最佳的生产过程需要一个最佳的材料流。由于在工业4.0的过程中,所有制造过程的相互联系越来越多,内部物流起到了决定性的作用。将正确的物料在正确的时间和正确的数量运送到正确的地点是挑战之一。基于人工智能的软件系统正在帮助越来越多的公司保持物料流动不受干扰,并通过优化运输顺序或对内部运输的所有车辆进行智能控制,快速灵活地调整日常业务的流程。这是在工业运作日益复杂的情况下成功实现高效生产物流的唯一途径。
位于德国亚琛的软件公司INFORM的工业物流专家Matthias Wurst解释说:"越来越多的公司认识到内部物流对整个生产过程的重要性。自1985年以来,这位优化专家一直在为内部物料流的优化组织提供IT系统。此外,这些公司意识到,他们需要专门的软件来控制、优化和跟踪他们的运输。" INFORM对德国工业公司的121名专家和经理进行的调查也证实了这一趋势。据此,80%的受访公司希望提高其内部物流的生产力。
有数百万种方法来组织内部物流运输
在INFORM调查的公司中,超过三分之二的公司每天都有超过100份运输订单。运输网络相应地也很复杂。对实践的观察证实了这一点:"在DB Fahrzeuginstandhaltung GmbH,仅执行10个运输订单,就有超过360万个不同的序列。然而,在实践中,每天都有几百个。"Matthias Wurst说。该公司使用INFORM公司的SYNCROTESS运输控制系统的云端版本。在四个地点,每月约有5,000次运输已通过系统处理,并进入优化的序列。在其他五个国家,该软件的实施已经开始。"有了这样的数量和动态,如果没有一个中央控制系统,就不可能对整个运输链保持完整的概览"。
INFORM的趋势报告说:"大多数工业公司仍然依靠叉车作为订单处理的最重要的运输工具。自动导引车(AGV)在25%的情况下被使用。与2013年的工厂物流调查相比,这个数字是两倍多。当时,只有11.6%的研究参与者有AGV在使用。因此,总体而言,德国工业企业的内部物流有了积极的发展。长期以来,这一领域被认为是工程量不足,几乎没有优化,但今天,流程的数字化和自动化似乎是技术工人的优先事项。"
运输控制系统:每个运输订单的路线和时间都得到优化
随着自动化程度的提高,对使用运输控制系统的需求也在增加。Matthias Wurst说:"这增加了关于叉车、物料或其他资源的透明度。"然而,概述并不是一个好系统的核心。最重要的是,它需要基于人工智能的优化算法,能够从具体情况中临时推断出哪辆叉车接下来应该执行哪个订单,从而使整个订单网络得到最佳服务。" 运输优化是指在整体最优的情况下采取行动。这可能意味着,例如,一辆叉车不执行目前距离最短的订单,而是执行可以接着更好的后续订单。因此,系统总是安排有利于后续的运输顺序,这样就不会出现长时间的空跑。
这种优化逻辑的另一个用例是,ERP系统中运输订单的创建往往取决于调度员的工作班次和订购程序。一个使用自学算法(机器学习)的运输控制系统甚至可以在运输订单下达之前就将其考虑在内。例如,如果系统知道某些库存材料的运输总是在下午4点进行,而这个订单已经可以在早上完成,从而避免了空跑,那么这个算法就会独立做出这个决定。理论上听起来很有道理,但在实践中往往因为使用不同类型的车辆而变得复杂,例如不同制造商的AGV与手动控制的地面输送机相结合。只有通过另一个重要的组成部分才能将所有运输订单纳入所有车辆的优化序列:联网。
无人驾驶运输系统正变得越来越重要
自主驾驶与内部物流的数字化转型密切相关。因此,混合动力车队正在公司中出现。然而,当自主和手动操作的运输工具相互独立控制时,大厅里就会出现问题。然而,由于人和机器的结合是内部物流的趋势,运输控制系统必须能够以网络的方式控制这样一个混合车队
为什么存在系统边界?
AGV通常是作为一个完整的包从AGV供应商那里购买的。那么部分控制和传感器技术已经存在,但通信只发生在同一品牌的AGV之间。"如果你想在一个大厅里操作不同的AGV,同时还有司机,你需要接口和一个所谓的控制系统,从元的角度协调旅程。"Matthias Wurst解释说。由VDA和VDMA标准化的VDA 5050通信接口建立了这种连接。
它为任何AGV的联网创造了基础,并将异质系统纳入一个环境。通过这种联网,车辆然后从控制系统接收运输命令,并实时报告其状态。此外,AGV总是被输入当前的地图数据。例如,自由移动的AGV和传统的叉车可以在一个大厅里并排运行,而不会造成事故、延误或交通堵塞。
2024-04-01 09:19
2024-03-26 09:12
2024-03-25 09:20
2024-03-25 09:07
2024-03-20 11:40
2024-03-20 09:37
2024-03-18 09:43
2024-03-18 09:39
2024-03-12 10:29
2024-03-12 09:33