Từ bán tự động đến tự động hóa hoàn toàn trong nền Công nghiệp 4.0: AMR là giải pháp mở rộng cho mọi cấp độ

Autonomous Mobile Robot (AMR) đang dần chứng mình chúng là giải pháp hiệu quả cho việc tối ưu logistic nội bộ, giảm chi phí, tăng năng suất đồng thời giải quyết tình trạng thiếu lao động. Theo Interact Analysis, trong khi đại dịch Covid-19 gây khó khăn cho hầu hết các doanh nghiệp, AMR vẫn được coi là một trong những công nghệ mới hứa hẹn, đóng vai trò quan trọng trong cuộc đua của các nhà sản xuất nhằm áp dụng phương thức làm việc thông minh, linh hoạt và an toàn. AMR không yêu cầu bổ sung cơ sở hạ tầng nhưng sử dụng các cảm biến, camera và phần mềm thông minh tích hợp sẵn để điều hướng xung quanh công nhân, thiết bị máy móc và vật cản một cách an toàn và hiệu quả. Khi quy trình làm việc mới được thêm vào hoặc yêu cầu sản xuất thay đổi, người dùng có thể dễ dàng lập trình, cập nhật và tối ưu hóa các tác vụ của robot. Sử dụng AMR, nhà sản xuất có thể cho phép người lao động tập trung vào các công việc có giá trị cao hơn trực tiếp thúc đẩy lợi nhuận, thay vì để họ tại nơi làm việc có giá trị thấp. Tùy theo điều kiện và công nghệ, việc triển khai hệ thống AMR trong các nhà máy khác nhau là khác nhau, nhưng cho dù trong các ứng dụng bán tự động đơn giản hay tự động hóa hoàn toàn, ngay từ thời điểm cài đặt, AMR đã có thể bắt đầu tạo ra giá trị. Giá trị tạo ra nhờ giải pháp AMR từ đơn giản tới phức tạp AMR có thể là một phần của các giải pháp hoàn toàn tự động rất phức tạp: những robot này có thể được tùy chỉnh để hoạt động với các module hàng đầu khác nhau, như giá đỡ pallet, băng tải hoặc cobot. Phần mềm có thể được tích hợp vào các hệ thống hiện có khác nhau, như ERP, MES, WMS để đảm bảo rằng nguyên vật liệu luôn sẵn sàng khi cần thiết, với ưu điểm là tự động, hiệu quả và nhất quán. Nó cũng tạo ra dữ liệu có giá trị để hiểu được hiệu quả của việc vận chuyển vật liệu. AMR tích hợp cũng đảm bảo cung cấp kịp thời nguyên vật liệu ở mọi giai đoạn trong quy trình, giúp thiết bị và người vận hành luôn hoạt động hiệu quả, trong khi các giải pháp tùy chỉnh hoàn toàn tự động tinh vi mang lại lợi nhuận cao và tối đa hóa thông lượng luồng logistics. Đối với một số công ty, việc bắt đầu các dự án tự động hóa này ở quy mô nhỏ là rất hợp lý. Một trong những ưu điểm chính của AMR là sự linh hoạt, thích ứng và có thể mở rộng, cho phép các công ty áp dụng cách tiếp cận triển khai theo từng giai đoạn, tập trung vào việc triển khai đơn giản khi bắt đầu dự án và sau đó tùy chỉnh các giải pháp sau khi robot đã quen với nó. AMR có thể được triển khai và tái triển khai rất đơn giản, sử dụng các module hàng đầu khác nhau, ban đầu, một cấu trúc giá đỡ pallet đơn giản có thể được đặt trên đầu robot chỉ bằng một vài bulong. Trong cách thực hiện đơn giản, việc giao tiếp với robot chủ yếu được xử lý thông qua giao diện robot trên máy tính bảng và nhân viên có thể gọi robot chỉ bằng cách nhấn một nút. Cách tiếp cận này không khai thác hết tiềm năng của robot và cũng yêu cầu nhận và dỡ hàng thủ công, do đó quá trình này không hoàn toàn tự động. Mặt khác, cách tiếp cận này ít rủi ro hơn và triển khai nhanh chóng, đồng thời sẽ có giá trị hơn khi nhân viên trở nên quen thuộc với robot và hiểu cách tốt nhất để triển khai AMR vào các nhà máy và quy trình làm việc. Ví dụ điển hình về tính linh hoạt của AMR tại Honeywell Tối ưu hóa liên tục của intralogistics Cơ sở Honeywell’s Safety and Productivity Solutions ở Poole (Anh), một đơn vị sản xuất thiết bị phát hiện khí đốt cho lĩnh vực khai thác và dầu khí ngoài khơi, cũng như thiết bị gia dụng cấp tiêu dùng, các quy trình sản xuất trong công ty được tự động hóa cao. Vào năm 2016, Honeywell đã quyết định bổ sung AMR từ MiR vào danh sách robot để tự động hóa việc vận chuyển nguyên liệu và linh kiện, nơi nhân viên sử dụng xe đẩy trên khu vực rộng 91.000m2, những vật liệu này được xử lý thủ công trong nhà máy. Honeywell tận dụng tối đa khả năng mở rộng và tính linh hoạt của robot. Khi triển khai robot vào năm 2016, họ đã áp dụng phương pháp triển khai theo từng giai đoạn khi bắt đầu dự án. Họ đã đưa robot vào quy trình làm việc bán tự động, trang bị cho robot một chiếc hộp đơn giản ở trên. Robot được tải trong nhà kho và nhân viên đưa robot đến các trạm thông qua máy tính bảng. Những robot này không được tích hợp vào bất kỳ hệ thống bên ngoài nào và chỉ được điều khiển thông qua một giao diện robot MiR đơn giản. Ngày nay, Honeywell đã nâng cấp ứng dụng và phát triển một hệ thống phân phối quy trình làm việc hoàn toàn tự động mà ít hoặc không có sự can thiệp của nhân viên. Các robot có băng tải trên đầu chúng có thể tự động di chuyển đến nhà kho, kết nối băng tải của robot với băng tải đích, sau đó thu thập nguyên liệu thô, vận chuyển đến các dây chuyền lắp ráp khác nhau. Honeywell đã tích hợp công nghệ quét RFID vào robot để nó có thể kiểm tra vật chứa trong thùng và đảm bảo rằng nó được chuyển đến đúng dây chuyền sản xuất. Tích hợp cao hơn, cải thiện độ chính xác và năng suất lao động Khi Honeywell bắt đầu sử dụng robot MiR, họ có 4 trạm giao hàng và hiện nay họ có 15 trạm giao hàng khắp cơ sở. Sau lần đầu tiên tích hợp robot MiR, công ty đã có thể giải phóng 6 nhân viên toàn thời gian cho công việc có giá trị cao hơn. Sau khi sử dụng giải pháp hoàn toàn tự động, họ có thể tiết kiệm được nhiều giờ lao động hơn nữa vì robot có thể tự động triệu hồi, tải và dỡ hàng. Điều này mang lại những lợi thế bổ sung: quy trình làm việc tự động loại bỏ nguy cơ gửi nhầm hàng từ kho vì máy quét RFID đảm bảo rằng robot đưa sản phẩm đến đúng dây chuyền sản xuất.
