Cum să optimizăm intralogistica pentru a eficientiza și accelera lanțurile de aprovizionare din Industria 4.0 - Partea a doua din două

Partea 1 din această serie despre logistică internă a discutat aspecte legate de modul în care roboții mobili autonomi (AMR-urile) și vehiculele cu ghidaj automat (AGV-urile) sunt utilizate la nivel de sistem pentru implementarea logisticii interne și pentru deplasarea rapidă și sigură a materialelor, în funcție de necesități. Acest articol se concentrează pe cazurile de utilizare și pe modul în care AMR-urile și AGV-urile utilizează senzori pentru a identifica și urmări articolele, pe modul în care învățarea automată (ML) și inteligența artificială (AI) sprijină identificarea materialelor, mișcarea și livrarea materialelor în depozite și facilitățile de producție.

Intralogistica (logistica internă) utilizează roboți mobili autonomi (AMR-uri) și vehicule cu ghidaj automat (AGV-uri) pentru a deplasa eficient materialele în depozitele și instalațiile de producție din Industria 4.0. Pentru a raționaliza și accelera lanțurile de aprovizionare, sistemele logistice interne trebuie să aibă informații precise despre locația materialelor, destinația dorită și ruta cea mai sigură și mai eficientă pentru ca materialele să ajungă la destinație. Această navigație raționalizată necesită o diversitate de senzori.

În cadrul soluțiilor intra-logistice, AGV-urile și AMR-urile utilizează senzori pentru a-și spori gradul de conștientizare a situației. Rețelele de senzori asigură siguranța personalului din apropiere, protecția altor echipamente, precum și navigația și localizarea eficiente. În funcție de cerințele aplicației, tehnologiile de senzori pentru AMR-uri pot include senzori de contact, cum ar fi întrerupătoarele de sfârșit de cursă încorporate în bare de protecție, senzori de detectare a luminii 2D și 3D (LiDAR), senzori ultrasonici, camere 2D și stereo, radare, codificatoare, unități de măsurare inerțială (IMU-uri) și celule fotoelectrice. În cazul AGV-urilor, senzorii pot include senzori de linie magnetici, inductivi sau optici, precum și întrerupătoare de sfârșit de cursă integrate în bare de protecție, LiDAR 2D și codificatoare.

Primul articol din această serie acoperă aspecte legate de modul în care AMR și AGV sunt utilizate la nivel de sistem pentru implementarea logisticii interne și deplasarea eficientă a materialelor în funcție de necesități.

Acest articol se concentrează pe fuziunea senzorilor și pe modul în care AMR-urile și AGV-urile utilizează combinații de senzori plus inteligență artificială și ML pentru localizare, navigare și siguranță operațională. Acesta începe cu o scurtă trecere în revistă a senzorilor obișnuiți care se găsesc în AGV-uri, examinează poziția robotului și algoritmii de localizare și cartografiere simultană (SLAM) ce utilizează fuziunea senzorilor, analizează modul în care estimările SLAM pot fi îmbunătățite cu tehnici de adaptare tip scanare la hartă și de adaptare tip scanare la scanare și se încheie cu o privire asupra modului în care fuziunea senzorilor contribuie la funcționarea în siguranță a AMR-urilor și AGV-urilor. În toate aceste cazuri, DigiKey sprijină proiectanții cu o gamă largă de senzori și comutatoare pentru robotică și alte aplicații industriale.

Pentru a asigura autonomia și siguranța în funcționarea AMR, este esențială utilizarea unei varietăți de senzori, combinată cu tehnologii de inteligență artificială, învățare automată și comunicare wireless. Deși cerințele de performanță pentru AGV-uri sunt mai mici, acestea se bazează în continuare pe mai mulți senzori pentru a sprijini funcționarea sigură și eficientă. Există două categorii generale de senzori:

• Senzorii proprioceptivi măsoară valorile interne ale robotului, cum ar fi viteza roților, sarcina, starea de încărcare a bateriei și așa mai departe.
• Senzorii exteroceptivi furnizează informații despre mediul înconjurător al robotului, cum ar fi măsurătorile distanței, localizarea punctelor de reper și identificarea obstacolelor, cum ar fi persoanele care intră în calea robotului.

