"Automatizuotas standartizuotų supakuotų prekių, tokių, kaip padėklai ar dėžės, tvarkymas jau seniai yra įprasta vidaus logistikos procesų praktika. Mašininis mokymasis dabar leidžia robotams įvaldyti aukščiausią discipliną: patikimą atskirų prekių atpažinimą, sugriebimą ir pakavimą be išankstinio išankstinio darbo. žinių ir greitai kaip žmonės.
Šių metų pavasaris – jaudinantis metas visiems, aktyviai dirbantiems intralogistikos kontekste. Du dideli renginiai parodė naujausius pokyčius ir tendencijas, susijusias su automatizuotu objektų tvarkymu ir tuo, kas dabar čia įmanoma.
Viena vertus, kovo mėnesį Štutgarte vyko „Logimat“ mugė, kurioje apsilankė rekordinis lankytojų skaičius – daugiau, nei 67 000 svečių. Visų pirma, tai buvo mobiliųjų robotų, kurie daugiausia naudojami kroviniams gabenti, bet taip pat veikia, pavyzdžiui, kaip valymo robotai, demonstravimas. Kita vertus, konkursas Ifoy apdovanojimui gauti vyko Dortmunde balandžio mėnesį. Tai, galima sakyti, yra intralogistikos „Oskaras“, kuriam skiriamas didelis dėmesys.
Vertinimo komisija, kurią sudaro atstovai iš 19 šalių, išrenka perspektyviausią naujovę, pavyzdžiui, susijusią su šakiniais krautuvais.
Atsižvelgiant į technologijų plėtrą, į tarptautinį konkursą pastaruoju metu pateko ir autonominiai mobilūs robotai (AMR) bei vadinamieji užsakymų rinkimo robotai, t.y. robotai, galintys sugriebti objektus.
Bandomoji zona, kurioje mobiliosios sistemos turi pasitvirtinti, dabar yra daugiau nei 10 000 kvadratinių metrų. Nugalėtojai bus paskelbti birželio mėnesį.
44 procentų logistikos robotų rinkos augimas visame pasaulyje
AMR jau daugelį metų buvo didžiausia paslaugų robotikos, t. y. robotų, nepriklausančių klasikinei gamybos aplinkai, auganti rinka. „Tarptautinė robotikos federacija“ 2022 m. iš viso suskaičiavo apie 86 000 tarptautiniu mastu parduotų robotų logistikos taikymo srityje, ty 44 procentais daugiau, nei praėjusiais metais. Didžiąją jos dalį sudaro AMR, veikiančios vietose, kuriose nėra viešojo eismo, ty apie 47 500 vienetų (28 proc. daugiau, palyginti su 2021 m.). Rinkos analizėje, kurią IFR parengė kartu su Fraunhofer IPA, įtraukta apie 400 AMR gamintojų iš maždaug 1000 aptarnaujančių robotų gamintojų.
Bet kas skatina šį intralogistikos automatizavimo lygį aukštyn? Tikėtina, kad didelė įtaka bus plačiai žinoma: judantys objektai, tokie kaip prekės ar komponentai, yra pagrindinė gamybos ir tiekimo grandinių sudedamoji dalis. Darbo jėgos trūkumą, kuris čia taip pat labai pastebimas, atsveria nuolat auganti elektroninė prekyba, kurią taip pat lydi sąnaudų ir laiko spaudimas.
Todėl daugiau automatizavimo būtų logiška ir jis buvo įgyvendintas daugelį metų. Pavyzdžiui, aukštų stelažų ar automatinių smulkių detalių sandėlių (autostore sistemų) valdymo įrenginiai pasiekia 99 999 procentų patikimumą. Tai atitinka maždaug vieną rankinį įsikišimą 100 000 automatinių rankenų. Priklausomai nuo pramonės ir darbo užmokesčio struktūros, iš automatizavimo sprendimų tikimasi tokio itin aukšto patikimumo.
Dirbtinio intelekto rinkimo robotai šiandien dar nepasiekia tokio patikimumo lygio, nes sugriebti įvairius daiktus AI labai reikalauja objektų atpažinimo ir sugriebimo technologijos. Jei prekės yra standartizuotose pakuotėse, pavyzdžiui dėžėse ar konteineriuose ant padėklų, dažniausiai jas gali lengvai sutvarkyti robotai ir atvežti į sunkvežimį.
