l'opérateur entre les UGS.
Des modèles prévalidés et des vecteurs d'approche précalculés maintiennent le robot à une cadence maximale - typiquement 300 à 500 caisses par heure sur des palettes uniformes. La vision et le mouvement s'exécutent en parallèle, de sorte que le robot est le goulot d'étranglement du cycle plutôt que l'IA. Par conséquent, la dépalettisation des couches correspond au rythme des quais d'embouteillage à haut volume et des quais d'entrée des produits de grande consommation.
La dépalettisation des couches couvre un large spectre de réalités entrantes - des lignes d'embouteillage de boissons alimentées par des palettes uniformes de fournisseurs à la réception de produits pharmaceutiques où chaque cycle doit être validé par la vision pour assurer la conformité. L'IA de Viroteq gère l'ensemble de la gamme par le biais d'un seul runtime, d'un seul ensemble d'API et d'une seule IHM pour l'opérateur. En outre, les nouvelles UGS sont intégrées par le biais d'un assistant de configuration guidé plutôt que par la reprogrammation du robot, ce qui permet de maintenir la charge d'ingénierie au sein de l'équipe de l'usine.
Lignes d'embouteillage et de mise en conserve alimentées par des palettes uniformes de conteneurs vides, de bouchons et de paquets de barquettes - géométrie de dépalettisation idéale pour une cadence élevée.
Soins personnels, articles ménagers et aliments emballés produits à partir de cartons entrants uniformes de films, d'étiquettes et de composants d'emballage primaire livrés en couches uniformes.
Lignes de production alimentées par des palettes de fournisseurs de premier rang contenant des supports, des sous-ensembles et des composants de garniture - la dépalettisation des couches se connecte directement à l'alimentation côté ligne JAT.
Flux entrants validés pour les matières premières et les emballages pharmaceutiques - journaux de dépalettisation par couche preuve de vision par prélèvement pour les BPF et la traçabilité de la sérialisation.
Quais d'entrée réfrigérés et congelés où l'exposition à la main-d'œuvre est limitée et où la vitesse du cycle est importante. La dépalettisation des couches permet aux palettes de la chaîne du froid d'avancer grâce à des prélèvements validés par la vision.
Quais d'entrée des centres de distribution recevant des palettes uniformes de fournisseurs qui doivent être décomposées en couches pour le transbordement ou le réapprovisionnement - une solution de dépalettisation en couches à haut volume.

Les palettes de bouteilles et de boîtes vides sont déchargées couche par couche sur les lignes d'embouteillage et de mise en conserve, avec une traçabilité complète par identification de la palette.

Cartons et plateaux de produits finis ou d'emballages primaires déchargés sur des convoyeurs tampons, la manipulation des feuilles de papier étant entièrement automatisée par la cellule.

Les palettes de composants de niveau 1 alimentent les lignes de fabrication couche par couche, avec des comptages de caisses validés par la vision et une traçabilité des lots par cycle de prélèvement.
Dépalettisation de la couche débit de l'affaire
Décisions en matière de vision en temps réel
Calendrier de déploiement typique

