托盘分级轻而易举：了解 EDEKA 如何优化入库

优化的流程可确保工作更加顺畅，提高生产率，助力公司成功。EDEKA 非常清楚这一点。作为食品和饮料行业的代表，该公司发现在货物入库等方面存在着巨大的改进潜力：具体来说，货物被装在来自不同制造商的托盘上由卡车运送，这些托盘分别属于托盘押金和托盘共用系统。对入库的押金托盘进行人工分级需要投入大量资源，因此存在着不容忽视的错误隐患。为了避免由此产生的成本、节省资源并提高流程质量和透明度，EDEKA 与 SICK 达成了建设性的伙伴关系。通过双方的密切合作，开发出了用于自动托盘分级的 Pallet Classification System (PACS)。

是否需要押金——这就是问题所在

德国零售业巨头 EDEKA 目标宏伟：集团计划于 2025 年前投资 4.5 亿欧元，用于巴伐利亚北部、萨克森和图林根地区仓库的自动化、创新升级和扩建。该计划已在 Berbersdorf 基地初见雏形，其中就包括入库托盘的分级流程。除了 EPAL 和 CHEP 等押金托盘和共用托盘外，还有一些托盘不需要押金。为了避免向供应商错误地支付押金，迄今为止，每个入库托盘都要根据是否涉及押金进行人工分级，而是否需要押金则通过托盘木块上的颜色和标签/商标来识别——这是一个容易出错、耗时且耗费资源的过程。

在 EDEKA 看来，优化的潜力显而易见：“了解托盘是否有押金对我们来说非常重要。目前，仍需要入库部门的员工进行人工检验。我们与 SICK 公司的合作项目将改变这一状况，因为托盘类型将被自动记录。”

 

紧密合作

除了设计和开发 Pallet Classification System 外，该合作项目还包括在现有系统中安装相应设施：两个用于采集图像的彩色摄像机、一个用于托盘触发的光栅装置以及一个用于处理数据和执行预训练人工智能神经网络的控制器。还可以在传送系统上方安装第三个彩色摄像机，用于记录托盘装载情况。

工作原理

在托盘自动运输过程中，两台彩色摄像机会捕捉托盘外侧木块上的标签/商标，并拍摄其 RGB 图像。借助预先训练好的人工神经网络，系统通过商标图片来确定托盘类型，如 EPAL、CHEP 或 UIC。由于商标往往存在着显著的质量差异或使用差异，在训练过程中也会考虑到这些偏差，以提高对各种托盘类型进行评估的可靠性。此外，由于集成了神经网络，该系统还可以使用其他托盘类型进行再训练，从而提高识别成功率，并根据客户要求进行灵活、简单的调整。

 紧密合作见成效

共同开发的解决方案可实现正确分级，使托盘管理更加顺畅。由于可轻松集成于现有仓库环境中且空间需求较小，该系统可安装在输送系统的多个位置。SICK 的标准传感器技术使得系统非常易于维护和保养。操作该系统不需要特殊的专有技术知识：与传统的图像处理解决方案不同，SICK 解决方案所采用的 Deep Learning 技术不需要深入的编程知识，因为系统可以从具体的案例中学习，并且可以轻松扩展当前支持的托盘类型。因此，SICK 使 EDEKA 的托盘分级变得相对简单。

工作流程得到优化：通过在运行期间对托盘进行自动分级，减轻了工作人员的负担，使他们可以专注于具有更高附加值的流程。EPAL、CHEP 或 UIC 等托盘类型不再需要费时费力的人工检查，而是得到自动、快速、可靠的分级。与此同时，托盘库存也更加透明：因为采集的数据会通过 SICK 控制器上的接口（根据 EDEKA 要求定制）传输到上级仓库管理系统。这意味着工作人员可以随时了解已入库的托盘中有多少个涉及押金。错误的押金支付亦成为过去。

 

成果显而易见

与 SICK 的合作使 EDEKA 充分挖掘了入库流程方面的优化潜力。面对复杂要求所带来的诸多挑战，双方紧密配合，成功制定出了托盘分级标准。这种合作还扩展到了例如托盘横向运输等方面。更多 EDEKA 仓库将配备 PACS 系统，这进一步增强了二者之间的建设性合作关系。

 

更多文章

内部物流自动化：功能完善的无人驾驶叉车

阅读更多

阅读更多