Read more...

Robot di động tự động sử dụng sạc không dây mở đường cho Công nghệ 4.0

Trong thời buổi chuyển đổi sang nền Công nghiệp 4.0, nhiều thiết bị thông minh được áp dụng để thay thế dần nhân công lao động truyền thống trong các nhà máy. Những ứng dụng robot, đặc biệt là robot di động tự động (AMR) được coi là nền tảng trong quá trình tự động hóa này. Tuy nhiên, robot yêu cầu sạc pin thường xuyên đã vô tình trở thành thách thức với nhiều nhà máy. Một số phát triển trong lĩnh vực sạc không dây đã làm cho chúng trở nên linh hoạt hơn, tăng công suất, hiệu quả và sự phổ biến trong nhiều nhà máy. Cách thức hoạt động của sạc không dây Các giải pháp sạc không dây mới nhất sử dụng công nghệ dựa trên nguyên lý cảm ứng điện từ. Khi cho dòng điện xoay chiều chạy qua cuộn cảm ứng bên máy phát sẽ tạo ra từ trường dao động. Khi ghép từ trường dao động này với cuộn cảm ứng phía máy thu thì trong cuộn dây phía máy thu sẽ tạo ra dòng điện xoay chiều. Một hệ thống sạc không dây yêu cầu thành phần, bao gồm cuộn dây phát, tụ điện, trình điều khiển cuộn dây và cuộn dây thu. Các thành phần khác bao gồm bộ chỉnh lưu diode, bộ chuyển đổi, mạch điều khiển máy phát và máy thu, các thuật toán và mạch sạc pin. Ưu điểm Robot tự động không dây giúp tăng năng suất và giảm chi phí sản xuất theo nhiều cách khác nhau. Chúng có khả năng chạy liên tục khi sạc không tải và với tính năng sạc tự động, chúng cũng yêu cầu ít người vận hành hơn. Chi phí bảo trì được giảm thiểu bằng cách loại bỏ các đầu nối và cáp, việc bảo trì đòi hỏi sự can thiệp thủ công ít, tạo điều kiện cho các nhà máy tự động hoàn toàn. Các hệ thống sạc cũng cải thiện độ an toàn bằng cách giảm nguy cơ đoản mạch, vì các giải pháp này phát hiện một cách đáng tin cậy các mảnh kim loại và các vật thể lạ khác giữa cuộn dây máy phát và máy thu, không yêu cầu đầu nối. Ngoài ra xác thực an toàn giữa bộ sạc và robot có thể dễ dàng thực hiện để tránh truy cập trái phép và truyền dữ liệu trong quá trình sạc, có thể được sử dụng để bảo trì dự đoán nhằm tránh thời gian ngừng hoạt động. Nhược điểm Bên cạnh những lợi ích, sạc không dây cũng gặp những thách thức. Đầu tiên phải kể tới là khoản đầu tư tương đối lớn để triển khai cơ sở hạ tầng sạc so với sạc có dây truyền thống. Ngoài ra, vấn đề an toàn quá tải nhiệt cũng được lưu tâm, có thể được gây ra bởi các vật thể lạ giữa cuộn dây máy phát và máy thu. Việc bố trí bộ phận của bộ sạc đúng cách có thể ngăn ngừa một số vấn đề, nhưng sự thay đổi trong các thông số cuộn dây cũng là một thách thức do sự khác biệt về sản xuất, bởi sự khác nhau giữa các nhà sản xuất. Các nhà phát triển hệ thống nên làm việc với nhà cung cấp để nhận hướng dẫn chi tiết về việc sử dụng các giải pháp sạc không dây của họ, bao gồm lựa chọn thành phần, thiết kế cuộn dây và cách bố trí thẻ. Nhà cung cấp cũng nên gửi hướng dẫn từng bước để đảm bảo việc triển khai sản phẩm cuối cùng được suôn sẻ. Với cách tiếp cận này, các nhà phát triển có thể tiết kiệm thời gian, giảm thiểu rủi ro và đơn giản hóa việc thiết kế bộ sạc không dây của họ.
Read more...

Công nghệ AGV và AMR – Giải pháp cho intralogistic

Hiện nay, việc áp dụng người máy để tự động hóa trong các ngành công nghiệp ngày càng phổ biến, không chỉ trong công việc đơn giản, mà còn trong các nhiệm vụ phức tạp. Để đáp hiệu quả các ứng dụng này, việc triển khai các công nghệ mới nổi như robot hợp tác, trí tuệ nhân tạo và phương tiện tự hành trở nên phổ biến hơn. Các phương tiện tự hành như AGV, AMR đóng vai trò quan trọng trong sự phát triển và xuất hiện của phương tiện robot được sử dụng trong sản xuất, cũng như một loạt các quy trình chuyển động nội bộ và vật chất tích hợp. AGV và AMR giải quyết một số vấn đề liên quan tới quy trình và cơ sở sản xuất, cũng như các chỉ số liên quan đến chi phí chính trong quá trình chuyển đổi sang các khái niệm cải tiến liên tục như Sản xuất tinh gọn và Six Sigma.
