با پالت ورودی شروع کنید، نه کاتالوگ دوربین. اگر موقعیت پالت، ابعاد کارتن و الگوی لایه‌ها در یک بازه زمانی مشخص برای برداشت باقی بماند، یک پالت با موقعیت مکانی مکانیکی و یک توالی ثابت می‌تواند ساده‌ترین آزمایش اولیه باشد. وقتی کارتن‌ها به صورت جابجا شده، مخلوط یا در لایه‌های متغیر می‌رسند، سلول ممکن است قبل از اقدام به برداشت، نیاز به یافتن هر کارتن بالایی موجود داشته باشد. انتخاب به تنوعی که واقعاً به ایستگاه تحویل داده می‌شود، به علاوه اینکه آیا گیره می‌تواند آن کارتن‌ها را به طور قابل اعتمادی نگه دارد یا خیر، بستگی دارد.
یک الگوی پایدار را از یک پالت پایدار جدا کنید
«هر روز یک کارتن» به معنای «موقعیت برداشت یکسان هر روز» نیست. به جای یک چیدمان نمایشی منظم و ساخته شده، چندین پالت ورودی را با هم مقایسه کنید. محل قرارگیری پالت در محل تغذیه، ابعاد کارتن، جابجایی لایه‌ها، برآمدگی، گوشه‌های آسیب‌دیده و ترتیب دسترسی به کارتن‌های بالایی را ثبت کنید. یک توالی ثابت تنها در صورتی معتبر است که کل تغییرات در محدوده تماس قابل استفاده گیره و مسیر دسترسی آزاد ربات باقی بماند. تغییرات مجاز باید از نمونه‌ها و عملگر نهایی پیشنهادی تعریف شود. هیچ آستانه سانتی‌متری جهانی مفیدی وجود ندارد.
اگر خودِ محل قرارگیری پالت دچار مشکل شود، راهنماهای مکانیکی ممکن است بیشتر از پردازش تصویر مشکل را حل کنند. اگر پالت به خوبی در محل خود قرار گرفته باشد اما کارتن‌های بالایی به طور مستقل حرکت کنند، سوال به سمت مکان‌یابی جعبه تغییر می‌کند. اگر موجودی مخلوط یا لایه‌های شکسته امری عادی است، آزمایش کنید که چگونه یک گزینه حسگر، کارتن موجود بعدی را شناسایی می‌کند و چگونه آن را از یک کارتن مبهم یا غیرقابل گرفتن بازیابی می‌کند. مشخصات عمومی جدا کردن پالت، لایه‌های تک کالایی تعریف‌شده، لایه‌های تعریف‌شده متنوع و پالت‌های ترکیبی را از هم متمایز می‌کند. این دسته‌ها نشان می‌دهند که چرا الگوهای ورودی مهم هستند؛ از جریان ورودی واقعی خریدار انتخاب کنید.
پیک قابل مشاهده، نقطه شروع آزمایش است.
در فیلم نمایش داده شده، یک ربات سفید با ابزار چند فنجانی، یک کارتن را بلند می‌کند و آن را بین دو ناحیه پالت جابجا می‌کند. این کار باعث می‌شود که ترتیب تماس از بالا و انتقال به راحتی قابل مشاهده باشد. از پالت‌های ورودی خریدار استفاده کنید تا آزمایش کنید که مسیر پیشنهادی باید چه میزان تغییر را تحمل کند.
صرف نظر از استراتژی قرارگیری، چسبندگی کارتن به سطح، خود یک آزمون است. مقوا به عنوان یک ماده متخلخل و ساینده برای جابجایی در خلاء توصیف می‌شود؛ لیوان به یک آب‌بندی کارآمد در برابر سطح واقعی نیاز دارد. از کارتن‌های پر و خالی واقعی مشتری، شامل الگوهای مختلف نوار، برچسب‌ها، رویه‌های فرسوده و وزن جعبه، استفاده کنید. به جای شمارش فقط بلند کردن‌های موفق از وسط یک دسته جدید، به برداشتن، حرکت و رهاسازی توجه کنید. کارتنی که می‌توان یک بار بلند کرد، ممکن است در طول چرخش همچنان سر بخورد یا در موقعیت دریافت به طور تمیز رها نشود.
یک آزمایش تصمیم‌گیری برای هر دو مسیر
ابتدا کاندیدای الگوی پایدار را با مکان‌یاب پالت واقعی و نمونه‌ای از دسته‌های ورودی اجرا کنید. موقعیت هر کارتن را در اولین تماس و تعداد دفعاتی که ابزار نیاز به اقدام بازیابی دارد، ثبت کنید. اگر میزان پراکندگی اندازه‌گیری شده در داخل پنجره تماس و فاصله آزمایش شده باقی بماند، رویکرد ثابت را حفظ کرده و مشخصات را ساده کنید. اگر اینطور نیست، مشخص کنید که آیا مکان‌یابی مکانیکی، نحوه نمایش کارتن یا حسگری، این تغییر را برطرف می‌کند یا خیر. سپس یک کاندیدای حسگری را در برابر همان پالت‌های دشوار آزمایش کنید و به صراحت تعریف کنید که وقتی کارتن بعدی قابل مکان‌یابی یا گرفتن نباشد، چه اتفاقی می‌افتد.
این مقایسه از خرید ویژگی‌های ادراکی برای جبران پالتی که به سادگی قابل مکان‌یابی است، و از ارائه مختصات ثابت برای جریانی که به ندرت به همان مکان می‌رسد، اجتناب می‌کند. هیچ یک از این دو مسیر، نیاز به یک آزمایش نمونه جعبه‌ای را از بین نمی‌برد.
کارتن‌های نمونه EVST از دسته‌های مختلف، عکس‌ها یا اندازه‌گیری‌های الگوهای پالت ورودی و تغییر موقعیت مشاهده‌شده را ارسال کنید. می‌توانیم در مورد یک آزمایش با موقعیت ثابت بحث کنیم و اگر تغییر آن را ایجاب کند، شرایطی که یک آزمایش حسگر باید پشت سر بگذارد را بررسی کنیم. این به تیم ادغام اجازه می‌دهد قبل از انتخاب یک سلول پیچیده‌تر، در مورد جریان ورودی تصمیم‌گیری کند.