Dirbti su įvairiais produktais be išankstinių žinių dėka AI
Dabar būtų galima paklausti, kodėl reikia toliau plėtoti intralogistikos robotus ir ypač kokį vaidmenį čia galėtų atlikti AI. Atsakymas stulbinamai paprastas: iki šiol robotų naudojimas baigiasi ten, kur prasideda atskiras produktas. Norint atpažinti ir suvokti atskirus objektus, robotams reikia pakankamai išankstinių žinių apie formą, dydį, spalvą ar tekstūrą. Suteikti šias žinias vis dar įmanoma kai kuriems gaminiams. Tačiau generuoti tokias žinias dešimtims tūkstančių skirtingų prekių, kurios yra sandėliuose ir kurios keičiasi dažniau ar rečiau, yra visiškai neekonomiška. Tam yra sukurtos technologijos, pavyzdžiui, mokymosi stotys, kurios automatiškai įrašo visą reikiamą informaciją apie produktą. Tačiau net ir tai yra per daug pastangų, o išlaidos ir nauda nesutampa.
Būtent čia galite suprasti, kodėl dirbtinio intelekto pagrindu sukurta robotika keičia žaidimą, ypač intralogistikoje (todėl šiuo metu kur kas daugiau, nei gamybiniams robotams). Nes dėl to visos anksčiau reikalingos žinios tampa nebereikalingos. Taigi, AI užpildo spragas galutiniame procese, tai leidžia robotui tvarkyti minėtos standartinės pakuotės turinį.
Kaip gerai tai dabar veikia, pamatysite aukščiau minėtoje „Logimat“ mugėje. Fraunhofer IPA demonstratorius, skirtas robotams pakuoti („bin pakavimas“) sugebėjo greitai ir patikimai tvarkingai supakuoti dar nematytus objektus – 1300 vienetų per valandą, t. y. kiek žmogus gali tai padaryti per trumpą laiką, bet ne kelias valandas ar net trimis pamainomis.
Objektų atpažinimas ir suvokimo planavimas
Dvi technologijos yra ypač svarbios šiam individualiam ir lanksčiam atskirų gaminių tvarkymui. Viena vertus, tai yra mašininio mokymosi procesai, leidžiantys atpažinti produktus be išankstinių žinių. Šis atpažinimas iš tikrųjų jau pasiekė į žmogų panašų lygį. Tai visų pirma lemia didžiulis vaizdo duomenų kiekis internete, kuris gali būti naudojamas kaip pagrindas treniruoti neuroninius tinklus. Kita vertus, robotams reikia sugriebimo įgūdžių – todėl jie turi atpažinti, kur yra geri sugriebimo taškai, ir atitinkamai planuoti savo judesius. Tai dar reikia išplėsti, palyginti su objektų atpažinimu.
Tam yra dvi pagrindinės priežastys. Pirma, gaminiai nėra sukurti taip, kad juos būtų lengva suvokti. E-komercija ypač susijusi su plataus vartojimo produktais, kurie pirmiausia skirti gerai atrodyti arba turėti tiesioginės naudos klientams, tačiau paprastai nėra sukurti taip, kad būtų ypač „patogūs automatizuoti“. Be to, dėl išlaidų ir aplinkosaugos sumetimų gaminiai supakuoti kuo lengvesni ir pigesni, todėl robotui juos sugriebti daug sunkiau. Pavyzdžiui, konteineriai paprastai įsiurbiami iš viršaus, bet tai neveikia, kai jie yra atidaryti, pavyzdžiui, su pieno produktais. Tam galima naudoti vadinamąjį riedėjimo griebtuvą, kuris paima konteinerį iš apačios. Antra, tiesiog nėra tobulo griebtuvo, kokį mes, žmonės, turime su mūsų rankomis. Tai kol kas nepralenkiama, kai kalbama apie universalumą. Taip pat trūksta duomenų apie tai, kaip turėtų būti tvarkomas konkretus elementas ir kurie galėtų būti naudojami neuroniniams tinklams apmokyti.
Automatinis sunkvežimių pakrovimas ir iškrovimas – kol kas balta dėmė
Ir galiausiai, vis daugiau dėmesio skiriama paskutinei papildomai technologijų sričiai: aukščiau buvo nurodyta, kad robotų valdymas šiuo metu sustoja prie transporterio. Čia taip pat yra pradinių programų, kurios išbando vežėjų pakrovimą ir iškrovimą robotais. Nors autonominiai šakiniai krautuvai logistikos salėse yra moderniausi, autonominis įvažiavimas į keičiamą sunkvežimio kėbulą yra nelengvas.
Šiuo požiūriu intralogistika yra ir išlieka svarbiausias AI pagrįstos robotikos taškas, juolab, kad, be jau minėto objektų atpažinimo ir paėmimo planavimo, ji taip pat gali optimizuoti AMR maršruto planavimo ar palaikymo procesus, taip pat užsakymų planavimą ar anomalijų aptikimą.“ [1]
1. KI-basierte Robotik: Intralogistik profitiert am stärksten. Frankfurter Allgemeine Zeitung (online) Frankfurter Allgemeine Zeitung GmbH. Apr 24, 2024. Von Werner Kraus
Komentarų nėra:
Rašyti komentarą