Autonomous Robot transportation in warehouses
Giao sản phẩm tới nơi lắp ráp đúng thời hạn Là một trong những nguyên lý cốt lõi của Sản xuất tinh gọn, Just in Time (JIT) quản lý sản xuất dựa vào nguyên lý thô để đến các giai đoạn sản xuất cụ thể chính xác khi cần, do đó giảm tất cả chi phí liên quan đến công việc trong quá trình (WIP) thấp nhất. Mục tiêu cuối cùng của chiến lược này là tránh lãng phí và tối đa hóa hiệu quả chi phí của công việc chung. Khi được tích hợp đúng cách vào các quy trình của nhà máy và cơ sở hạ tầng kiểm soát hiện có, nhiệm vụ xe tự hành có thể được xây dựng theo lịch trình JIT để tối đa hóa hiệu quả của quá trình lắp ráp và kiểm kê nguyên liệu thô. Giảm WIP trong khu vực lắp ráp Chi phí sản xuất trong quá trình phát sinh khi hàng hóa dở dang, bao gồm cả chi phí liên quan như công nhân được đặt ở bất kỳ giai đoạn nào của quá trình sản xuất. Tập trung vào việc giảm WIP giúp loại bỏ các nút thắt sản xuất và sự kém hiệu quả trong suốt quá trình. Giảm thiểu công việc trong quá trình thực hiện là thước đo quan trọng liên tục được đo lường và phản ánh, cả về mặt tài chính và hoạt động, trong hầu hết các ngành. WIP có thể được giảm thiểu đáng kể bằng cách triển khai AGV và AMR lập trình lấy và dỡ hàng theo chiến lược đúng lúc, đồng thời cho phép di chuyển nguyên liệu và các bộ phận trong khi các nhiệm vụ đòi hỏi sự tương tác của con người được hoàn thành đồng thời. Cải tiến thiết kế dây chuyền lắp ráp linh hoạt Khi quy trình được nâng cấp và phát triển, mức độ linh hoạt cao sẽ đạt được nhờ tính di động của robot tự động. Sắp xếp lại công việc, di dời phương tiện và thay đổi tuyến đường là tất cả các quy trình điều khiển HMI rất đơn giản giúp hạn chế nhu cầu di chuyển của các yếu tố cơ sở tĩnh như giá đỡ, băng tải và hệ thống đóng gói,... Việc mở rộng đội xe cũng được thực hiện một cách dễ dàng để tăng công suất, bằng cách bổ sung thêm phương tiện khi doanh nghiệp và hoạt động của bạn phát triển. Tăng độ an toàn do giảm lưu lượng thiết bị Khi được tích hợp hiệu quả vào cơ sở hạ tầng của cơ sở, các phương tiện sẽ được giao một tập hợp cụ thể các nhiệm vụ, điều khiển theo phần mềm và tạo ra hệ thống giao thông có quy tắc và kiểm soát tốt an toàn. Việc sử dụng robot di động có thể làm được điều này, trong khi trong hầu hết các trường hợp, có thể loại bỏ một phần đáng kể lưu lượng xe đẩy/ ngã ba do con người điều khiển/ hướng dẫn trong toàn bộ cơ sở nếu được áp dụng phù hợp với kích thước và trọng tải vật liệu. Trong bất kỳ nhà xưởng có khối lượng lưu thông lớn, việc sử dụng xe nâng do con người điều khiển đều tiềm ẩn nguy hiểm, vì vậy nó trở thành vấn đề đáng lưu tâm hiện nay. Các phương tiện tự động làm giảm đáng kể rủi ro về an toàn do lỗi giao thông hoặc chủ quan của con người.
Read more...

Độ an toàn của AGV, AMR đến từ đâu?

Yêu cầu vận chuyển nguyên vật liệu hiệu quả, chi phí thấp là yếu tố quan trọng để nhiều nhà máy sản xuất và nhà kho cải thiện hoạt động của họ. So với cách thức vận chuyển truyền thống, AGV, AMR an toàn hơn cả. AGV có thể đạt được hiệu quả vận chuyển vật liệu với chi phí thấp. AMR có thể hoạt động mà không bị gián đoạn bởi hoạt động của con người hay khi thay đổi cơ sở hạ tầng. Trong thời gian trước, việc quản lý thủ công nhà kho và phương pháp vận chuyển vật liệu truyền thống được nhiều doanh nghiệp sử dụng, thì hiện nay, với sự xuất hiện của công nghệ thông minh, một số công việc đã dần được thay thế bởi robot như robot hậu cần, robot vận chuyển đồ ăn. AGV (Automatic Guided Vehicle) có thể tự động di chuyển hàng hóa thông qua đường dẫn được định sẵn. Đây là phương thức thực hiện chính trong logistic tự động hóa công nghiệp và được sử dụng rộng rãi trong việc xếp dỡ và xử lý công việc lặp đi lặp lại, trong môi trường làm việc lớn, khắc nghiệt và yêu cầu môi trường cao. Thực tế, AGV có nhiều thiết bị an toàn để ngăn ngừa tai nạn, chẳng hạn như đèn cảnh báo, thiết bị âm thanh, physical emergency bumpers, thiết bị hồng ngoại và siêu âm. Ngoài ra, các quy định của Viện Tiêu chuẩn Quốc gia Hoa Kỳ (ANSI) cũng quy định các yêu cầu về bố trí, khoảng cách phanh và các hạng mục liên quan và an toàn khác để đảm bảo an toàn cho hệ thống AGV. Làm thế nào để tránh các AGV va chạm với nhau và chạy trên cùng một con đường? Ví dụ, hệ thống sản xuất linh hoạt với số lượng lớn AGV yêu cầu điều khiển lưu lượng để các AGV không va chạm nhau. Việc kiểm soát giao thông có thể được thực hiện cục bộ tại AGV hoặc thông qua phần mềm tại máy tính cố định ở nơi khác trong nhà máy. Phương pháp cục bộ bao gồm điều khiển vùng (Zone Control), điều khiển cảm biến (Sensor Control) và điều khiển tích hợp (Integrated Control). Mỗi phương pháp đều có những ưu nhược điểm riêng. 