智能物流装备产业正在快速发展。最近几年,出现更加迅猛的趋势。作为工业车辆的智能物流装备领域的领军企业,安徽合力也在2013年到2022的10年期间,主营收入从66亿增长到现在的157亿。面向未来,依然会有大幅度的成长空间。而物流装备的无人化,是其中一个重要的亮点。无人叉车,正在成为新宠。
跟公路、铁路、航运的大物流相比,工厂的智能物流体系基本上集中在无人导引小车(AGV)为核心的应用场景。在1992年以前,要做AGV极其困难:没有无线通讯技术,没有合适的车载计算机,没有算法、没有数据库。而且磁导是最基本的导引方式,勉强实现规定路径的无人化。这是一个很困难的时期。
随着定位技术、导引技术、通讯技术的发展,尤其是云计算的风起云涌,现在再谈AGV,已经几乎没有技术屏障,而只是如何将技术用好的问题。2005年之后,AGV发展速度极快。有意思的是,这也是工业机器人在中国的成长过程。
AGV有很多种,其中一种是叉车式AGV,或者称之为无人叉车。无人叉车的规模增长非常快。2017年到2021年,市场高速增长控制工程网版权所有,规模翻了四倍,从4亿元扩大到16亿人民币。尤其在2021年以来,无人叉车已经成为很多企业的必选项。当然,也要客观地看CONTROL ENGINEERING China版权所有,基数还有待快速拉升,无人叉车式AGV应用场景的进一步拓展还存在一定难度。2021年的叉车式AGV控制工程网版权所有,只有7000多台。虽然渗透率不足1%,但它的发展前景,却是非常远大。
各种设备在场内穿梭,不仅仅是大的平台车,甚至在产线的一个很细微的工段也出现了AGV。对于AGV而言,从过去单品到集成化应用,围绕着整个厂区内部的各种物流体系,从立库到产线,从门到门,到厂与厂之间的跨接,都有各种各样AGV方案响应这样的物流需求,这也是从过去的单机模式过渡到集成模式的新变化。
无人叉车跟其他无人车的最大差别,在于定位要求是三维的。在地平线方向需要达到5毫米级别,而在垂直方向上则需要在一个8米高度的空间里依然达到十毫米以内的定位精度。精度要求,曾经制约了叉车式AGV应用主要技术因素。但现在,这些搬运设备都在克服这些约束。与此同时CONTROL ENGINEERING China版权所有,在平台、数据化服务方面,也诞生一些新的业务模式。例如群体智能体调,推动“生产制造”转向“供应链协同”等。
这其中,集成化成为一种非常重要的能力,这需要边缘计算的支撑。
工业车辆自主导航技术一直是人们关注的热点。无人叉车的定位精度要达到毫米级,就是5毫米左右,要达到这个级别,大量的叉车式无人车采用了一种同步定位构图的激光导航方式。这种方式在单机情况下非常好用,但在群体机群的控制上,则容易发生一些干扰。在多车协同工作的场景中,多个车辆需要同时构建环境地图并进行协同工作。这就需要采用边缘计算能力,来解决激光导航问题。除了完成任务的调度,还在任务管理、车车交互提供算力支撑。
从边缘计算角度来讲控制工程网版权所有,更多的强调在现场的计算速度和执行速度。但对于叉车而言,既要强调单体边缘计算能力,又要用平台化计算思路规划边缘计算。对于边缘计算来说,就出现一个新的领域:集群化的边缘计算。这种集群化的边缘计算,就是帮助车间可以在应用场景中可以最大程度地调度好车辆。
与此同时CONTROL ENGINEERING China版权所有,需要用好5G技术的应用。5G技术关键提供的是大连接和低时延。这正好可以结合边缘计算的能力,通过5G能够实时掌控边缘物料或者是车辆运行情况。
工厂外部的运输大物流,如何跟制造过程的厂内物流相结合,是一个越来越迫切的话题。当拖车的大平板进入到泊位的时候需要精准定位,此时要跟厂内的装运吊桥或叉车式AGV密切结合,5G终端的出现可以发挥最大的作用。但目前为止,还需要进一步加强它的应用技术和稳定性研究。
人工智能的应用,也可以大力促进无人叉车的发展。对于人工智能的应用不仅仅是在产品结构上,在物流组织和优化分析也可以使用这些技术。要想让无人叉车能够很好地协同运行的话,需要有强大边缘计算和建立数字孪生的模型来支撑,背后还有一个云计算能力。但现在,还基本上处于基于一条一条的指令型的调度,还没有做到自主思考和判断。
另外,无人叉车的“精确”也带来了意想不到的挑战。最近我发现在车间里,出现地面被AGV碾坏压裂的情况。以前为什么没有?因为过去开叉车,司机可以掌控一切,重复路径的可能性很低。但是AGV作业,完全按照规划路线走。叉车AGV的载荷又非常大,长时间运行之后,场地里面被压上深深的沟槽。这是过去根本没有想过的事情。在相对局部的内部物流里面,可能今后是一个无限的安全生产事故的引发点。
如何让人工智能体系不仅仅好好规划最优路线,而且可以根据经验和现场判定适当绕开一些固定路线。这个除了调度以外,还需要实时观察现场。在这里,人工智能技术就有用武之地,由此引发出一系列动作。过去基于任务的调度几乎都是线性的。而人工智能可以提供并行的线性技术,或者网状思考的方式,这些都可以用在调度上。
大量实践正在展开,而非法入侵就是一个重点事项。在预设的地图里,很难识别现场的情况。而在工作现场里面会有大量的非法的入侵。减速、停车,还是继续行走?这些判断都需要很好的推理分析。这跟自动驾驶遇到的意外处理,是一样的逻辑。
与此同时CONTROL ENGINEERING China版权所有,要考虑对于变化的识别。叉车AGV铲货的时候可能遇到上一轮铲货被人移动了位置,导致和预定不一样。如何重新调整叉车姿态甚至重设任务,也需要智能化的判断。
一个智能工厂,需要实现三重智能,它分为三个层次的融合:通过智能工厂生产智能产品、通过搭载智能服务为用户提供增值价值,这就形成一个完整的“三智一网”的循环。
而在这其中,无人叉车是一个重要的连接点,推动实现场景智能化,真正实现大物流与厂内物流结合,而厂内物流也可以做到无缝衔接。