制造技术的进步已经将自动化领域从工厂地板传感器、控制器、视觉系统和机器人扩展到使用人工智能的紧密连接的数据收集和分析。这些技术使“智能工厂”能够实时自我优化和适应条件。尽管有这些进步,仓库和相关材料的移动操作往往不如工厂车间操作现代化。
“如果你看看最现代化的环境,仓库或工厂,大体上来说,材料处理大多是模拟的,奥托发动机该公司是自主移动机器人(AMRs)的制造商。“任何一个地方,只要有叉车开着东西,这都是高度模拟的。这意味着你手边可以分析的数据量是有限的。几十年来,油公司一直在捕捉精度低、频率低、采集成本高的数据,试图找到持续改进的方法。”
伦德尔举例说,今天你可以走进一家工厂或一个仓库,仍然可以看到工业工程师坐在工厂十字路口的草坪椅上,拿着剪贴板、铅笔和秒表来监控材料流动。他说:“要求一个训练有素的工业工程师做这件事是很昂贵的,所以不会经常做。”
这意味着这个过程,就其本质而言,并不像它应该达到的那样精确;另外,它很少更新。
但是,随着计算机存储成本的降低,计算能力的提高,以及针对仓库和配送操作的新工具的出现,这种过时的模拟测量方法正在发生变化。
奥托汽车公司正在提供工具,以帮助工业工程师将时间和动作的研究自动化——它以AMR的形式出现。伦德尔解释说:“AMR带来的显著对比是,我们有次英寸和次秒级的精度,而收集额外调查的边际成本为零。”“所以你可以随时对类固醇进行工业工程时间和运动研究。”
奥托汽车的amr设计用于制造和仓库操作中的材料处理,以自由移动的方式。例如,在一个汽车仓库中,可能有3万个零件在整个设施中移动。伦德尔说:“这是一首运动的交响乐。”“(通过来自AMRs的数据),我们能够利用这3万个部件的移动情况,从而创建一个更智能的交通网络。”
奥托汽车公司的AMR的基础是同步定位和测绘(SLAM)算法的专利版本,该算法依靠相机和激光扫描仪来开发逼真的楼层平面图。
“把AMR想象成拥有过目不忘的记忆。当它在周围行驶时,它正在记忆中构建一个环境的完美图像。”伦德尔说。使用潜在的定位和绘图,您可以绘制出车辆行驶的位置。伦德尔表示:“因此,(AMR)的附带好处是,我们拥有了工厂或仓库所见过的最复杂的数据收集机器之一,全天候在车间内巡逻。”
amr使用车队管理软件进行操作,其中包括一种称为“工厂回放”的功能,提供全天生产的延时重播。该软件可以将16个小时的操作缩短到5分钟,使工业工程师能够鸟瞰地面,并能够倒带、快进和放大到事故发生时的某个时间点(以及事故发生前和发生后的时间点),从而对地面问题的根本原因进行深入了解。
另一个公司,634人工智能,提供了一种名为Maestro的人工智能驱动技术,旨在安全地协调AMRs的移动和协调情景反应,以创建更高效和更安全的环境。使用现成的、安装在天花板上的以太网电源摄像头和专有的计算机视觉技术,Maestro从不同的摄像头提取视频流,在地板上创建网格。
这些视频被拼接在一起,形成了该设施的实时地图。然后,深度学习AI结合计算机视觉算法从工厂的数据中进行语义分析。634AI公司业务发展和运营副总裁Shlomi Hatan表示:“这些数据可以是与生产率相关的信息,提供实时安全警报、接近失误分析、任务分配,以及激发和导航机器人在工厂车间的自主能力。”
工序中的每一个因素,包括原材料、移动机器人、叉车、箱子,甚至人,都被迈斯卓识别、分类、跟踪和管理。“设计成硬件不可知的,Maestro可以与其他系统互操作,从而在通用规模上增强公司的工作流程,”Hatan解释道。“一般的规则是,如果迈斯卓看到它,就可以实时追踪和控制它。”