1/ Điều khiển vùng (Zone Control) Zone Control là tính năng hay nhất được sử dụng trong hầu hết các môi trường vì nó dễ cài đặt và dễ mở rộng. Kiểm soát vùng sử dụng bộ phát không dây để gửi tín hiệu trong một vùng cố định. Mỗi AGV chứa một thiết bị cảm biến để nhận tín hiệu này và phản hồi lại máy phát. Nếu một khu vực trống, tín hiệu được đặt thành “empty”, cho phép bất kỳ tín hiệu nào đi vào và đi qua khu vực đó. Nếu có một AGV trong khu vực, tín hiệu “stop” sẽ được gửi đi và tất cả các AGV đang cố gắng đi vào khu vực đó sẽ dừng lại và chờ đến lượt. Khi các AGV trong vùng đã bị loại bỏ ra khỏi vùng, tín hiệu “null” sẽ được gửi đến một trong các AGV đang chờ. Một cách khác để thiết lập quản lý lưu lượng kiểm soát khu vực là yêu cầu mỗi robot phải có bộ phát/ bộ thu nhỏ của riêng mình. Mỗi AGV sẽ gửi tín hiệu “do not enter” của riêng mình tới tất cả các AGV trong không gian gần nó. Nhược điểm của phương pháp này là nếu một khu vực bị lỗi, tất cả các AGV sẽ có nguy cơ va chạm với nhau. Zone Control là phương pháp kiểm soát AGV hiệu quả và không tốn nhiều chi phí. 2/ Điều khiển cảm biến (Sensor Control) Điều khiển cảm biến là việc sử dụng các cảm biến tránh chướng ngại vật để tránh va chạm giữa các AGV trong cùng khu vực. Cảm biến bao gồm: cảm biến siêu âm, hoạt động tương tự như radar; cảm biến quang học, sử dụng cảm biến hồng ngoại; cảm biến cản, là cảm biến tiếp xúc vật lý. Hầu hết các AGV đều được trang bị một số dạng cảm biến cảm như một biện pháp bảo vệ dự phòng. Cảm biến siêu âm gửi ra một xung điều biến tần số tuyến tính hoặc đầu ra tín hiệu tần số cao, sau đó chờ phản hồi. AGV có thể đánh giá liệu có vật thể phía trước hay không bằng cách đánh giá viền (contour) của tín hiệu phản hồi lại và thực hiện các hành động cần thiết để tránh và chạm. Cảm biến quang học sử dụng một bộ phát/ thu hồng ngoại phát ra tín hiệu hồng ngoại, tín hiệu này sau đó được phản xạ trở lại và hoạt động tương tự như cảm biến siêu âm. 3/ Điều khiển tích hợp (Integrated Control) Một phương pháp kiểm soát toàn diện kết hợp kiểm soát cảm biến và kiểm soát vùng được sử dụng để thực hiện việc kiểm soát giao thông giữa các AGV. Mỗi AGV trong hệ thống được trang bị hai cảm biến biến tránh chướng ngại vật hồng ngoại, một cảm biến được lắp ở phía trước để phát hiện vật cản trực tiếp phía trước. Và cảm biến còn lại được lắp ở phía trước bên phải để phát hiện các phương tiện đang tới từ phía bên. Để đảm bảo an toàn, hệ thống cũng sử dụng phương pháp điều khiển vùng (Zone Control) và trung tâm điều phối (dispatch center) sẽ thiết lập một tín hiệu loại trừ lẫn nhau trong khu vực có thể xảy ra va chạm. Khi một AGV đi vào khu vực, tín hiệu duy nhất bị chiếm. Lúc này, trung tâm điều phối sẽ gửi tín hiệu dừng đến các AGV khác đang cố gắng đi vào khu vực. Khi xe trước rời khỏi khu vực, tín hiệu riêng này sẽ được phát ra lại và phương tiện sau đó sẽ đi vào được khu vực.
Read more...

SLAM là gì? Cách thức hoạt động của nó ra sao?

SLAM (simultaneous localization and mapping) là một phương pháp được sử dụng cho các phương tiện tự hành, cho phép xây dựng bản đồ và định vị phương tiện trong bản đồ đó cùng một lúc. Thuật toán SLAM cho phép phương tiện vạch ra bản đồ môi trường không xác định. Các kỹ sư sử dụng thông tin bản đồ để thực hiện các nhiệm vụ như lập kế hoạch đường đi và tránh chướng ngại vật. Tại sao SLAM quan trọng? SLAM là chủ đề nghiên cứu kỹ thuật trong nhiều năm. Nhưng với những cải tiến lớn về tốc độ xử lý của máy tính và sự sẵn có của các cảm biến giá rẻ như camera và laser rangefinder, SLAM hiện được ứng dụng rộng rãi trong một số lĩnh vực thực tế. Để hiểu tại sao SLAM quan trọng, hãy xem hiệu quả của những ứng dụng sau. Ví dụ về SLAM Xem xét robot hút bụi trong nhà. Nếu không có SLAM, nó sẽ chỉ di chuyển ngẫu nhiên trong phòng và không thể làm sạch toàn bộ bề mặt sàn. Thêm vào đó, việc di chuyển ngẫu nhiên sử dụng quá nhiều năng lượng, khiến pin nhanh hết. Mặt khác, robot dùng SLAM có thể sử dụng thông tin như số vòng quay bánh xe và dữ liệu từ camera và cảm biến hình ảnh để xác định số lượng chuyển động cần thiết. Đây được gọi là “localization” (tạm dịch, “bản địa hóa”). Robot cũng có thể sử dụng đồng thời camera và các cảm biến khác để tạo bản đồ các chướng ngại vật trong môi trường xung quanh và tránh làm sạch cùng một khu vực hai lần. Đây được gọi là “mapping”. SLAM hữu ích trong nhiều ứng dụng khác như điều hướng một đội robot di động để sắp xếp các kệ hàng trong nhà kho, đậu xe tự lái ở một nơi trống hoặc giao gói hàng bằng cách điều hướng một máy bay không người lái trong môi trường không xác định. SLAM hoạt động như thế nào? Có hai loại công nghệ được sử dụng để tạo SLAM. Loại đầu tiên là cảm biến xử lý tín hiệu, bao gồm xử lý front-end, phụ thuộc phần lớn vào các cảm biến được sử dụng. Loại thứ hai là tối ưu hóa pose-graph, bao gồm xử lý back-end, là loại cảm biến bất khả tri (sensor agnostic). Để hiểu rõ hơn về phần xử lý front-end, hãy cùng tìm hiểu về 2 phương thức SLAM khác nhau: visual SLAM (SLAM trực quan) và lidar SLAM. Visual SLAM Visual SLAM (vSLAM) sử dụng hình ảnh thu được từ camera và các cảm biến hình ảnh khác. Visual SLAM có thể sử dụng camera đơn giản (camera góc rộng, hình cầu và fish-eye), kết hợp với mắt camera (stereo và nhiều camera) và RGB-D camera (depth and ToF camera). Visual SLAM được thực hiện chi phí thấp với các camera giá rẻ. Ngoài ra, vì camera cung cấp một lượng lớn thông tin nên chúng có thể được sử dụng để phát hiện các điểm mốc (vị trí đã đo trước đó). Phát hiện mốc cũng có thể được kết hợp với tối ưu hóa dựa trên đồ thị để đạt được sự linh hoạt trong việc triển khai SLAM. Monocular SLAM là khi vSLAM sử dụng một camera đơn làm cảm biến duy nhất, khiến cho việc xác định độ sâu trở nên khó khăn. Điều này có thể được giải quyết bằng cách phát hiện các điểm đánh dấu AR, bàn cờ hoặc các đối tượng đã biết khác trong hình ảnh để xác định vị trí hoặc bằng cách kết hợp thông tin máy ảnh với một cảm biến khác, chẳng hạn như đơn vị đo lường quán tính (IMUs), có thể đo các đại lượng vật lý như vận tốc và định hướng. Công nghệ liên quan đến vSLAM bao gồm cấu trúc từ chuyển động (SfM), đo thị giác (Visual odometry) và điều chỉnh gói (bundle adjustment). Thuật toán visual SLAM có thể được phân chia thành hai loại. Phương pháp quét rải rác khớp với các điểm đặc trưng của hình ảnh và sử dụng các thuật toán như PTAM và ORB-SLAM. Loại thứ hai, phương pháp quét dày đặc sử dụng độ sáng tổng thể của hình ảnh và các thuật toán như DTAM, LSD-SLAM, DSO, SVO. LiDAR SLAM Light detection and ranging - LiDAR là phương pháp sử dụng chủ yếu cảm biến laser (hoặc cảm biến khoảng cách). So với camera, ToF và các cảm biến khác, laser chính xác hơn nhiều và được sử dụng cho các phương tiện di chuyển tốc độ cao như ô tô tự lái và máy bay không người lái. Các giá trị đầu ra từ cảm biến laser là 2D (x, y) hoặc dữ liệu đám mây điểm (point cloud data) 3D (x, y, z). Đám mây điểm cảm biến laser cung cấp các phép đo khoảng cách có độ chính xác cao và hoạt động rất hiệu quả để xây dựng bản đồ với SLAM. Về cơ bản, chuyển động được ước tính tuần tự bằng cách khớp với các đám mây điểm. Chuyển động (quãng đường đã đi) này sử dụng để xác định vị trí của xe. Đối với đối sánh đám mây điểm lidar, các thuật toán đăng ký như điểm gần nhất lặp đi lặp lại – ICP (iterative closest point) và thuật toán biến đổi phân phối bình thường – NDT (normal distributions transform) được sử dụng. Bản đồ đám mây điểm 2D hoặc 3D có thể được biểu diễn dưới dạng bản đồ lưới hoặc bản đồ voxel. Mặt khác, các đám mây điểm không chi tiết về mật độ như hình ảnh và không phải lúc nào cũng cung cấp đủ các tính năng để đối sánh. Ví dụ, ở những nơi có ít chướng ngại vật, rất khó để căn chỉnh các đám mây điểm và điều này có thể dẫn đến mất dấu vị trí của phương tiện. Ngoài ra, đối sánh đám mây điểm thường yêu cầu sức mạnh xử lý cao, vì vậy cần phải tối ưu hóa các quy trình để cải thiện tốc độ. Do những thách thức này, việc bản địa hóa cho các phương tiện tự hành có thể liên quan đến việc kết hợp các kết quả đo lường khác như wheel odometry, hệ thống vệ tinh định vị toàn cầu (GNSS) và dữ liệu IMU. Đối với các ứng dụng như robot nhà kho, SLAM 2D lidar thường được sử dụng, trong khi SLAM sử dụng đám mây điểm 3D có thể được sử dụng cho UAV và xe tự động. Những thách thức phổ biến với SLAM Mặc dù SLAM được sử dụng cho một số ứng dụng thực tế, nhưng vẫn có những khó khăn về kỹ thuật hạn chế việc áp dụng nó trong điều kiện chung. 1. Lỗi tích lũy bản địa hóa (Localization errors accumulate), gây ra độ lệch đáng kể so với giá trị thực tế SLAM ước tính chuyển động tuần tự, bao gồm một số sai số. Lỗi tích lũy theo thời gian, gây ra độ lệch đáng kể so với giá trị thực tế. Nó cũng có thể khiến dữ liệu bản đồ bị thu gọn hoặc biến dạng, gây khó khăn cho những lần tìm kiếm tiếp theo. Lấy ví dụ về việc lái xe quanh một lối đi hình vuông. Khi xảy ra lỗi này, điểm xuất phát và điểm kết thúc của robot không còn khớp với nhau. Đây được gọi là sự cố đóng vòng lặp. Các lỗi ước lượng đặt ra như thế này là không thể tránh khỏi. Điều quan trọng là phát hiện các lần đóng vòng lặp và xác định cách sửa hoặc loại bỏ lỗi tích lũy. Một biện pháp xử lý khác là ghi nhớ một số đặc điểm từ một địa điểm đã đến trước đây làm mốc và giảm thiểu lỗi bản địa hóa. Pose-graph được xây dựng