SOLUÇÃO DE RECOLHA DE CONTENTORES
O Viroteq fornece IA seleção aleatória de caixas que lida com peças emaranhadas, não selecionadas e empilhadas arbitrariamente em condições reais de produção. O planeamento de agarrar em menos de 200 ms mantém as células a funcionar na cadência da linha, o reconhecimento de vários objectos resolve os contentores de classe mista sem triagem manual e a integração de robôs independentes da marca evita a dependência do fornecedor. Como resultado, as células de recolha de contentores aleatórios são implementadas sem reconstruir a pilha de células e mantêm-se produtivas quando o conteúdo dos contentores muda de turno para turno.

Sobreposição de peças no mundo real
Latência de planeamento da preensão
Reconhecimento de objectos mistos
Vácuo, mandíbula, magnético, personalizado
A recolha aleatória de caixas situa-se na intersecção de três problemas difíceis de robótica - perceção 3D, planeamento da preensão e execução de movimentos - em condições que mudam a cada ciclo. As peças chegam em orientações arbitrárias, frequentemente sobrepostas ou emaranhadas. A iluminação desvia-se durante o turno. Os contentores são reabastecidos a meio do ciclo com novas misturas de produtos. Cada uma destas variáveis quebra a robótica clássica de programa fixo, razão pela qual as implementações tradicionais de recolha de contentores necessitavam de alimentadores de peças elaborados ou mesas vibratórias para pré-orientar os itens antes de o robô os ver.
No entanto, a pré-orientação mecânica tem os seus próprios custos. Os alimentadores personalizados são dispendiosos, têm um único objetivo e são lentos a reequipar quando o mix de produtos muda. Como resultado, as fábricas acabaram por ficar com células rígidas que necessitavam de semanas de engenharia mecânica para cada nova SKU e que simplesmente não conseguiam lidar com a diversidade que um armazém 3PL, um centro de processamento de devoluções ou uma linha de reciclagem lhes lançam. A recolha aleatória de contentores exigia um software suficientemente inteligente para lidar diretamente com o caos - e esse software foi o que faltou durante duas décadas.
Além disso, o orçamento de tempo de ciclo para a recolha aleatória de caixas é brutal. O planeador de agarrar tem de consumir uma nova nuvem de pontos, segmentar objectos, classificar as agarras candidatas, planear uma trajetória sem colisões e comandar o robô - tudo dentro da janela de tempo entre as escolhas. As bibliotecas de visão genéricas executadas numa GPU genérica normalmente não atingem esse orçamento por uma grande margem. De acordo com a investigação publicada pelo Normas de segurança para robôs ISO 10218, A determinação dos tempos de resposta é essencial para as células que partilham o espaço de trabalho com pessoas ou transportadores a jusante. O Viroteq plataforma tecnológica de ponta colmata esta lacuna com uma resposta determinística em tempo real, um controlo de robô independente da marca e um planeamento de agarrar que respeita a janela de ciclo da produção real.
Finalmente, a cauda longa da diversidade de produtos é o que realmente separa o picking de posições aleatórias do picking de posições estruturadas. Um contentor aleatório contém peças cujos modelos CAD podem nunca ter sido vistos antes pelo sistema. Por conseguinte, a pilha de visão e de compreensão tem de generalizar - e não memorizar. O motor de IA do Viroteq, treinado em milhões de cenários simulados de agarrar, generaliza para novos objectos a partir de uma única leitura do contentor, razão pela qual as nossas implementações de recolha aleatória de contentores entram em funcionamento em semanas e não em meses.


A recolha aleatória de contentores começa no momento em que uma câmara 3D sobre o contentor capta uma nova nuvem de pontos. RobotStackr Vision segmenta a nuvem em instâncias de objectos individuais, mesmo quando os itens estão parcialmente ocultos. A IA atribui etiquetas de classe para compartimentos mistos, classifica cada agarrar candidato por estabilidade e risco de colisão e produz uma lista de agarrar classificada em menos de 200 milissegundos.
Em seguida, o tempo de execução seleciona a preensão com a pontuação mais elevada que a pinça ativa pode executar, planeia uma trajetória sem colisões desde a aproximação até ao recuo e comanda o robô. VisionAI Sorting trata do encaminhamento de classes quando o contentor contém vários tipos de peças - os itens vão para a via correta a jusante sem intervenção do operador. Ambos os produtos comunicam nativamente com os controladores FANUC, ABB, KUKA, Universal Robots, Yaskawa e Stäubli.
Além disso, a adaptação em tempo real lida com a realidade confusa da recolha aleatória de contentores. Se uma recolha falhar porque duas peças ficaram emaranhadas, o sistema detecta a falha a partir do feedback da pinça, calcula novamente a partir de um novo scan e seleciona uma pinça mais segura ou executa um breve movimento de separação. Para fluxos de entrada de fornecedores, RobotDepalr trata da despaletização de paletes cheias antes de a recolha aleatória de contentores assumir o controlo na linha, fechando o ciclo das paletes cheias automatização da recolha de contentores através da célula.
Os três produtos criados para o efeito abrangem todo o âmbito da recolha aleatória de contentores - desde o planeamento primário em 3D do robô de recolha até ao encaminhamento da triagem multi-classe e à despaletização de paletes de fornecedores. 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 da API REST sem desenvolvimento personalizado.

