SOLUÇÃO DE DESPALETIZAÇÃO
O Viroteq fornece IA despaletização de camadas para docas de entrada, alimentação de linhas de produção e receção de alto rendimento. A visão valida cada camada em menos de 100 ms, o controlo por robô independente da marca evita a dependência do fornecedor e os padrões pré-validados encaixam-se na infraestrutura existente de transportadores e PLC. Como resultado, as células de despaletização de camadas são implementadas sem a necessidade de reconstruir o espaço de entrada e mantêm-se produtivas face às variações de paletes, folhas de deslizamento e mistura de fornecedores.

Decisão de visão por camada
EUR, CHEP, GMA, metade, estrangeiro
FANUC, ABB, KUKA, UR, Yaskawa
Padrões e end-effectors
A despaletização de camadas parece simples num slide - um robot levanta uma camada uniforme, coloca-a num transportador e repete. Na prática, o fluxo de entrada está longe de ser uniforme. As paletes chegam inclinadas, os resíduos de película retrátil agarram-se à camada superior, as folhas de deslizamento deslocam-se entre camadas e as orientações das caixas mudam silenciosamente entre lotes de fornecedores. Sem a visão da IA, cada uma destas condições pára a célula e exige uma recuperação manual, o que faz colapsar o caso da automatização da produção.
Além disso, a diversidade das paletes dos fornecedores não é trivial. Um engarrafador de bebidas de uma região envia paletes EUR, enquanto um co-embalador de outra região envia GMA. Um fornecedor estrangeiro envia paletes de madeira para o estrangeiro sem um ponto de origem fixo. O software de despaletização genérico, concebido em torno de uma única geometria de fixação, não consegue localizar camadas nesta mistura. Por conseguinte, a despaletização de camadas numa fábrica real exige uma visão que localize cada camada independentemente, em vez de confiar num ponto de ensino.
O comportamento do efector final é outro eixo. As barras de vácuo funcionam em caixas de topo plano, as pinças de fixação agarram as extremidades das camadas e as cabeças combinadas tratam de ambas. O software tem de reconhecer qual o perfil de camada apresentado e escolher automaticamente a estratégia de preensão correta - porque os operadores não podem tomar conta da célula sempre que aparece uma nova SKU na doca de entrada. Consequentemente, o software de despaletização de camadas necessita de um motor de IA que ligue a visão, a pinça e o planeamento de movimentos numa única decisão por recolha.
Além disso, o custo de parar uma linha de produção à espera de uma entrada é brutal. Cobertura do sector por Resumo das embalagens assinala consistentemente os estrangulamentos de entrada como o principal entrave ao OEE da linha FMCG. Viroteq's plataforma tecnológica de ponta preenche a lacuna com visão determinística, controlo de robô independente da marca e mudanças medidas em segundos em vez de turnos.


A despaletização de camadas começa quando uma palete de entrada entra na área de cobertura da célula. VisionAI Sorting analisa a camada superior com uma câmara 3D, segmenta casos individuais e valida a geometria da camada em relação ao perfil SKU esperado. O StackrBrain calcula um plano de recolha em menos de 100 ms, escolhendo a estratégia de aderência, o vetor de aproximação e a pose de colocação para o transportador ou buffer.
Seguinte, RobotDepalr conduz o robot através da recolha de camadas. O operador final - barra de vácuo, cabeça de pinça ou pinça combinada - levanta a fila inteira e coloca-a num transportador de recolha. O sistema retira automaticamente a folha solta quando é detectada uma, empilhando-a num buffer separado para reutilização. O robot comunica nativamente com os controladores FANUC, ABB, KUKA, Universal Robots, Yaskawa e Stäubli.
Além disso, a adaptação em tempo real lida com a variabilidade do fornecedor. Se uma camada chegar distorcida ou faltar uma caixa, o sistema recalcula a recolha a partir de dados de visão em tempo real e continua sem intervenção do operador. RobotStackr OS fecha o ciclo do empilhamento de saída, de modo que a mesma fábrica funciona em pleno automatização da despaletização a montante e a automatização da paletização a jusante a partir de um tempo de execução.
Três produtos criados especificamente para cobrir todo o fluxo de trabalho de despaletização de camadas - desde a captura de visão de entrada e a execução de seleção de camadas até o buffer de saída e o empilhamento a jusante. Todos os três partilham o motor StackrBrain AI, funcionam no mesmo hardware de PC industrial e integram-se com as principais plataformas MES, WMS e PLC através de API REST sem desenvolvimento personalizado.

