물류에서 Edge Learning의 사용 사례 및 이점

최근 몇 년 동안 물류 산업은 자동화 및 디지털화로 크게 전환했습니다. 전자 상거래가 증가하고 더 빠르고 효율적인 배송에 대한 수요가 증가함에 따라 물류 회사는 운영을 최적화하기 위해 Edge Learning과 같은 고급 기술로 전환하고 있습니다. 

"인공지능의 하위 집합인 Edge Learning은 물류 산업의 판도를 바꾸는 것으로 입증되어 네트워크의 ""엣지""에서 실시간 데이터 분석, 예측 및 의사 결정을 가능하게 합니다."

Edge Learning 혁신을 통한 팬데믹 문제 해결  

팬데믹의 어려운 시기에 물류는 높은 생산 수요를 충족하는 데 큰 역할을 했습니다. 이 기간 동안 중요한 우려 사항은 사람의 접촉 지점 수 또는 포장이 물리적으로 접촉된 횟수를 줄이는 것이었습니다. COVID가 널리 퍼졌을 때 우리는 고객을 지원하고 작업자를 안전하게 보호하기 위해 고정형 바코드 리더기와 휴대형 바코드 스캐너를 제공했습니다. 고객과 협력하고 시스템에 이 혁신적인 기술을 제공함으로써 가장 중요한 순간에 큰 영향을 미칠 수 있었습니다. 

물류에서 Edge Learning의 힘을 보여주는 인사이트  

물류 비전 솔루션의 제품 마케팅 매니저인 Bart Piela와 이야기를 나누며 Edge Learning이 물류를 어떻게 변화시키고 있는지, 그리고 이것이 업계에 제공하는 주요 이점에 대한 그의 생각을 들어보았습니다.   

Bart는 Cognex에서 6년간 근무했으며 물류 분야에서 2년 이상 근무했습니다. 그는 자동화 여정을 막 시작한 소규모 기업, OEM 및 고도로 숙련된 업계 리더를 포함한 다양한 물류 고객과 협력했습니다. 이러한 경험 덕분에 Bart는 물류 운영 방식과 생산의 중요성에 대해 안팎으로 알고 있습니다.  

Edge Learning은 물류 산업에 어떤 도움이 됩니까?

​Bart: 공장 자동화에서는 환경이 종종 제어됩니다. 치약이나 기계 부품과 같이 항상 똑같이 보이는 반복 제품은 이러한 공간에서 제조됩니다. 하지만 물류에서는 박스나 패키지가 똑같아 보이지 않을 것입니다.   

소매, 전자 상거래 유통 또는 소포 후 유통을 볼 때, 패키지마다 일별, 시간별, 계절별로 발견되는 차이가 너무 많습니다.

물류 산업도 자동화에 대한 최신 정보입니다. 오늘날 모든 창고의 약 80%에는 자동화가 없습니다. 이는 수많은 물류 제공업체에 도움이 될 수 있는 자동화된 솔루션을 제공할 수 있는 엄청난 기회를 제공합니다. 솔루션은 설정하기 쉬운 Cognex의 사전 구축된 패키지 시스템인 턴키 방식입니다.   

자동화 작업을 수행하기 위해 인간에게 의존하는 것과 비교하여 사용하기에 위협이 될 수 있는 고가의 장비를 구매한다고 상상해 보십시오. 일부 고객은 고가의 솔루션에 투자하는 데 불편함을 느끼기 때문에 인력에 의존하여 기존과 동일한 방식으로 투자합니다.   

고객의 요구 사항을 충족하기 위해 모두 함께 패키지로 제공되는 간단한 맞춤형 솔루션을 설치하는 것은 훨씬 덜 부담스럽습니다. 자동화와 엣지 AI 기술을 제조업에 천천히 통합하면 한 번에 한 단계로 시작할 수 있으며, 특히 자동화 여정을 막 시작하는 고객에게 도움이 됩니다.  

Edge Learning이 작용하는 지점입니다.  
 

Edge Learning의 정의

Edge Learning은 상자, 폴리백 또는 jiffy가 어떻게 보일 수 있는지의 변형을 쉽게 처리하는 검사 기술이며 특히 물류와 관련이 있습니다.   