để giúp sửa lỗi. Bằng cách giải quyết vấn đề giảm thiểu lỗi như một vấn đề tối ưu hóa, dữ liệu bản đồ sẽ chính xác hơn. Loại tối ưu hóa này được gọi là điều chỉnh gói (bundle adjustment) trong SLAM trực quan. 2. Bản địa hóa không thành công và mất dấu vị trí trên bản đồ Lập bản đồ hình ảnh và đám mây điểm không xem xét các đặc điểm chuyển động của robot. Trong một số trường hợp, cách tiếp cận này có thể tạo ra các ước tính vị trí không liên tục. Ví dụ, kết quả tính toán cho thấy một robot đang di chuyển với vận tốc 1 m/s đột nhiên tiến về phía trước thêm 10m. Loại lỗi bản địa hóa này có thể được ngăn chặn bằng cách sử dụng thuật toán khôi phục hoặc bằng cách kết hợp mô hình chuyển động với nhiều cảm biến để thực hiện các tính toán dựa trên dữ liệu cảm biến. Một số phương pháp sử dụng mô hình chuyển động với sự kết hợp cảm biến. Phương pháp phổ biến là sử dụng Kalman filtering để bản địa hóa. Vì hầu hết các robot dẫn động vi sai và xe bốn bánh thường sử dụng mô hình chuyển động phi tuyến nên Kalman filter mở rộng và bộ lọc hạt (particle filters) (Monte Carlo localization) thường được sử dụng. Các bộ lọc Bayes linh hoạt hơn như unscented Kalman filters cũng có thể được sử dụng trong một vài trường hợp. Một số cảm biến thường được sử dụng là thiết bị đo lường quán tính như IMU, Attitude and Heading Reference System (AHRS), hệ thống dẫn đường quán tính (Inertial Navigation System, INS), cảm biến gia tốc kế, cảm biến con quay hồi chuyển (gyro sensors), cảm biến từ tính (magnetic sensors). Wheel encoder được gắn vào xe để đo hình học (odometry: sử dụng dữ liệu từ cảm biến chuyển động để ước tính sự thay đổi vị trí theo thời gian). Khi bản địa hóa không thành công, biện pháp đối phó để khôi phục là ghi nhớ một mốc làm key-frame từ một địa điểm đã đến trước đó. Khi tìm kiếm một điểm mốc, quy trình trích xuất đối tượng địa lý được áp dụng để nó có thể quét ở tốc độ cao. Một vài phương pháp dựa trên đặc điểm hình ảnh bao gồm bag of features (BoF) và bag of visual words (BOVW). Gần đây, deep learning được sử dụng để so sánh khoảng cách giữa các tính năng. 3. Chi phí tối ưu hóa và tính toán cao để xử lý hình ảnh, xử lý đám mây điểm Chi phí tính toán là một vấn đề khi triển khai SLAM trên phần cứng của xe. Tính toán thường được thực hiện trên các bộ vi xử lý nhúng nhỏ gọn và năng lượng thấp có khả năng xử lý hạn chế. Để đạt được bản địa hóa chính xác, điều cần thiết là phải thực hiện xử lý hình ảnh và đối sánh đám mây điểm ở tần suất cao. Ngoài ra, các tính toán tối ưu hóa như đóng vòng lặp là quá trình tính toán cao. Thách thức đặt ra là làm thế nào để thực hiện xử lý tính toán tốn kém như vậy trên các máy vi tính nhúng. Một biện pháp đối phó là chạy song song các quy trình khác nhau. Các quá trình như trích xuất tính năng, là bước đầu tiên của quá trình đối sánh, tương đối thích hợp để song song hóa. Sử dụng CPU đa lõi để xử lý, tính toán nhiều dữ liệu theo lệnh đơn (SIMD) và GPU nhúng có thể cải thiện tốc độ hơn nữa trong một số trường hợp. Ngoài ra, giảm mức độ ưu tiên và thực hiện tối ưu hóa pose-graph đều đặn (việc thực hiện pose-graph trong một chu kỳ tương đối dài) cũng có thể cải thiện hiệu suất.
Read more...

Cách tính ROI khi triển khai AMRs

Là một trong những công nghệ phát triển nhanh nhất trong ngành logistics, Autonomous Mobile Robot (AMRs) đang thu hút sự chú ý của các nhà quản lý chuỗi cung ứng trong nhiều ngành công nghiệp. AMR nổi bật với khả năng thúc đẩy hiệu quả và năng suất của hoạt động thực hiện đơn đặt hàng. Nhưng trước khi đồng ý thực hiện dự án AMRs, hãy dành chút thời gian để hiểu cách tính ROI của AMR và khả năng phát sinh chi phí ẩn khi mua hàng. Chi phí đi kèm khi đầu tư hệ thống AMR Ngoài chi phí cho phần cứng, phần mềm và phụ kiện của robot thường được nhà cung cấp AMR báo trước, có những chi phí bổ sung có thể phát sinh khi đảm bảo tích hợp và hoạt động trơn tru của AMR với hệ thống hiện có của doanh nghiệp. Chi phí thiết lập và cấu hình ban đầu Mặc dù đúng là so với các hệ thống công nghiệp truyền thống như AGV, AMR có cấu hình đơn giản hơn, nhưng vẫn cần thời gian và nỗ lực để thiết lập và vận hành AMR. Thời gian, nhân lực sẽ được loại bỏ khỏi vai trò thông thường của họ để sửa đổi, điều chỉnh môi trường nhằm tương thích với sự chuyển động của AMR. Cũng sẽ cần thời gian và công sức để tạo lại bản đồ hoặc đường đi nhằm chọn ra tuyến đường tối ưu nhất cho AMR. Chi phí triển khai Mặc dù việc triển khai AMRs là nhanh, nhưng có khả năng sẽ có một giai đoạn chuyển đổi mà nhân viên của bạn cần thời gian để làm quen và tự tin trong việc vận hành AMR. Việc thiếu đào tạo đầy đủ hoặc không thân thiện với người dùng của AMR có thể dẫn đến việc