O RobotDepalr é o principal produto para a despaletização de camadas. A visão 3D identifica cada camada na palete de entrada e o robot levanta filas inteiras para o transportador de recolha. As folhas de deslizamento são detectadas e removidas automaticamente. Pré-validado para EUR, CHEP, GMA, meia palete e paletes estrangeiras.

O VisionAI Sorting acciona a câmara 3D que segmenta e valida cada camada antes de o robot efetuar a recolha. O reconhecimento de SKU, a deteção de folhas soltas e a sinalização de danos são executados em tempo real para que a despaletização de camadas nunca coloque uma linha comprometida no transportador ou na linha a jusante.

O RobotStackr OS fecha o ciclo a jusante da despaletização por camadas. As caixas descarregadas das paletes de entrada alimentam diretamente os padrões de empilhamento de saída ou as células de embalagem da linha de produção, pelo que o mesmo local executa a despaletização e a paletização a partir de um único tempo de execução do StackrBrain.
As câmaras 3D segmentam cada camada de entrada em menos de 100 ms, validam a geometria em relação ao perfil da SKU e assinalam danos, caixas em falta ou desalinhamento antes da recolha. Como resultado, a despaletização de camadas nunca eleva uma linha comprometida para o transportador, e as células a jusante mantêm-se produtivas sem a intervenção do operador.
As barras de vácuo, as pinças de fixação e as cabeças combinadas são reconhecidas automaticamente com base no perfil de camada apresentado. A IA seleciona a estratégia de preensão correta por camada, pelo que a despaletização de camadas lida com caixas planas, garrafas em tabuleiro, pacotes em película retrátil e tambores empilhados sem reconfiguração do operador entre SKUs.
Os padrões pré-validados e os vectores de aproximação pré-computados mantêm o robô na cadência máxima - normalmente 300 a 500 caixas por hora em paletes uniformes. A visão e o movimento funcionam em paralelo, pelo que o robot é o estrangulamento do ciclo e não a IA. Por conseguinte, a despaletização por camadas corresponde ao ritmo das docas de entrada de grande volume de engarrafamento e FMCG.
A despaletização em camadas abrange um amplo espetro de realidades de entrada - desde linhas de engarrafamento de bebidas alimentadas por paletes uniformes de fornecedores até o recebimento de produtos farmacêuticos, em que cada ciclo deve ser validado por visão para fins de conformidade. A IA do Viroteq lida com toda a gama através de um tempo de execução, um conjunto de APIs e um operador HMI. Além disso, novas SKUs são integradas através de um assistente de configuração guiado em vez de reprogramação do robô, o que mantém a carga de engenharia dentro da equipa da fábrica.
Linhas de engarrafamento e de produção de conservas alimentadas por paletes uniformes de fornecedores de recipientes vazios, tampas e pacotes de tabuleiros - geometria de despaletização de camadas ideal para uma cadência elevada.
Produtos de higiene pessoal, produtos domésticos e alimentos embalados produzidos a partir de caixas de entrada uniformes de películas, etiquetas e componentes de embalagem primária entregues em camadas uniformes.
Linhas de produção alimentadas por paletes de suportes, subconjuntos e componentes de acabamento de fornecedores Tier-1 - a despaletização de camadas liga-se diretamente à alimentação da linha JIT.
Fluxos de entrada validados para matérias-primas e embalagens farmacêuticas - registos de despaletização de camadas, provas de visão por recolha para GMP e rastreabilidade da serialização.
Docas de entrada de produtos refrigerados e congelados onde a exposição do trabalho é limitada e a velocidade do ciclo é importante. A despaletização de camadas mantém as paletes da cadeia de frio em movimento com picaretas validadas por visão.
Cais de entrada do centro de distribuição que recebem paletes uniformes de fornecedores que precisam de ser divididas em camadas para cross-dock ou reabastecimento - um ajuste de despaletização de camadas de grande volume.

