MI a raklaplogisztikában: Hogyan változtatja meg a Computer Vision a károsodásrögzítést

A mesterséges intelligencia már régóta jelen van a logisztikában — az útvonaltervezésben, a kereslet-előrejelzésben, a raktárkezelésben. De a rámpánál, ahol naponta több ezer EUR raklap mozog ki-be, a minőségellenőrzés a legtöbb vállalatnál még mindig szemrevételezésen alapul. Ez most változik.

A Computer Vision — az MI-rendszerek azon képessége, hogy képeket elemezzenek és azokból információt nyerjenek ki — a raklapkárosodások automatikus felismerését nemcsak lehetővé, hanem gyakorlatiassá és megfizethetővé teszi.

Mit ismer fel a Computer Vision a raklapoknál

A modern MI-modellek, amelyeket sérült és ép raklapok ezernyi képén tanítottak be, a hibák széles skáláját ismerik fel:

Szerkezeti károsodások: Törött vagy repedt felső és alsó deszkák, hiányzó vagy elcsavarodott tuskók, sérült hossztartók. Ezek azok a károsodások, amelyek az EPAL-kritériumok szerint a raklapot cseretárs nélkülivé teszik.

Felületi hibák: Kiálló szögek, erős faszilánkok, penészesedés, olaj- vagy vegyszerszennyeződés. Ezek a hibák biztonsági szempontból relevánsak, és befolyásolják a minőségi besorolást.

Jelölési problémák: Olvashatatlan vagy hiányzó EPAL-bélyegzés, hiányzó javítószögek javított raklapoknál, hiányzó IPPC-jelölés.

Méreteltérések: Olyan raklapok, amelyek a sérülések miatt elvesztették szabványméreteiket, és ezért az automatizált magasraktárakban problémákat okoznak.

Hogyan működik ez a gyakorlatban?

Két alapvető megközelítés létezik a Computer Vision raklaplogisztikai alkalmazására:

1. megközelítés: Mobilalkalmazás MI-elemzéssel

A rámpánál dolgozó munkatárs okostelefonnal lefényképezi a raklapot. A képeket egy felhőszolgáltatásba küldik, amely elvégzi az MI-elemzést. Másodperceken belül visszaérkezik az értékelés: Milyen sérüléseket észleltek, mennyire súlyosak, és a raklap még cserélhető-e?

Ez a megközelítés különösen azoknak a vállalatoknak alkalmas, amelyek digitalizálni szeretnék a raklapvisszavételt anélkül, hogy helyhez kötött hardverbe fektetnének. A belépési küszöb alacsony — egy okostelefon elegendő.

2. megközelítés: Helyhez kötött kamerarendszerek

Az árufogadó kapuknál vagy szállítópályáknál fix telepítésű kamerák automatikusan rögzítik az áthaladó raklapokat. Az MI valós időben elemzi a képeket, és kiszelektálja a sérült raklapokat, vagy automatikusan a megfelelő minőségi osztályba sorolja őket.

Ez a megközelítés a nagy áteresztőképességű vállalatok számára alkalmas, amelyek teljesen automatizált folyamatot kívánnak. A beruházási ráfordítás magasabb, de az áteresztőképesség és az értékelés következetessége kiemelkedő.

Előnyök a kézi ellenőrzéssel szemben

Objektivitás. Az emberek szubjektíven értékelnek — az egyik dolgozó átengedi az enyhén sérült raklapot, a másik kiszelektálja. Az MI egységes kritériumok szerint értékel, minden alkalommal ugyanúgy.

Gyorsaság. A kézi ellenőrzés raklaponként 30–60 másodpercet vesz igénybe, ha alaposan végzik. Egy MI-elemzés 5 másodperc alatt kész.

Hiánytalan dokumentáció. Minden elemzés automatikusan mentésre kerül — fényképpel, észlelt sérülésekkel, értékeléssel és időbélyeggel. Ez a tökéletes alap a reklamációkhoz és kártérítési bizonyítékokhoz.

Skálázhatóság. Akár 50, akár 500 raklap naponta — az MI további személyi ráfordítás nélkül skálázódik.

Amit az MI ma még nem tud

A becsületesség fontos: az MI-alapú károsodásfelismerés nem tökéletes rendszer. Vannak korlátok, amelyeket ismerni kell:

Rejtett sérülések — ha egy raklap felülről épnek tűnik, de az alja sérült — az MI csak azt ismeri fel, ami a fotókon látható. Ezért több szögből készített felvétel továbbra is fontos marad.

Teherbírás-értékelés — hogy egy hajszálrepedéses raklap 1000 kg terhelés alatt meghibásodik-e, azt az MI önmagában egy fotóból nem tudja megállapítani. Az MI felismeri a sérülést, a következmények értékelése az ember feladata marad.

Kontextusfüggő döntések — hogy egy C-osztályú raklap egy adott felhasználási célra még elfogadható-e, az alkalmazástól függ. Az MI biztosítja az adatbázist, a döntést a logisztikai vezető hozza.

A költségek csökkennek, a minőség nő

Néhány évvel ezelőtt az MI-alapú képelemzés még a saját fejlesztési részleggel rendelkező nagyvállalatok témája volt. Ez alapvetően megváltozott. A teljesítményegységre jutó hardverköltségek 2020 óta 50–70%-kal csökkentek. A nyílt forráskódú keretrendszerek és felhőszolgáltatások lehetővé teszik a középvállalkozások számára is, hogy hatjegyű beruházások nélkül vezessenek be MI-alapú megoldásokat.

Ugyanakkor a modellek minden elemzett képpel jobbá válnak. Minél több raklapot lát egy rendszer, annál pontosabb lesz a felismerés — ez egy klasszikus hálózati hatás.

Összegzés

A Computer Vision gyorsabbá, objektívebbé és hiánytalanul dokumentálttá teszi a raklapellenőrzést. Akár mobilalkalmazás-megoldásként, akár helyhez kötött kamerarendszerként — a technológia kész a középvállalkozásoknál történő gyakorlati alkalmazásra. Aki a raklapcserénél ma még szemrevételezésre hagyatkozik, az pénzt és nyomon követhetőséget veszít.