O RobotStackr Vision é o principal módulo de planeamento de agarrar em 3D para a recolha aleatória de caixas. Segmentação de nuvens de pontos, pontuação de agarrar com IA e planeamento de trajectórias sem colisões em menos de 200 ms por recolha. Lida com itens emaranhados, sobrepostos e parcialmente ocluídos sem intervenção manual do operador.

O VisionAI Sorting encaminha itens de classe mista de uma célula de separação de caixas aleatória para a pista correta a jusante. Classificação AI por recolha, lógica de destino configurável e painéis de controlo HMI em tempo real. Ideal para processamento de devoluções, fluxos de reciclagem e kits mistos de comércio eletrónico.

O RobotDepalr alimenta células de picking de caixas aleatórias com itens isolados de paletes de fornecedores. A visão 3D identifica camadas e itens nas paletes de entrada, decantando os componentes em silos ou na alimentação direta da linha. Assim, o trabalho de descarga manual diminui e o rendimento de entrada aumenta em todo o fluxo a montante.
Cálculo da pose da garra em menos de 200 ms a partir de uma nova nuvem de pontos. O StackrBrain classifica todas as garras candidatas por estabilidade, risco de colisão e alcance da garra, de modo a que as células de recolha aleatória de contentores se mantenham produtivas em contentores profundos, pouco profundos e parcialmente oclusos, sem intervenção do operador.
As garras pontuadas pela IA têm explicitamente em conta a probabilidade de emaranhamento, pelo que o operador seleciona o item mais seguro, mesmo quando o contentor está densamente embalado. Se uma recolha falhar, o sistema calcula novamente a partir de um novo scan e escolhe uma pega mais segura ou executa um breve movimento de separação antes de voltar a tentar - totalmente autónomo.
Caixas mistas de diferentes SKUs são tratadas numa única passagem. O modelo de visão atribui etiquetas de classe por objeto e a classificação a jusante encaminha cada recolha para o destino correto. Como resultado, as implantações de separação aleatória de caixas são escalonadas de kits de classe única para fluxos de material de grau de reciclagem sem alterações de código.
A separação aleatória de caixas abrange um amplo espetro de realidades operacionais - desde a alimentação de componentes de fabricação de alto volume até o pick-and-place de comércio eletrônico, triagem de devoluções, fluxos de reciclagem e rastreabilidade aeroespacial. A IA do Viroteq lida com toda a gama através de um tempo de execução, um conjunto de APIs e uma IHM de operador. Além disso, novas classes de objectos são integradas através de um assistente de configuração guiado em vez de programação por peça, o que mantém a carga de engenharia dentro da equipa do cliente. Como resultado, a automatização da recolha aleatória de contentores é escalável desde a célula piloto até à implementação na fábrica completa sem pilhas de software paralelas.
Suportes, fixadores, peças maquinadas e subconjuntos alimentados a partir de caixas aleatórias para células de montagem com total rastreabilidade por recolha.
Seleção de cada peça a partir de caixas para encomendas online. O picking aleatório de caixas lida com a diversidade de SKUs de cauda longa que define o cumprimento do comércio eletrónico moderno.
Os artigos devolvidos chegam em orientação e estado aleatórios. O planeamento de apreensão por IA extrai cada unidade em segurança para triagem, encaminhamento de renovação ou reabastecimento.
Fluxos de materiais mistos ordenados por classe - plásticos, metais, eletrónica - utilizando o reconhecimento de múltiplos objectos e a recolha aleatória de contentores de elevado rendimento.
Ferramentas manuais, fixadores e componentes de hardware retirados de caixas de fornecedores para montagem de kits, pacotes de empreiteiros e cumprimento de encomendas de fornecimento industrial.
Componentes de engenharia recolhidos sob rigorosa rastreabilidade - cada recolha é registada com o contentor de origem, o carimbo de data/hora e o operador para total conformidade com a qualidade.

A recolha aleatória de caixas dos fornecedores cria kits de comércio eletrónico e encomendas agrupadas sem a pré-orientação manual do operador para cada SKU.