Fuziunea senzorilor în AGV-uri și AMR-uri se bazează pe combinații dintre senzorii proprioceptivi și exteroceptivi. Exemple de senzori în AMR-uri includ (Figura 1):

• Scaner cu laser pentru detectarea obiectelor cu o rază de acțiune de peste 20 de metri (m)
• IMU cu un giroscop și un accelerometru cu 6 axe și, uneori, cu un magnetometru
• Codificatoare cu rezoluție milimetrică (mm) pe roți
• Senzor de contact, cum ar fi un microcomutator în bara de protecție, pentru a opri imediat mișcarea în cazul în care se intră în contact cu un obiect neașteptat
• Două camere 3D orientate către înainte cu o rază de acțiune de 4 m
• Senzor orientat în jos pentru detectarea marginii unei platforme (numită și detectarea pantei)
• Module de comunicații care asigură conectivitatea și pot oferi opțional detectarea unghiului de recepție (AoA) și a unghiului de emitere(AoD) Bluetooth pentru servicii de localizare în timp real (RTLS) sau puncte de transmisie/puncte de recepție (TRP) 5G pentru trasarea unei rețele cu precizie la nivel de centimetru
• LiDAR 2D pentru calcularea proximității obstacolelor din fața vehiculului
• Sistem de vedere de profunzime 3D cu unghi larg, potrivit pentru identificarea și localizarea obiectelor
• Procesor de calcul de înaltă performanță la bord pentru fuziunea senzorilor, AI și ML

Figura 1: AMR exemplificativ care arată diversitatea și pozițiile senzorilor încorporați. (Sursa imaginii: Qualcomm)

Fuziunea poziției robotului și a senzorilor

Navigarea AMR este un proces complex. Unul dintre primii pași constă în asigurarea faptului că AMR-ul este conștient de locația sa și de orientarea sa. Această combinație de date se numește poziția robotului. De asemenea, conceptul de poziție poate fi asociat și cu brațele și efectorii finali ai roboților staționari cu mai multe axe. Fuziunea senzorilor combină intrările de la IMU, codificatoare și alți senzori pentru a determina poziția. Algoritmul de poziționare estimează poziția (x, y) a robotului și unghiul de orientare θ, în raport cu axele coordonatelor. Funcția q = (x, y, θ) definește poziția robotului. În cazul AMR-urilor, informațiile referitoare la poziție au o varietate de utilizări, printre care:

• Poziția unui intrus, cum ar fi o persoană care intră în spațiul din apropierea robotului, în raport cu un cadru de referință extern sau în raport cu robotul
• Poziția estimată a robotului după ce s-a deplasat cu o anumită viteză pentru o perioadă de timp prestabilită
• Calcularea profilului de viteză necesar pentru ca robotul să se deplaseze de la poziția curentă la o a doua poziție

Poziția este o funcție predefinită în mai multe medii de dezvoltare software pentru roboți. De exemplu, pachetul robot_pose_ekf este inclus în Robot Operating System (ROS), o platformă de dezvoltare open-source. Robot_pose_ekf poate fi utilizat pentru a estima poziția 3D a unui robot pe baza măsurătorilor (parțiale) ale poziției de la diverși senzori. Acesta utilizează un filtru Kalman extins cu un model 6D (poziție 3D și orientare 3D) pentru a combina măsurătorile de la codificator pentru odometria roților, o cameră pentru odometria vizuală și IMU. Deoarece diferiți senzori funcționează cu viteze și latențe diferite, robot_pose_ekf nu necesită ca toate datele senzorilor să fie disponibile în mod continuu sau simultan. Fiecare senzor este utilizat pentru a furniza o estimare a poziției cu o covarianță. Robot_pose-ekf identifică informațiile disponibile ale senzorilor în orice moment și se ajustează în consecință.