triển khai chậm trễ. Chi phí đào tạo Là một phần của cấu hình và triển khai, chi phí đào tạo sẽ cần phải được tính vào. Nếu lực lượng lao động của bạn có ít hoặc không có kinh nghiệm trước đó trong việc vận hành robot, bạn cần cân nhắc nhiều hơn về thời gian cũng như đào tạo để trang bị cho nhân viên bộ kỹ năng trong việc hợp tác giữa người-robot và giao diện phần mềm AMR. Chi phí cấu hình lại Khi mục tiêu công việc hoặc dự án bị thay đổi, AMR có thể cần được định cấu hình lại để phù hợp với sự thay đổi. AMR không dễ cấu hình lại hoặc sử dụng phức tạp, do đó gây ra thời gian ngừng hoạt động của xưởng máy/ kho hàng và dẫn đến chi phí bổ sung. Cách tính ROI khi sử dụng AMR Để tính toán thời gian hoàn vốn ROI (hay nói cách khác - bạn sẽ mất bao nhiêu năm để bù đắp chi phí đầu tư vào AMR và bắt đầu tạo ROI dương), trước tiên bạn cần tính tổng chi phí đầu tư AMR. Điều này bao gồm chi phí vốn, chi phí triển khai và chi phí bảo trì của đội AMR đã mua và thậm chí có thể bao gồm các chi phí ẩn khác như được đề cập trong bài viết này như chi phí triển khai, chi phí đào tạo và chi phí cấu hình lại. Thứ hai, bạn sẽ cần tính toán lượng lao động tiết kiệm hàng năm từ khoản đầu tư AMR. Ví dụ: điều đó có thể giống như tính toán tiền lương hàng năm của FTE mà bạn đã giảm hoặc triển khai lại từ kho của mình sau khi giới thiệu các giải pháp AMR. Chia chi phí AMR cho tiết kiệm lao động hàng năm để có được thời gian hoàn vốn ROI ước tính của bạn. Ví dụ về các công ty nhận được ROI dương Trường hợp 1: Yanfeng Yanfeng là công ty hàng đầu thế giới về nội thất ô tô, tập trung vào phát triển sản phẩm, tích hợp hệ thống và thiết kế. Trong quá trình sản xuất của mình, họ phải đối mặt với thách thức về hiệu quả vận chuyển nguyên vật liệu đến dây chuyền sản xuất thấp, khó quản lý hàng tồn kho, đường vận chuyển nguyên vật liệu dài, khả năng hiển thị kém về quy trình sản xuất và tỷ lệ sai sót cao. Yanfeng với robot di chuyển M100 để chuyển nguyên liệu thô vào dây chuyền sản xuất. Bằng cách kết nối Hệ thống di chuyển Geek + (GMS) với WMS và MES, nó cho phép hiển thị theo thời gian thực của quá trình sản xuất. Điều này đã giúp Yanfeng đạt được chi phí lao động thấp hơn, độ chính xác của việc xử lý vật liệu là 99% và giám sát quá trình sản xuất theo thời gian thực hiệu quả. Trường hợp 2: Konica Minolta Konica Minolta là một công ty công nghệ đa quốc gia của Nhật Bản, có văn phòng tại 49 quốc gia trên toàn thế giới, sản xuất các sản phẩm kinh doanh và hình ảnh công nghiệp cho thị trường in ấn sản xuất. Họ phải đối mặt với thách thức về hiệu quả hoạt động vận chuyển nguyên vật liệu thấp, chi phí bảo trì cao, tính kịp thời kém và cường độ lao động cao trong kho hàng, trong khi vẫn sử dụng các công nghệ truyền thống như AGV. Geek + đã cung cấp cho Konica Minolta 10 robot P800 trong kho tích hợp với Geek + iWMS, giúp quản lý nguyên vật liệu một cách chính xác. Cùng với đó, 3 robot M100 có tính năng điều hướng SLAM tại dây chuyền sản xuất cũng được triển khai để vận chuyển nguyên vật liệu từ kho đến dây chuyền sản xuất. Tất cả những điều này đã mang đến tần suất lấy hàng giảm 92%, hiệu suất phân phối vật liệu tăng 31 ~ 42% và tiết kiệm diện tích lưu trữ hơn 32% cho Konica Minolta. Trường hợp 3: Decathlon Decathlon là nhà bán lẻ đồ thể thao lớn nhất thế giới, chuyên về thị trường thể thao đại chúng, tích hợp toàn bộ chuỗi sản xuất về thiết kế sản phẩm thể thao, R & D, sản xuất, xây dựng thương hiệu, hậu cần và bán lẻ. Với tốc độ phát triển nhanh chóng của hoạt động kinh doanh thương mại điện tử của họ, Decathlon phải đối mặt với thách thức về hiệu quả lấy hàng thấp không thể theo kịp với nhu cầu ngày càng tăng. Geek + đã cung cấp các giải pháp lưu kho sáng tạo cho nhà kho Kunsan khổng lồ của Decathlon: một chương trình chọn và kiểm kê hàng hóa giữa người với người dựa trên công nghệ RFID. Diện tích dự án khoảng 2.000m2, với 46 robot P800, 7 trạm lấy hàng và 7 trạm đơn điểm. Tổng lượng hàng tồn của kho là gần 300.000, liên quan đến hơn 20.000 SKU. Việc triển khai AMR đạt hiệu quả cao, với công suất vận chuyển tăng lên 40.000 chiếc / ngày, hiệu suất bốc xếp đạt 300 chiếc / giờ, tăng 300% so với việc nhặt hàng thủ công. Hệ thống lấy hàng tích hợp với công nghệ RFID đạt tỷ lệ lấy hàng chính xác là 99,99%, giúp cải thiện đáng kể việc quản lý hàng tồn kho. Việc triển khai mới các trạm đơn điểm giúp tiết kiệm không gian và làm cho hoạt động của Decathlon linh hoạt hơn. AMR đã chứng minh được giá trị của mình trong quá trình chuyển đổi kỹ thuật số tại các kho hàng trong các ngành công nghiệp khác nhau, đồng thời cũng thể hiện rõ mức ROI hấp dẫn cho các doanh nghiệp khi triển khai hệ thống này.
Read more...