Hatan补充说,Maestro的控制能力可以扩展到提供定制的、人工智能生成的生产力主张。例如,Maestro可以显示叉车慢速区域,为车辆和工人定位瓶颈和干扰,通知他们障碍,帮助缩短旅行时间。它还可以跟踪叉车和机器人的行驶距离和行驶小时数,以发现未充分利用的资源或确保设备的及时维护。它甚至可以提醒操作人员错误定位的材料和托盘。
在公司内部收集所有这些信息,并绘制一幅物资流动地图,也可以帮助公司解决供应链问题。伦德尔说:“透明度和自动化之间存在着一种有趣的关系。“我们无法影响零件到达装货码头的时间。但如果我们负责所有的材料处理,一旦材料到达接收码头,我们可以使用二维码或RFID标签扫描库存。该库存仅由一台机器接触,在这种情况下,您应该能够在英寸和秒级的精度内看到每个螺母、螺栓和螺钉在操作中。因此,你可以更好地处理公司内部的库存,从而更明智地利用可用资源。”
工业控制供应商也在为仓库和配送中心使用的自动化存储和检索系统(AS/RS)添加智能。
Beckhoff自动化例如,为外形紧凑的AS/RS应用提供了一种穿梭控制系统。该系统包括TwinCAT机器学习软件,以减少能源消耗,同时优化航天飞机的加速和减速。Beckhoff全球物料处理和内部物流经理Doug Schuchart表示:“机器学习(ML)功能将这一过程自动化,因此无需人工干预来实现流程改进。”
此外,该系统中使用的EtherCAT通信协议允许大量收集信息并存储在Beckhoff控制器的数据库中。然后,这些数据可以被传输到云端。
“一旦进入企业级或云端,数据科学软件就可以用于为设备优化和预测性维护应用开发ML推理。这些ML推理可以使用TwinCAT机器学习在PLC中实时执行,”Schuchart解释道。
处理码头延误
AMRs与人工智能结合可以提高内部作业的生产率和安全性。机器学习与plc相结合可以提高订单履行和吞吐量。但如果卡车没有出现在接收码头怎么办?传统的仓库管理系统(WMS)不能在发货延迟、发货数量过多而没有足够的码头、或者库存放在错误的大楼时重新计算一切。
为了解决这些问题,可以使用AutoScheduler。AI开发了一个基于云的智能仓库编排平台,与现有的WMS、ERP甚至堆场管理系统集成,提供动态码头调度、主动交叉对接和规范分析,以平衡库存流动和提高劳动效率。“我们的目标是成为仓库的大脑,”AutoScheduler说。AI首席执行官兼联合创始人Keith Moore。
这项工作一开始是一个项目宝洁公司(P&G).宝洁在俄亥俄州有一个主要工厂,使用附近的七个卫星仓库进行存储。该项目发现,在整个园区内,每天有250多辆整车出港发货,其中85%为空投和吊钩发货,15%为活载发货。这些操作需要人工操作,需要根据日程安排的人员和当天的需求来完成。但生产进度和产量的波动使计划变得困难,导致了低效的操作。
使用AutoScheduler。通过人工智能技术,宝洁在不增加库存的情况下,将工厂直接发送给客户的货物数量增加了一倍,将与外部仓库有关的往返运输减少了近50%,将员工计划从每天8小时减少到20分钟。
这一经验促使摩尔将其转变为一个可扩展的系统,适用于任何仓库或配送中心的运营,提供分析,描述正在发生的情况,预测将发生的情况,并根据这些信息制定最佳计划。
每隔几分钟,AutoScheduler就会查看当前的情况,然后根据库存和限制条件运行“如果”场景,以最大化通过建筑的流量。“我们从WMS和其他系统提取信息,运行优化,并将其返回执行系统。所以当有人扫描托盘时,我们的计划会直接传递到地板上,甚至没有人知道我们的存在。”
AutoScheduler技术正是Stephen Laaper所使用的认知工具集德勤咨询他说,现在正转向仓库的日常运营。
“在可预见的未来,供应链将继续以各种方式受到挤压和拉伸,”拉珀观察到,并指出更多可操作的信息是必要的。“正因为如此,这些解决方案的性质正变得越来越重要。”