PALTACのケースピッキング事例｜画像認識と自動倉庫の待ち時間を減らす

企業・製品提供元の公開情報をもとにした事例解説です。Aureonの受託実績を示すものではありません。

公開資料で確認できる取り組み

MujinのRDC新潟の事例では、PALTACがパレット自動倉庫と連携するデパレタイズロボットを導入しています。複数の3Dビジョンによるケース認識の並列化や、重量に応じた搬送制御が紹介されています。
出典：Mujin：PALTAC デパレタイズロボット導入事例

自社へ応用するなら：Aureonの視点

認識待ち、パレット供給待ち、搬送先の空き待ちをひとまとめにすると、改善対象が見えなくなります。各待ち時間を別のイベントとして残し、最も長い待ちの原因を調べます。認識を速めても搬送先が詰まるなら、先に後工程のバッファや補充ルールを見直すべきです。

導入前に確認したい条件

• 認識・把持・搬送・供給待ちを別々に計測する
• 重量帯と箱形状ごとの失敗パターンを確認する
• 自動倉庫の出庫順とロボット側の要求順を整合させる

小さく検証するための進め方

代表商品の連続処理に加え、重量や形状が切り替わる順序で運転します。設備間の待ちを時系列で並べ、詰まりが移動していないか確認します。

効果測定で見るべき指標

ケースあたりの総サイクル時間、空運転時間、手動介入回数を測ります。公開事例の生産性をそのまま目標にせず、自社の荷姿構成で基準値を作ります。