Heterogeneous pallet loading with a robotic manipulator

Palletization is the process of stacking boxes of products on a pallet for convenient transportation of multiple goods. Without the palletizing process automation, workers must manually stack the boxes on the pallet, requiring a large amount of labor and non-deterministic processing time. A fixed automation system can be applied when there is consistency between the type of boxes to load. However, the high initial investment and the significant set-up time represent the main drawback of the solution. A programmable automation system with a robotic manipulator can be introduced to decrease the set-up times when more flexibility is required. In a scenario where there is no consistency on the boxes to be shipped, so as the boxes' size or stack patterns are heterogeneous for different pallets, these solutions are not feasible. The thesis focuses on designing and implementing a flexible method for the autonomous palletization of a heterogeneous (different dimension) set of packaging boxes with a robotic manipulator. The pallet configuration and loading sequence of the boxes are defined by solving a pallet loading problem, given the pallet's dimension and the set of boxes. The solution is generated through a Biased Random Key Genetic Algorithm (BRKGA), an evolutionary metaheuristic for discrete sequencing problems in combinatorial optimization. The algorithm is implemented with Python and the Pymoo open-source framework. The solution's feasibility is verified on a simulated environment in CoppeliaSim, defined with Python, by exploiting the PyRep toolkit's functionalities. The method's experimental validation with a robotic manipulator system is investigated, with proper scaling of the dimensions to meet the available system's limitations. Each box is placed in the manipulator's workspace with a QR code containing its position and dimensions. A camera system is designed to collect the initial information required by the BRKGA, enabling the palletization process.

Pallettizzare un insieme di scatole consiste nel collocarle su un pallet per facilitare la movimentazione ed il trasporto di merci. Senza una corretta automazione del processo, è necessario impiegare dei lavoratori per un accatastamento manuale delle scatole sul pallet. Ciò comporta dei tempi di processo non deterministici, oltre ad una allocazione di personale per un lavoro altamente ripetitivo. Un sistema di “fixed automation” può essere applicato quando il layout delle scatole è costante tra i pallet. Tuttavia, la soluzione presenta degli svantaggi legati all’elevato investimento iniziale, insieme ad un lungo tempo di set-up. È possibile predisporre un sistema di “programmable automation” con un manipolatore robotico per ridurre i tempi di set-up quando è richiesta una maggiore flessibilità. Scenari caratterizzati da una alta variabilità nelle dimensioni delle scatole rendono i pallet eterogenei nella loro composizione. Ne deriva che per ciascun pallet è necessaria una specifica sequenza di caricamento e layout delle scatole su di esso, rendendo non appropriate soluzioni di “fixed” e “programmable automation”. La tesi descrive la progettazione e implementazione di un sistema di “flexible automation” per la pallettizazione di un set eterogeneo di scatole mediante un manipolatore robotico. I layout delle scatole sul pallet e la loro sequenza di caricamento vengono definiti risolvendo un Pallet Loading Problem, dati in ingresso la dimensione del pallet ed il set di scatole. La soluzione viene generata mediante un Biased Random Key Genetic Algorithm (BRKGA), algoritmo metaeuristico per la risoluzione di problemi di sequenziamento discreto nel campo dell’ottimizzazione combinatoria. Il metodo è implementato in Python con il supporto della libreria open-source Pymoo. La fattibilità della soluzione è verificata in ambiente simulato in CoppeliaSim, definito in Python mediante le funzionalità fornite del toolkit PyRep. Viene illustrata infine una validazione sperimentale del metodo mediante un manipolatore robotico, con un adeguato dimensionamento delle scatole per rispettare i limiti dati dalla massima apertura del gripper. Le scatole sono posizionate nell’area di lavoro del robot, fornite di un codice QR contenente la loro posizione e dimensione. Un sistema di telecamere è progettato per raccogliere le informazioni contenute nei QR, fornendo i dati richiesti dall’algoritmo per abilitare il processo di pallettizazione.