Az intralogisztika optimalizálása az Ipar 4.0-s ellátási láncok észszerűsítése és felgyorsítása érdekében – 2/2. rész

Az intralogisztikáról szóló sorozat 1. része azt tárgyalta, hogy hogyan lehet rendszerszinten használni az önjáró robotokat (AMR, autonomous mobile robot) és önirányító járműveket (AGV, autonomous guided vehicle) az intralogisztika megvalósítására és az anyagok szükség szerinti gyors és biztonságos mozgatására. Ez a cikk a felhasználási módokra összpontosít, valamint arra, hogy az önjáró robotok és önirányító járművek hogyan használják a különféle érzékelőket a tételek azonosítására és nyomon követésére, és hogyan támogatja a gépi tanulás (ML, machine learning) és a mesterséges intelligencia (MI vagy az angol artificial intelligence kifejezésből alkotott betűszóval AI) az anyagok azonosítását, mozgatását és szállítását a raktárban és a termelő létesítményekben.

Az intralogisztika (belső logisztika) önjáró robotokat és önirányító járműveket használ az anyagoknak az Ipar 4.0-s raktárakban és a gyártóüzemekben történő hatékony mozgatására. Az ellátási láncok észszerűsítése és felgyorsítása érdekében az intralogisztikai rendszereknek ismerniük kell az anyagok pillanatnyi helyét, tervezett rendeltetési helyét, valamint a pillanatnyi és a rendeltetési hely közötti mozgatásának legbiztonságosabb és leghatékonyabb útvonalát. Ez a zökkenőmentes navigáció sokféle érzékelőt igényel.

Az intralogisztikai megoldásokban az önirányító járművek és önjáró robotok érzékelőket használnak a helyzetfelismerésük javítására. A közelben tartózkodó személyek biztonságát, más berendezések védelmét, valamint a hatékony navigációt és helyzetmeghatározást érzékelőrendszerekkel lehet megteremteni. A használati követelményektől függően az önjáró robotok által használt érzékelők lehetnek érintkezéses érzékelők, például lökhárítókba épített véghelyzetkapcsolók, 2D és 3D lidarok („fényradar”, fény segítségével történő észlelés és távolságmérés), ultrahangos eszközök, 2D kamerák és sztereókamerák, radarok, kódolók, tehetetlenségi (inerciális) mérőeszközök (IMU, inertial measurement unit) és fotocellák. Az önirányító járművekben használt érzékelők lehetnek mágneses, induktív vagy optikai vonalérzékelők, valamint a lökhárítókba épített véghelyzetkapcsolók, 2D lidarok és kódolók.

A sorozat első része azzal foglalkozott, hogyan lehet rendszerszinten használni az önjáró robotokat és önirányító járműveket az intralogisztika megvalósítására és az anyagok szükség szerinti hatékony mozgatására.

Ez a cikk az érzékelőegyesítésre összpontosít, valamint arra, hogy az önjáró robotok és önirányító járművek hogyan használják az érzékelők, valamint a mesterséges intelligencia és a gépi tanulás különféle kombinációit helyzetmeghatározásra, navigációra és a működési biztonság megvalósítására. Az önirányító járművekben gyakori érzékelők rövid áttekintésével kezdődik, megvizsgálja a robot helyzetének fogalmát és az érzékelőegyesítést (azaz többféle érzékelő kombinált jelét) használó egyidejű helyzetmeghatározási és feltérképezési (SLAM, simultaneous location and mapping) algoritmusokat, valamint azt, hogy hogyan javíthatók az egyidejű helyzetmeghatározási és feltérképezési becslések a letapogatás eredményét a térképhez igazító (scan-to-map matching) és a letapogatás eredményét az előző letapogatás eredményéhez illesztő (scan-to-scan matching) eljárások használatával, majd azzal zárul, hogy röviden bemutatja, hogyan járul hozzá az érzékelőegyesítés az önjáró robotok és önirányító járművek biztonságos működéséhez. A DigiKey mindezekben az esetekben a robotikához és más ipari alkalmazásokhoz szükséges érzékelők és kapcsolók széles választékával támogatja a tervezőket.