"사전 훈련된 알고리즘 덕분에 Edge Learning은 ""학습""할 수 있는 몇 개의 훈련 이미지만 필요하므로 설정이 매우 쉽습니다." 생산 라인의 요구 사항을 신속하게 학습하고 조정하여 프로세스를 최적화합니다. 사전 머신 비전 또는 프로그래밍 지식도 필요하지 않습니다. 초보자와 비전 전문가 모두에게 적합합니다.

결국 우리는 Edge Learning 기술을 통해 모든 종류의 고유한 방식으로 공급업체를 지원합니다. 사용자들은 그 어느 때보다 시각적 시스템에서 훨씬 더 나은 성능, 정확성 및 속도를 얻고 있습니다.

Edge Learning은 어떤 유형의 애플리케이션에 적용되나요?

​Bart: Edge Learning 툴의 경우, 우리가 구상하는 것에 제한은 없습니다. 당사는 품목 감지, 품목 분류 및 공정 문제 감지와 같은 애플리케이션을 목표로 하고 있습니다. 

품목 감지는 분류기에서 품목의 유무를 감지하려는 응용 프로그램입니다. 아이템 분류는 특성별로 품목을 구별합니다. 예를 들어, 상자를 폴리백과 구분하는 것입니다. 

프로세스 문제 감지는 예를 들어 위생 문제, 고착된 품목 또는 컨베이어 걸림에 대한 예방적 유지보수 또는 검사를 수행하려는 응용 분야의 범주입니다.    

​​이 기술은 누구에게 가장 큰 도움이 될까요?

​Bart: ​In-Sight 2800 감지기를 사용하면 모든 창고 영역, 특히 고객이 프로세스 인텔리전스를 추가하고 규칙 기반 머신 비전 시스템과 같이 오래되거나 성능이 떨어지는 하드웨어를 교체하려는 영역에서 몇 가지 이점을 얻을 수 있습니다. 

우리는 이것이 공정 분류에서 잘 진행되는 것을 봅니다. 고객이 주문을 이행하기 위해 최고의 작 효율성과 처리량을 유지하려고 노력하고 있습니다. 

또한 이 제품은 분류 정확도와 분류기 성능 면에서도 판도를 바꿀 수 있다고 생각합니다. 분류 정확도를 개선하면 재작업, 손상 또는 수동으로 취급하는 품목과 관련된 추가 비용이 절감되므로 이 기술은 강력한 ROI를 제공할 수 있습니다. 

비용이 많이 들고 많은 전문 지식이 필요한 문제를 처리할 수 있습니다. 그러나 이제 엣지 머신 러닝을 통해 사람들은 저렴한 비용으로 이를 수행하고 누구나 액세스할 수 있습니다. 
  

In-Sight 2800에서 Edge Learning을 어떻게 설정합니까?

Bart: 빠르고 쉬운 3단계를 통해 In-Sight 2800을 설정할 수 있습니다. 장치를 상자에서 꺼내 전원을 공급한 후: 

1단계: 단 한 번의 클릭으로 이미지를 최적화하여 초점과 노출을 향상시켜 좋은 이미지를 캡처할 수 있습니다. 

2단계: 프로세스 또는 애플리케이션의 외관에 대한 예를 수집하여 몇 가지 이미지로 트레이닝합니다. 

예를 들어, 품목 감지 애플리케이션을 사용하면 빈 트레이의 모양과 점유된 트레이의 모양에 대한 몇 가지 이미지를 수집해야 합니다. 그런 다음 몇 초 안에 시스템을 훈련할 수 있습니다. 

품목 분류 응용 프로그램을 사용하여 상자, 지프, 폴리 백이 어떻게 생겼는지에 대한 몇 가지 이미지를 수집하고 몇 초 만에 훈련하십시오. 

3단계: 분산형 IO 또는 산업용 통신을 배포하고 설정하면 가동이 중단됩니다! 

엣지 머신 러닝에 내장된 혁신적인 사전 훈련된 알고리즘을 통해 비전 전문가나 추가 하드웨어 없이도 10~15분 이내에 쉽고 간단하며 빠르게 설정할 수 있습니다. 

Edge Learning은 과거에 의존했던 것과 비교하여 오늘날의 물류 산업을 어떻게 향상시켰습니까?