Garrafas vazias e paletes de latas descarregadas camada a camada em alimentadores de linhas de engarrafamento e enlatamento com total rastreabilidade por ID de palete.

Caixas de cartão e tabuleiros de produtos acabados ou de embalagens primárias descarregados nos tapetes rolantes com manuseamento de folhas soltas totalmente automatizado pela célula.

Paletes de componentes Tier-1 que alimentam linhas de fabrico camada a camada com contagens de caixas validadas por visão e rastreabilidade de lotes por ciclo de recolha.
Rendimento do caso de despaletização de camadas
Decisões de visão em tempo real
Cronograma típico de implantação

Os requisitos de despaletização de camadas variam consoante o cenário de entrada. As fábricas de bebidas - engarrafadoras, enlatadoras, cervejeiras - recebem paletes uniformes de recipientes vazios, tampas e componentes de embalagem a alta cadência e necessitam de tempos de ciclo que correspondam à linha de engarrafamento. Os produtores de produtos de grande consumo nos sectores dos cuidados pessoais, bens domésticos e alimentos embalados recebem caixas de cartão com películas, etiquetas e embalagens primárias em entregas uniformes por camadas que se adequam a uma recolha rápida por camadas. As operações de fabrico recebem paletes de fornecedores Tier-1 de suportes, subconjuntos e acabamentos que fluem diretamente para a alimentação da linha JIT. Os centros de distribuição lidam com paletes uniformes de fornecedores que devem ser divididas em camadas para cross-dock ou reabastecimento.
Para sítios de bebidas e de produtos de grande consumo, RobotDepalr fornece uma despaletização de camadas consistente e validada por visão, alinhada com o programa de produção. Padrões pré-validados garantem que cada camada selecionada corresponda ao perfil SKU e aciona uma exceção somente quando o fluxo de entrada muda. Além disso, o sistema registra evidências de visão por retirada para rastreabilidade - um requisito difícil para a regulamentação farmacêutica e de bebidas.
As fábricas enfrentam uma realidade diferente. A entrada é impulsionada por chamadas de fornecedores JIT que mudam em horas, e a célula de despaletização de camadas deve responder a sequências variáveis sem reescrita de código. RobotStackr OTF trata do lado da saída correspondente quando os produtos acabados saem da linha, pelo que o mesmo local executa fabrico paletização a jusante da camada de despaletização de entrada a partir de um tempo de execução. Além disso, o suporte de robôs independente da marca significa que as fábricas com frotas mistas de FANUC, ABB, KUKA e Universal Robots mantêm uma pilha de software em todas as células. Para explorar os números para o seu local específico, marcar uma demonstração do Viroteq e os nossos engenheiros de soluções modelarão os custos de mão de obra, a redução de erros e os ganhos de produtividade em relação ao seu atual cais de entrada.
A despaletização em camadas integra-se com a sua linha existente através de três protocolos modernos. A API REST é a interface principal para dados de entrada de encomendas, lotes e manifestos de paletes - bem documentada e fácil de compreender pelas equipas de TI. O WebSocket transporta eventos de ciclo em tempo real, excepções de visão e alertas de operador com baixa latência. O OPC-UA faz a ponte entre o tempo de execução e os historiadores da fábrica, MES e SCADA, sem ter de eliminar a arquitetura de dados que já tem. Além disso, os handshakes nativos do PLC para Siemens S7, Rockwell ControlLogix e Beckhoff TwinCAT mantêm a equipa de controlo na posse total da célula.
Como resultado, as implementações de despaletização de camadas coexistem com fieldbus instalados, lógica ladder, relés de segurança e PLCs de transporte - sem middleware proprietário, sem substituição da infraestrutura de trabalho. O suporte de marcas de robôs abrange a FANUC, ABB, KUKA, Universal Robots, Yaskawa e Stäubli. Para além disso, o tempo de execução está instalado em PCs industriais no interior da célula, pelo que a latência é limitada no controlador, e não na nuvem, e a doca de entrada permanece operacional durante interrupções ou auditorias da rede externa.