Les exigences en matière de dépalettisation des couches varient d'un pays à l'autre. Les usines de boissons - embouteilleurs, conserveurs, brasseurs - reçoivent des palettes uniformes de conteneurs vides, de bouchons et de composants d'emballage à une cadence élevée et ont besoin de temps de cycle adaptés à la ligne d'embouteillage. Les fabricants de produits de grande consommation (soins personnels, produits ménagers et aliments emballés) reçoivent des cartons de films, d'étiquettes et d'emballages primaires dans des livraisons uniformes par couche qui conviennent à des prélèvements rapides par couche. Les opérations de fabrication reçoivent des palettes de fournisseurs de niveau 1 contenant des supports, des sous-ensembles et des garnitures qui alimentent directement les lignes JAT. Les centres de distribution traitent les palettes uniformes des fournisseurs qui doivent être découpées en couches pour le transbordement ou le réapprovisionnement.
Pour les sites de boissons et de produits de grande consommation, RobotDepalr offre une dépalettisation des couches cohérente, validée par la vision et alignée sur le calendrier de production. Des modèles prévalidés garantissent que chaque couche prélevée correspond au profil de l'UGS et ne déclenchent une exception que lorsque le flux entrant change. En outre, le système enregistre les preuves de vision pour chaque prélèvement afin d'assurer la traçabilité - une exigence stricte pour les produits réglementés. pharmacie et de boissons.
Les usines de fabrication sont confrontées à une réalité différente. Les flux entrants sont déterminés par les appels d'offres des fournisseurs JIT qui se décalent en heures, et la cellule de dépalettisation des couches doit répondre à des séquences changeantes sans réécriture du code. RobotStackr OTF gère le côté sortant correspondant lorsque les produits finis quittent la ligne. fabrication palettisation en aval de la couche de dépalettisation en entrée à partir d'un seul temps d'exécution. En outre, la prise en charge des robots en fonction de la marque signifie que les usines ayant des parcs mixtes de robots FANUC, ABB, KUKA et Universal Robots conservent une seule pile logicielle dans toutes les cellules. Pour en savoir plus sur les chiffres concernant votre site spécifique, Réservez une démonstration de Viroteq et nos ingénieurs en solutions modéliseront les coûts de main-d'œuvre, la réduction des erreurs et les gains de rendement par rapport à votre quai d'arrivée actuel.
La dépalettisation par couches s'intègre à votre ligne existante par le biais de trois protocoles modernes. L'API REST est l'interface principale pour les données des commandes entrantes, des lots et des manifestes de palettes - elle est bien documentée et facile à comprendre pour les équipes informatiques. WebSocket transmet les événements du cycle en direct, les exceptions de vision et les alertes de l'opérateur à faible latence. OPC-UA fait le lien entre le runtime et les historiens de l'usine, le MES et le SCADA sans avoir à démanteler l'architecture de données déjà en place. De plus, les échanges natifs avec les automates Siemens S7, Rockwell ControlLogix et Beckhoff TwinCAT permettent à l'équipe de contrôle de conserver l'entière propriété de la cellule.
Par conséquent, les déploiements de dépalettisation de couches coexistent avec les bus de terrain, la logique en échelle, les relais de sécurité et les automates de convoyage installés - aucun logiciel intermédiaire propriétaire, aucun remplacement de l'infrastructure en place. Les marques de robots prises en charge sont FANUC, ABB, KUKA, Universal Robots, Yaskawa et Stäubli. En outre, le runtime est installé sur des PC industriels à l'intérieur de la cellule, de sorte que la latence est limitée au contrôleur, et non au nuage, et que le quai d'entrée reste opérationnel en cas de pannes ou d'audits du réseau externe.
Demande/réponse standard sur HTTPS pour l'échange de données sur les manifestes entrants, les lots et les palettes.
Flux d'événements à faible latence pour les données de cycle en temps réel, les exceptions de vision et les mises à jour de l'IHM.
Passerelle vers les historiens de l'usine, les tableaux de bord MES et SCADA via le standard de données industrielles.
Handshakes natifs pour Siemens S7, Rockwell ControlLogix et Beckhoff TwinCAT.
Réservez une démonstration personnalisée et découvrez comment la dépalettisation des couches d'IA offre un retour sur investissement mesurable au sein de votre infrastructure existante d'automates et de robots. Pas de dépendance à l'égard d'un fournisseur, pas de dépendance à l'égard du cloud.
Apportez votre profil d'arrivée, votre combinaison de palettes de fournisseurs et votre pile d'automates - les spécialistes de Viroteq traceront un chemin de déploiement de la dépalettisation des couches qui s'adaptera à l'empreinte de votre cellule existante et qui permettra à la ligne de continuer à fonctionner.
| Cookie | La durée | Description |
|---|---|---|
| publicité pour la boîte à cocher cookielawinfos | 1 an | Défini par le plugin GDPR Cookie Consent, ce cookie enregistre le consentement de l'utilisateur pour les cookies de la catégorie "Publicité". |
| cookielawinfo-checkbox-analytics | 11 mois | Ce cookie est défini par le plugin GDPR Cookie Consent. Le cookie est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Analytics". |
| cookielawinfo-checkbox-fonctionnel | 11 mois | Le cookie est défini par le GDPR cookie consent pour enregistrer le consentement de l'utilisateur pour les cookies de la catégorie "Fonctionnel". |
| case à cocher nécessaire pour le droit de la concurrence | 11 mois | Ce cookie est défini par le plugin GDPR Cookie Consent. Il est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Nécessaire". |
| cookielawinfo-checkbox-autres | 11 mois | Ce cookie est défini par le plugin GDPR Cookie Consent. Ce cookie est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Autres". |
| cookielawinfo-checkbox-performance | 11 mois | Ce cookie est défini par le plugin GDPR Cookie Consent. Ce cookie est utilisé pour stocker le consentement de l'utilisateur pour les cookies de la catégorie "Performance". |
| CookieLawInfoConsent | 1 an | CookieYes définit ce cookie pour enregistrer l'état du bouton par défaut de la catégorie correspondante et le statut de l'ACCP. Il ne fonctionne qu'en coordination avec le cookie principal. |
| élémentaire | jamais | Le thème WordPress du site web utilise ce cookie. Il permet au propriétaire du site de mettre en œuvre ou de modifier le contenu du site en temps réel. |
| politique_cookie_vu | 11 mois | Le cookie est défini par le plugin GDPR Cookie Consent et est utilisé pour enregistrer si l'utilisateur a consenti ou non à l'utilisation de cookies. Il ne stocke aucune donnée personnelle. |
| Cookie | La durée | Description |
|---|---|---|
| _lscache_vary | 2 jours | Litespeed utilise ce cookie pour prévenir la mise en cache des pages. |
| Cookie | La durée | Description |
|---|---|---|
| CONSENTEMENT | 2 ans | YouTube installe ce cookie via les vidéos YouTube intégrées et enregistre des données statistiques anonymes. |
| _ga | 1 an 1 mois 4 jours | Google Analytics utilise ce cookie pour calculer les données relatives aux visiteurs, aux sessions et aux campagnes et pour suivre l'utilisation du site dans le cadre du rapport d'analyse du site. Le cookie stocke les informations de manière anonyme et attribue un numéro généré de manière aléatoire pour reconnaître les visiteurs uniques. |
| La loi sur l'immigration et la protection des réfugiés (LIPR) | 1 an 1 mois 4 jours | Google Analytics utilise ce cookie pour stocker et compter les pages vues. |
| Cookie | La durée | Description |
|---|---|---|
| VISITOR_INFO1_LIVE | 5 mois 27 jours | YouTube utilise ce cookie pour mesurer la bande passante et déterminer si l'utilisateur bénéficie de l'ancienne ou de la nouvelle interface de lecture. |
| CSY | session | Youtube place ce cookie pour suivre les vues des vidéos intégrées sur les pages de Youtube. |
| yt.innertube::nextId | jamais | YouTube utilise ce cookie pour enregistrer un identifiant unique afin de stocker des données sur les vidéos de YouTube que l'utilisateur a vues. |
| yt.innertube::requests | jamais | YouTube utilise ce cookie pour enregistrer un identifiant unique afin de stocker des données sur les vidéos de YouTube que l'utilisateur a vues. |