​Bart: 5년 전, 우리는 규칙 기반 알고리즘을 사용했습니다. 이는 설계하기 어렵고 컨베이어 시스템의 마모와 공정 흐름 또는 제품 설계의 변화를 포함하여 변화하는 조건에 취약합니다. 이러한 문제 중 하나라도 알고리즘을 재설계하려면 많은 지원이 필요합니다. 

3년 전, 우리는 시장에 딥 러닝 솔루션을 도입했으며, 이는 변화에 대처하는 데 매우 효과적이었습니다. 앞에서 언급했듯이 배포하기 어려웠고 시운전하기가 어려웠습니다. ​딥러닝은 많은 오버헤드 지원, 외부 유지 관리 및 라벨링 또는 교육에 투자한 시간이 필요합니다. 

많은 고객에게는 진입 장벽이 있지만 Edge Learning은 특히 이제 여정을 막 시작하는 초보자가 첫발을 내딛는 데 도움이 됩니다. 딥러닝에 필요한 오버헤드가 필요 없는 편리한 패키지로 딥러닝을 제공합니다. 

외부 유지보수가 거의 필요하지 않은 빠른 이미지 튜닝을 포함하여 새로운 상황에 빠르게 적응할 수 있는 매우 유연한 솔루션을 제공합니다.

이 기술이 비용을 절감하는 데 도움이 될 수 있습니까?  

Edge Learning은 더 비싼 솔루션에 투자할 리소스가 없는 제조업체를 위한 저렴한 옵션입니다. Edge Learning의 가장 좋은 점은 외부 비전 전문가 없이 현장에서 재교육을 받을 수 있다는 것입니다. 이로 인해 유지보수, 운영자, 간접비 및 기타 소유 비용도 절감됩니다.

앞으로 물류 분야에서 Edge Learning의 다음 혁신은 무엇이라고 생각하십니까?

​Bart: 다음 번 엣지 머신 러닝에서는 사용 편의성을 유지하면서 더 까다로운 애플리케이션을 처리하기 위해 기존 툴 세트를 기반으로 구축할 것입니다 기존 Edge Learning 툴 세트를 이전에 비전 검사를 사용하지 않은 솔루션에 주입할 계획입니다. 

이에 대한 예로는 현재 상태의 바코드를 판독하는 데 매우 효율적인 당사의 바코드 판독기가 있습니다. Edge Learning 툴의 통합을 통해 바코드 리더기에 더 많은 인텔리전스를 주입하여 바코드의 라벨 손상 여부를 검사하는 등 더 많은 정보를 찾을 수 있습니다. 현재 스캐너는 손상된 바코드를 식별할 수 있지만 손상된 기존 바코드는 알 수 없습니다. Edge Learning 툴을 통합하면 손상을 찾고 라벨이 찢어졌는지, 잘못 인쇄되었는지 또는 얼룩이 있는지 식별하는 알고리즘을 만들 수 있습니다. 이는 고객이 근본적인 문제를 해결하고자 하는 상황에서 엄청난 가치를 제공할 것입니다. 

우리는 또한 제품의 원래 개념을 취하고 Edge Learning으로 능력을 확장하여 물류와 같이 덜 통제된 환경에서도 작동할 수 있는 보다 정교하고 진화된 툴을 만드는 것을 목표로 합니다. 예를 들어, 까다로운 물류 애플리케이션에 적합한 EL 계수 또는 분할 툴을 만듭니다.

물류 분야에서 Edge Learning의 미래  

Edge Learning 기술의 통합은 물류 산업에 엄청난 영향을 미치고 있으며, 정확성, 효율성 및 비용 절감 측면에서 많은 이점을 제공합니다. Bart는 엣지 머신 러닝의 혁신적인 힘을 조명하여 물류의 결함 변화를 처리하고 딥러닝 솔루션 또는 기존 규칙 기반 알고리즘에 비해 신뢰할 수 있는 성능을 제공하는 능력을 강조합니다.  

Edge Learning 기술의 발전은 물류 운영을 수행하는 방식을 계속 변화시켜 업계 내 지속적인 문제를 해결하는 신뢰할 수 있는 솔루션을 제공함으로써 빠른 성장과 혁신을 지속할 것입니다.