A recolha aleatória de contentores alimenta as células de montagem com suportes, fixadores e peças de engenharia diretamente dos contentores dos fornecedores, substituindo os alimentadores vibratórios personalizados.

Reciclagem de fluxo misto e triagem de devoluções em que cada recolha deve ser classificada, encaminhada e registada com uma cadeia de custódia completa para processamento a jusante.
Latência de planeamento do aperto de mão da IA
Taxa de recolha por célula
Cronograma típico de implantação

Os requisitos de recolha aleatória de contentores variam drasticamente consoante o tipo de cliente. Os fabricantes que executam linhas de montagem discretas alimentam suportes, fixadores e componentes de engenharia a partir de caixas de fornecedores para células automatizadas, substituindo alimentadores vibratórios dedicados que anteriormente exigiam semanas de reequipamento mecânico para cada nova SKU. Os operadores logísticos terceiros (3PL) enfrentam um padrão diferente: os contentores chegam com uma diversidade de SKUs de milhares de peças, e o modelo de compreensão da IA tem de generalizar a partir de uma única leitura do contentor em vez de memorizar CAD por item. As operações de reciclagem e de processamento de devoluções vão ainda mais longe - o conteúdo dos contentores é desconhecido, parcialmente danificado e chega com rácios de mistura imprevisíveis ao longo dos turnos.
Para os fabricantes, RobotStackr Vision fornece uma alimentação de componentes consistente e de elevado rendimento, alinhada com o programa de montagem. As políticas de apreensão pré-validadas garantem que cada peça recolhida chega à estação de montagem com a orientação correta para as ferramentas a jusante. Além disso, o sistema regista todos os metadados de recolha para rastreabilidade - um requisito difícil para as indústrias automóvel, aeroespacial e regulamentada, em que cada componente do produto acabado tem de ser rastreável até um lote de origem.
Os operadores logísticos terceiros beneficiam da recolha aleatória de contentores através de ganhos em termos de custos de mão de obra e de capacidade. Cumprimento 3PL no comércio eletrónico vê a automatização do "pick-and-place" a tratar da recolha de cada peça a partir das caixas dos fornecedores, o que tradicionalmente consumia a maior parte das horas de trabalho do armazém. VisionAI Sorting encaminha as recolhas mistas para a via a jusante correta, pelo que uma única célula robótica pode servir vários perfis de encomendas em simultâneo. Além disso, o suporte de robôs independente da marca significa que as instalações 3PL com frotas mistas de FANUC, ABB, KUKA, Universal Robots e cobots mantêm uma pilha de software em todas as células.
As operações de reciclagem e devoluções representam o ambiente de recolha aleatória de contentores mais exigente, uma vez que o conteúdo dos contentores é heterogéneo, parcialmente danificado e nunca chega duas vezes com a mesma configuração. A capacidade da IA para generalizar a partir da formação em milhões de cenários de recolha simulados é o que torna estas implementações comercialmente viáveis. Por conseguinte, o custo total de propriedade é recuperado num prazo de 18 a 30 meses para a maioria das fábricas, e o caso do ROI reforça-se ainda mais à medida que os mercados de trabalho se tornam mais apertados. Para explorar os números relativos às suas instalações específicas, 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 funcionamento atual.
A recolha aleatória de contentores integra-se na sua célula existente através de três protocolos modernos. A API REST é a principal porta de entrada para dados de pedidos, lotes e picking - bem documentada e fácil para as equipas de TI. O WebSocket transporta eventos de ciclo em tempo real, feedback de sensores e alertas de operadores com baixa latência. O OPC-UA faz a ponte entre o tempo de execução e os historiadores da fábrica, o MES e o SCADA, sem ter de destruir a arquitetura de dados que já tem. Além disso, os handshakes nativos de PLC para Siemens S7, Rockwell ControlLogix e Beckhoff TwinCAT mantêm a equipa de controlo na posse total da célula.
Como resultado, as implementações aleatórias de recolha de contentores 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, Stäubli e as principais plataformas de robôs colaborativos. 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 linha permanece operacional durante interrupções ou auditorias da rede externa.
Pedido/resposta standard sobre HTTPS para troca de dados de encomendas, lotes e recolhas.
Transmissão de eventos de baixa latência para dados de ciclo em tempo real, feedback de sensores 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 recolha aleatória de contentores de lixo com IA proporciona um ROI mensurável dentro da sua infraestrutura existente de robôs e PLC. Sem dependência de fornecedor, sem dependência da nuvem.
Os especialistas do Viroteq irão mapear um caminho de implantação que se encaixa dentro do espaço 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. |