Fuziunea senzorilor și SLAM

Multe medii în care funcționează AMR-urile includ obstacole variabile care, din când în când, se pot deplasa. Deși o hartă de bază a instalației este utilă, este nevoie de mai mult decât atât. Atunci când se deplasează într-o instalație industrială, AMR-urile au nevoie de mai mult decât de informațiile despre poziții; acestea utilizează, de asemenea, SLAM pentru a asigura o funcționare eficientă. SLAM adaugă cartografierea mediului în timp real pentru a sprijini navigația. Două abordări de bază ale SLAM sunt:

• SLAM vizual, care asociază o cameră cu un IMU
• LiDAR SLAM, care combină un senzor laser, cum ar fi LiDAR 2D sau 3D, cu un IMU.

LiDAR SLAM poate fi mai precis decât SLAM vizual, dar, în general, implementarea sa este mai costisitoare. Alternativ, 5G poate fi utilizat pentru a furniza informații de localizare pentru a îmbunătăți estimările SLAM vizual. Utilizarea rețelelor private 5G în depozite și fabrici poate spori numărul de senzori încorporați pentru SLAM. Unele AMR-uri implementează poziționarea precisă la interior folosind puncte de transmisie/puncte de recepție (TRP) 5G pentru a trasa o grilă cu o precizie la nivel de centimetri pe axele x, y și z.

Succesul navigației se bazează pe capacitatea AMR de a se adapta la elementele de mediu în schimbare. Navigația combină SLAM vizual și/sau SLAM LiDAR, tehnologii de suprapunere, cum ar fi 5G TRP, și ML pentru a detecta schimbările din mediul înconjurător și a furniza actualizări constante ale locației. Fuziunea senzorilor sprijină SLAM în mai multe moduri:

• Actualizări continue ale modelului spațial și semantic al mediului, pe baza intrărilor provenind de la diverși senzori, utilizând AI și ML
• Identificarea obstacolelor, permițând astfel algoritmilor de planificare a traiectoriei să facă ajustările necesare și să identifice cea mai eficientă traiectorie prin mediul înconjurător
• Punerea în aplicare a planului pentru traiectorie, care necesită controlul în timp real pentru a modifica traiectoria planificată, inclusiv viteza și direcția de deplasare a AMR, pe măsură ce mediul se modifică.

Când SLAM nu este suficient

SLAM reprezintă un element esențial în asigurarea eficienței navigației AMR, cu toate că, în sine, nu este de ajuns. La fel ca algoritmii de poziționare, SLAM este implementat cu un filtru Kalman extins care furnizează valori estimate. Valorile estimate de SLAM extind datele de poziție, adăugând, printre altele, viteze liniare și rotaționale și accelerații liniare. Estimarea SLAM este un proces în doi pași; pasul inițial implică compilarea predicțiilor folosind analiza senzorilor interni pe baza legilor fizice ale mișcării. Etapa rămasă în estimarea SLAM necesită citiri ale senzorilor externi pentru a rafina estimările inițiale. Acest proces în doi pași ajută la eliminarea și corectarea micilor erori care se pot acumula în timp și pot crea erori semnificative.

SLAM depinde de disponibilitatea intrărilor senzorilor. În unele cazuri, este posibil ca LiDAR 2D relativ ieftin să nu funcționeze, de exemplu dacă nu există obiecte în linia directă de vizibilitate a senzorului. În aceste cazuri, camerele stereo 3D sau LiDAR 3D pot îmbunătăți performanța sistemului. Cu toate acestea, camerele stereo 3D sau LiDAR 3D sunt mai scumpe și necesită o putere de calcul mai mare pentru implementare.