Sự khác biệt giữa AGVs và AMRs

Tự động hóa hệ thống kho vận là vấn đề của nhiều doanh nghiệp sản xuất. Trước sức ép chi phí nhân công ngày càng tăng, cạnh tranh ngành gay gắt, việc sử dụng lao động cho các công việc vận chuyển lặp đi lặp lại là rất lãng phí. Đưa các thiết bị vận chuyển tự động thay thế cho lao động truyền thống và điều chuyển nhân công vào công việc có giá trị cao hơn được coi là giải pháp hữu hiệu cho bài toán trên. Nhờ đó doanh nghiệp có thể tối ưu hóa sản xuất, giảm tắc nghẽn và lên kế hoạch vận chuyển hiệu quả hơn. Hiện tại AGV (Automated Guided Vehicle) vẫn được sử dụng nhiều cho nhiệm vụ vận chuyển hàng hóa tự động trong nhà máy, giữa các công đoạn sản xuất hoặc các kho hàng. Robot di động tự động AMR (Autonomous Mobile Robot) là phương tiện vận chuyển tự động mới được tích hợp nhiều công nghệ hiện đại, linh hoạt và hiệu quả hơn về chi phí. Chính điều này đang dần thách thức vị trí của AGV truyền thống. Mặc dù cũng được sử dụng để vận chuyển hàng hóa từ nơi này đến nơi khác, tuy nhiên AGV và AMR vẫn có nhiều điểm khác biệt. 1. KHẢ NĂNG ĐIỀU HƯỚNG AGV thường có các cảm biến (từ tính hoặc quang điện) gắn trên bo mạch và chỉ có thể di chuyển theo các đường dẫn đơn giản được lập trình trước. Để định hướng, chúng cần được chỉ dẫn bởi băng dẫn từ, băng quang, thẻ in mã QR … Doanh nghiệp sẽ tốn kém thêm chi phí khi muốn mở rộng hay thay đổi về đường dẫn. Trên đường di chuyển được định sẵn, AGV có thể phát hiện vật cản ở trước nó (vật cản nằm trên đường di chuyển), nhưng không thể điều hướng để tránh chướng ngại vật. AGV sẽ dừng lại khi gặp chướng ngại vật và chỉ có thể tiếp tục di chuyển khi vật cản đó được loại bỏ. Ngược lại, AMR điều hướng thông qua các bản đồ. Bản đồ đó được phần mềm số hóa từ không gian thực tế của nhà xưởng, hoặc bản đồ được đưa trực tiếp vào bộ nhớ của AMR. Khả năng của AMR được so sánh với ô tô được gắn định vị GPS và sử dụng bản đồ được tải sẵn. Khi biết vị trí các điểm đến và sơ đồ nhà xưởng, AMR sử dụng dữ liệu từ camera, máy quét laser, các cảm biến được tích hợp và phần mềm điều khiển để tự xây dựng đường đi hiệu quả tới điểm đích. Khi gặp vật cản trên đường di chuyển, bằng cách sử dụng các thuật thoán điều khiển kết hợp với xử lý các dữ liệu thu về từ các cảm biến, AMR sẽ tính toán đưa ra đường đi mới tốt nhất để vòng (vượt) qua chướng ngại vật phía trước và tiếp tục di chuyển đến đích. Điều này góp phần tối ưu hóa năng suất vận chuyển, đảm bảo đúng tiến độ vận chuyển hàng hóa trong nhà máy. 2. TÍNH LINH HOẠT Hệ thống điều khiển AMR được xây dựng trên các hệ điều hành phức tạp, nó linh hoạt và thông minh hơn các thuật toán điều khiển của AGV. AGV bị giới hạn di chuyển theo đường dẫn định sẵn được lắp đặt trên sàn. Điều này có nghĩa, khả năng ứng dụng AGV kém hơn và chỉ có thể làm 1 nhiệm vụ được đặt trước trong suốt quá trình hoạt động của nó. Việc thay đổi về đường dẫn sẽ phát sinh chi phí và kéo theo thời gian làm việc bị gián đoạn. AMRs chỉ cần sử dụng phần mềm để thay đổi đường đi, thay đổi tác vụ, do đó cùng một robot có thể thực hiện nhiều nhiệm vụ khác nhau tại các địa điểm khác nhau, tự động điều chỉnh để đáp ứng các yêu cầu sản xuất và môi trường thay đổi. Khi nhiệm vụ được thiết lập, nhân viên không phải mất thời gian điều phối công việc của robot. Do vậy, họ có thể tập trung vào công việc có giá trị cao góp phần đem lại lợi nhận cao hơn cho công ty. 3. MÔI TRƯỜNG LÀM VIỆC AMR phù hợp với môi trường sản xuất hiện đại đòi hỏi sự linh hoạt cao trong việc thay đổi dây chuyền để đáp ứng sản xuất sản phẩm mới. AMR có khả năng thích ứng để sản xuất nhanh trong bất kỳ quy mô sản xuất nào. Khi có thay đổi về vị trí đặt máy móc hoặc điểm nhận – trả hàng, một bản đồ di chuyển mới cho AMR có thể được cài đặt lại nhanh chóng trên phần mềm. Thay vì bị hạn chế bởi cơ sở hạ tầng như AGV, người dùng có thể dễ dàng tự triển khai lại các hoạt động cho robot khi nhu cầu kinh doanh phát triển, giúp doanh nghiệp tối ưu hóa sản xuất ngay cả trong môi trường phức tạp. 4. CHI PHÍ Mặc dù AMR sở hữu công nghệ hiện đại hơn AGV, nhưng nó vẫn được coi là giải pháp hiệu quả về chi phí trong dài hạn. Trái với AGV, AMR không tốn thêm chi phí khi có thay đổi về đường dẫn (chi phí băng từ và sữa chữa mặt sàn…). Do đó, việc thiết lập và chạy AMR nhanh hơn, ít tốn kém, đồng thời không làm gián đoạn quá trình sản xuất. AMRs giúp thu hồi vốn đầu tư (ROI) nhanh đáng kể – thường trong vòng chưa đầy sáu tháng. Khi doanh nghiệp phát triển, việc triển khai AMR có thể mở rộng với chi phí bổ sung tối thiểu.
Read more...