AGV和移动机器人专家Kollmorgen在系统级别和车载单个 AGV 上测量 AGV 系统的性能。他收集了有关电机驱动器、激光扫描仪、定位、交通和障碍物干扰的信息，从而找到有助于改进产品和系统配置的趋势和模式。

该数据可以测量生产力或每日利用率趋势的高低，并可以用于优化路线、增加吞吐量和计算更智能的资源利用率。对于最终用户来说，这意味着更低的成本和更高的收入。收集到的数据还可以为可能干扰 AGV 性能的外部过程提供重要线索。

Kollmorgen说：“人工神经网络是一种基于人脑结构的计算模型，我们的脑细胞或神经元通过复杂的神经网络相连。简单来说，如果输入的信号足够强，神经元就会被激发，并且信号将继续传递到神经元所连接的下一组细胞。通过这种方式，我们大脑中所有不同神经元之间的连接结构将决定信号的传播方式，当我们学习新事物时，大脑内部的连接就会被重组。在人工神经网络中，信号是用数字代替的。”

能否举例说明该系统将如何从物流环境中的数据中识别正确的信号？

Kollmorgen回答道：“设计 AGV 系统可能是一项复杂的任务，这需要大量的技能和经验。例如，在设计道路网络时，可能有数以万计的单独网络需要配置。当然，在这期间很容易犯错误，而且通常只有在模拟中运行系统后才会发现此类错误。因此，我们目前正在开发可以直接分析道路网络的工具，以便用户获得更即时的反馈。在内部测试中，我们发现用户在错误配置中找到根本原因的时间提高了 5 倍。”