Deep learning vervangt vision in logistiek

Enrico Liscio en Valerio Carpani zijn computervision- en deep learning-engineers bij Fizyr.

Leestijd: 5 minuten

Deep learning is een krachtige technologie die zich snel ontwikkelt als de sleutel in de groei van de logistieke sector. Het is wezenlijk anders dan de technieken die momenteel worden gebruikt en daarom is er een verschuiving nodig in de ontwikkelaanpak en integratie. Een belangrijk verschil is het gebruik en het belang van data: deep learning-algoritmes hebben aanzienlijke hoeveelheden gegevens nodig om nieuwe taken te leren, maar het is nooit eenvoudig om zo veel gegevens correct te verwerken. In dit artikel bespreken we enkele do’s en don’ts voor het toepassen van deep learning in de logistiek.

De logistieke sector is booming: de verwachte gemiddelde groei bedraagt zo’n 7 procent per jaar, tot een marktomvang van meer dan 357 miljard dollar in 2022. Alleen al in de VS werken vier miljoen arbeiders in de sector. In logistieke centra kunnen de salarissen voor deze mensen oplopen tot meer dan 50 procent van alle kosten. Daarbij hebben personeelsfunctionarissen moeite om het groeiend aantal vacatures in te vullen, vanwege de soms uitdagende werkomstandigheden en omdat er simpelweg te weinig arbeidskrachten beschikbaar zijn. Dus hoe zorgen we er dan toch voor dat jouw volgende Amazon-bestelling op tijd wordt afgeleverd?

Het antwoord is simpel: door het personeel te vervangen door robots. Hoewel ze in veel bedrijfstakken al gemeengoed zijn, bedroeg de wereldwijde verkoop van robots in de logistiek in 2016 minder dan twee miljard dollar. Op dit moment kunnen robots in de meeste logistieke taken de mens niet vervangen vanwege de enorme variatie die inherent is in deze sector. In autofabrieken die volstaan met robots hebben ze te maken met tientallen verschillende producten. Maar in de logistiek krijgen robots honderdduizenden producten voor hun kiezen, en elke week komen er duizenden bij. Conventionele oplossingen op basis van machinevision vereisen nauwkeurige modellen van alle producten om effectief te kunnen zijn, dus deze systemen kunnen dat op dergelijke schaal onmogelijk bijhouden.

Dit artikel is exclusief voor premium leden van High-Tech Systems Magazine. Al premium lid? Log dan in. Nog geen premium lid? Neem dan een premium lidmaatschap en geniet van alle voordelen.

Inloggen