O altă alternativă este utilizarea unui sistem de navigație care integrează SLAM cu tehnici de adaptare tip scanare la hartă și de adaptare tip scanare la scanare, care pot fi implementate utilizând doar senzori LiDAR 2D (figura 2):

• Adaptarea tip scanare la hartă utilizează datele LiDAR privind distanța pentru a estima poziția AMR-ului prin adaptarea măsurătorilor referitoare la distanță la o hartă stocată. Eficacitatea acestei metode se bazează pe acuratețea hărții. Aceasta nu se deplasează în timp, dar, în mediile repetitive, poate duce la erori care sunt dificil de identificat, provoacă modificări discontinue ale poziției percepute și sunt dificil de eliminat.
• Adaptarea tip scanare la scanare utilizează datele LiDAR privind distanța pentru a estima poziția unui AMR între scanări. Această metodă oferă informații actualizate privind locația și poziția AMR-ului, independent de orice hartă existentă și poate fi utilă în timpul creării hărții. Cu toate acestea, este vorba de un algoritm incremental care poate fi supus unei deviații în timp, fără posibilitatea de a identifica inexactitățile pe care le introduce această deviație.

Figura 2: Algoritmii de adaptare tip scanare la hartă și de adaptare tip scanare la scanare pot fi utilizați pentru a completa și îmbunătăți performanța sistemelor SLAM. (Sursa imaginii: Aethon)

Siguranța are nevoie de fuziunea senzorilor

Siguranța este o preocupare esențială pentru AGV-uri și AMR-uri și trebuie să se țină seama de mai multe standarde. De exemplu, American National Standards Institute/Industrial Truck Standards Development Foundation (ANSI/ITSDF) B56.5 – 2019, Standardul de siguranță pentru vehicule industriale fără șofer, cu ghidaj automat și funcții automatizate ale vehiculelor industriale cu personal, ANSI/Robotic Industrial Association (RIA) R15.08-1-2020 – Standard pentru roboți industriali mobili – cerințe de siguranță, mai multe standarde ale Organizației Internaționale pentru Standardizare (ISO) și altele.

Operarea în siguranță a AGV-urilor și AMR-urilor necesită o fuziune a senzorilor ce combină senzorii LiDAR 2D certificați pentru siguranță (uneori numiți scanere laser de siguranță) cu codificatoarele de pe roți. LiDAR 2D acceptă simultan două distanțe de detectare, poate avea un unghi de detectare de 270° și se coordonează cu viteza vehiculului raportată de codificatoare. Atunci când un obiect este detectat în zona de detectare mai îndepărtată (până la 20 m, în funcție de senzor), vehiculul poate fi încetinit în funcție de necesități. Dacă obiectul intră în zona de detectare mai apropiată în linia de deplasare, vehiculul se oprește din mers.

Scanerele laser de siguranță sunt adesea folosite în seturi de câte 4, cu câte unul plasat în fiecare colț al vehiculului. Acestea pot funcționa ca o singură unitate și pot comunica direct cu controlerul de siguranță de pe vehicul. Scanerele sunt disponibile și certificate pentru a fi utilizate în aplicații din categoria de siguranță 3, nivelul de performanță d (PLd) și nivelul de integritate a siguranței 2 (SIL2) și sunt adăpostite într-o carcasă IP65 potrivită pentru majoritatea aplicațiilor de exterior și de interior (Figura 3). Scanerele includ o intrare pentru informații de codificare incrementală de la roți pentru a sprijini fuziunea senzorilor.

Figura 3: Senzorii lidar 2D ca acesta pot fi combinați cu codificatoarele de pe roți într-un sistem de fuziune a senzorilor care asigură funcționarea în siguranță a AMR-urilor și a AGV-urilor. (Sursa imaginii: Idec)

Concluzie

Intralogistica sprijină lanțurile de aprovizionare mai rapide și mai eficiente în depozitele și fabricile din Industria 4.0. AMR-urile și AGV-urile sunt instrumente importante în cadrul logisticii interne, având rolul de a transfera materialele de la o locație la alta cu eficiență și în condiții de siguranță, într-un interval de timp optim. Fuziunea senzorilor este necesară pentru a sprijini funcțiile AMR și AGV, inclusiv determinarea poziției, calcularea datelor SLAM, îmbunătățirea performanțelor de navigație prin intermediul adaptării tip scanare la hartă și tip scanare la scanare, precum și pentru a asigura siguranța personalului și a obiectelor din întreaga instalație.