Pedido/resposta padrão sobre HTTPS para troca de dados de manifesto de entrada, lote e palete.
Transmissão de eventos de baixa latência para dados de ciclo em tempo real, excepções de visão e actualizações HMI.
Ponte para historiadores de fábrica, MES e painéis SCADA através da norma de dados industriais.
Handshakes nativos para Siemens S7, Rockwell ControlLogix e Beckhoff TwinCAT.
Marque uma demonstração personalizada e veja como a despaletização da camada de IA proporciona um ROI mensurável dentro da sua infraestrutura existente de PLC e robôs. Sem bloqueio de fornecedor, sem dependência de nuvem.
Traga seu perfil de entrada, mix de paletes de fornecedores e pilha de PLC - os especialistas do Viroteq mapearão um caminho de implantação de despaletização de camadas que se encaixa na área de cobertura da célula existente e mantém a linha funcionando.
| Biscoito | Duração | Descrição |
|---|---|---|
| cookielawinfo-checkbox-advertisement | 1 ano | Definido pelo plugin GDPR Cookie Consent, este cookie regista o consentimento do utilizador para os cookies na categoria "Advertisement". |
| cookielawinfo-checkbox-analytics | 11 meses | Este cookie é definido pelo plugin GDPR Cookie Consent. O cookie é utilizado para armazenar o consentimento do utilizador para os cookies na categoria "Analytics". |
| cookielawinfo-checkbox-functional | 11 meses | O cookie é definido pelo consentimento do cookie GDPR para registar o consentimento do utilizador para os cookies na categoria "Funcional". |
| cookielawinfo-checkbox-necessary | 11 meses | Este cookie é definido pelo plugin GDPR Cookie Consent. Os cookies são utilizados para armazenar o consentimento do utilizador para os cookies na categoria "Necessário". |
| cookielawinfo-checkbox-others | 11 meses | Este cookie é definido pelo plugin GDPR Cookie Consent. O cookie é utilizado para armazenar o consentimento do utilizador para os cookies na categoria "Outros". |
| cookielawinfo-checkbox-performance | 11 meses | Este cookie é definido pelo plugin GDPR Cookie Consent. O cookie é utilizado para armazenar o consentimento do utilizador para os cookies na categoria "Desempenho". |
| CookieLawInfoConsent | 1 ano | CookieYes define este cookie para registar o estado do botão predefinido da categoria correspondente e o estado da CCPA. Funciona apenas em coordenação com o cookie principal. |
| elementar | nunca | O tema WordPress do sítio Web utiliza este cookie. Permite ao proprietário do sítio Web implementar ou alterar o conteúdo do sítio Web em tempo real. |
| política_de_cookies_visualizados | 11 meses | O cookie é definido pelo plug-in GDPR Cookie Consent e é utilizado para armazenar se o utilizador consentiu ou não na utilização de cookies. Não armazena quaisquer dados pessoais. |
| Biscoito | Duração | Descrição |
|---|---|---|
| _lscache_vary | 2 dias | A Litespeed define este cookie para prevenir a colocação de páginas em cache. |
| Biscoito | Duração | Descrição |
|---|---|---|
| CONSENTIMENTO | 2 anos | O YouTube define este cookie através de vídeos incorporados no YouTube e regista dados estatísticos anónimos. |
| _ga | 1 ano 1 mês 4 dias | O Google Analytics define este cookie para calcular os dados do visitante, da sessão e da campanha e acompanhar a utilização do sítio para o relatório analítico do sítio. O cookie armazena informações de forma anónima e atribui um número gerado aleatoriamente para reconhecer os visitantes únicos. |
| _ga_* | 1 ano 1 mês 4 dias | O Google Analytics define este cookie para armazenar e contar as visualizações de páginas. |
| Biscoito | Duração | Descrição |
|---|---|---|
| VISITANTE_INFO1_LIVE | 5 meses 27 dias | O YouTube define este cookie para medir a largura de banda, determinando se o utilizador obtém a nova ou a antiga interface do leitor. |
| YSC | sessão | O YouTube define este cookie para monitorizar as visualizações de vídeos incorporados nas páginas do YouTube. |
| yt.innertube::nextId | nunca | O YouTube define este cookie para registar um ID único para armazenar dados sobre os vídeos do YouTube que o utilizador viu. |
| yt.innertube::pedidos | nunca | O YouTube define este cookie para registar um ID único para armazenar dados sobre os vídeos do YouTube que o utilizador viu. |