Top.Mail.Ru
Заказать обратный звонок
Я соглашаюсь на обработку персональных данных и ознакомлен(а) с Политикой конфиденциальности.
КЕЙС ВНЕДРЕНИЯ СИСТЕМЫ ML SENSE
Разработка складского решения для KDV на основе машинного зрения.
Автоматизация контроля и учета продукции в паллетах
  • »
  • »
О проекте
Складские процессы технически сложны и требуют трудовых и финансовых ресурсов.

Чтобы упростить учет товара и контроль за его движением, а также ускорить выполнение складских задач помогают специализированные оборудование и программное обеспечение.

За подобной разработка к нам обратилась компания KDV.
Задачи проекта
  • 1
    Контролировать наличие или отсутствие продукции в складской ячейке.
  • 2
    Определять количество продукции в складской ячейке (в процентах, в абсолютных значениях).

    Система определяет продукцию, которая помещается в ячейку. В случае ошибки работы автопогрузчика (складского работника) происходит уведомление оператора, что продукция была размещена в неправильной ячейке.
  • 3
    Проверять правильность сопоставления товарной группы и складской ячейки (при размещении в ней продукции).
  • 4
    Формировать события и отправлять их в систему складского учета и ответственному лицу.

    Отправка сообщения работнику автопогрузчика, что в определенной ячейке закончился товар или его запас снизился до минимального уровня.
Принцип работы решения и этапы его внедрения на предприятии
1. Проверка разметки складских ячеек
На первом этапе совместно с Заказчиком произвели осмотр склада: условия работы и действующую разметку складских ячеек.

В данном кейсе разметка была нанесена на пол в виде ячеек с желтыми границами.

В других подобных проектах возможно в качестве ячеек использовать контуры стеллажного яруса или контуры контейнеров для хранения мелких деталей и т.п.
Рис 1. Действующая разметка ячеек на предприятии.
Рис 2. Действующая разметка ячеек на предприятии.
Рис 3. Действующая разметка ячеек на предприятии.
2. Установка камер машинного зрения
Нашими специалистами были проанализированы условия работы склада - уровень освещенности.

Далее были подобраны и установлены над складской площадкой камеры машинного зрения.

Рис. 4. Камера машинного зрения
3. Настройка сервера для обработки и аналитики видеопотока с камер. Интеграция полученного результата со складской системой предприятия.
Поступающий с камер видеопоток обрабатывается и анализируется на сервере. В результате обработки формируются события: например, в ячейку X размещено N-ое количество товара Y.
Рис. 5. Создание зон контроля (ячеек) в приложении.
Рис. 6. Тестирование работы системы на предприятии
Полученные данные по API интегрируются со складской программой учета продукции установленной на предприятии.
Отзыв KDV о проделанной работе:
Запросить демонстрацию работы
Оставьте заявку и наш менеджер свяжется с Вами в течение 1 часа в рабочее время.