Az önjáró robotok önálló működésének támogatásához és biztonságának megteremtéséhez számos érzékelőre, valamint érzékelőegyesítésre, mesterséges intelligenciára, gépi tanulásra és vezeték nélküli kapcsolatra van szükség. Bár az önirányító járművek teljesítményigénye kisebb, a biztonságos és hatékony működéshez továbbra is többféle érzékelőre van szükségük. Az érzékelőknek két átfogó kategóriája van:

• A belső vagy vagy sajátadat-érzékelők (idegen szóval proprioceptív érzékelők) a robot saját értékeit mérik, például a kerekek fordulatszámát, a terhelést, az akkumulátor töltöttségét és így tovább.
• A külsőadat-érzékelők (idegen szóval exteroceptív érzékelők) a robot környezetéről szolgáltatnak adatokat, például távolságot mérnek, meghatározzák a tájékozódási pontok helyét, és azonosítják az akadályokat, például a robot útjába kerülő embereket.

Az önirányító járművek és önjáró robotok esetében az érzékelőegyesítés a sajátadat-érzékelők és külsőadat-érzékelők kombinációjára épül. Példák az önjáró robotokban használt érzékelőkre (1. ábra):

• lézerletapogató tárgyak felismerésére 20 m-t meghaladó hatótávolsággal
• tehetetlenségi mérőeszköz 6 tengelyű pörgettyűvel (giroszkóppal) és gyorsulásmérővel, néha magnetométerrel is
• milliméteres felbontású kódolók a kerekeken
• érintkezéses érzékelő, például mikrokapcsoló a lökhárítóban, amely azonnal leállítja a mozgást, ha valamilyen nem várt tárgyhoz ér a robot
• két előre néző 3D kamera 4 m-es hatótávolsággal
• lefelé néző érzékelő a platform szélének érzékelésére (úgynevezett sziklaérzékelés)
• kommunikációs modulok a kapcsolat megteremtéséhez; ezek képesek lehetnek a Bluetooth-jel beérkezési (AoA, angle of arrival) és kilépési (AoD, angle of departure) szögének érzékelésére a valós idejű helyzetmeghatározási szolgáltatásokhoz (RTLS, real-time location services), illetve az 5G adás- és vételi pontok (TRP, transmission/reception points) meghatározására egy centiméteres pontosságú hálózat megrajzolásához
• 2D lidar a jármű előtti akadályok távolságának kiszámításához
• nagy látószögű 3D mélységérzékelő rendszer, amely alkalmas tárgyak azonosítására és helyzetük meghatározására
• nagy teljesítményű beépített matematikai processzor az érzékelőegyesítés, a mesterséges intelligencia és a gépi tanulás által igényelt számítások elvégzéséhez

1. ábra: Egy szemléltetésnek kiváló önjáró robot, amelyen látható a beépített érzékelők sokfélesége és helye (kép: Qualcomm)

A robot helyzete és az érzékelőegyesítés

Az önjáró robotok navigációja összetett folyamat. Az egyik első lépés az, hogy az önjáró robot tudja, hol van, és milyen irányban áll. Az adatoknak ezt a kombinációját nevezzük a robot helyzetének. A helyzet fogalma használható a többtengelyű álló robotok karjaira és végberendezéseire is. Az érzékelőegyesítés a helyzet meghatározásához kombinálja a tehetetlenségi mérőeszközöktől, kódolóktól és más érzékelőktől kapott bemenőjeleket. A helyzetmeghatározó algoritmus megbecsüli a robot (x, y) irányú helyzetét és a koordinátatengelyekhez viszonyított θ tájolási szöget. A robot helyzetét a q = (x, y, θ) függvény határozza meg. Az önjáró robotok esetében a helyzetadatoknak számos felhasználási módja van, többek között az alábbiak:

• Behatoló, például a robot közelébe lépő személy helyzetének meghatározása egy külső vonatkoztatási rendszerhez vagy magához a robothoz képest.
• A robot becsült helyzete egy adott sebességgel történő, előre meghatározott ideig tartó mozgást követően.
• A robotnak a pillanatnyi helyzetéből egy másik helyzetbe való elmozdulásához szükséges sebességprofil kiszámítása.

A helyzet számos robotszoftver-fejlesztő környezetben egy előre definiált funkció. A robot_pose_ekf csomag például a Robot Operating System (ROS, robotok operációs rendszere), egy nyílt forráskódú fejlesztőplatform része. A robot_pose_ekf a robot 3D helyzetének becslésére használható a különböző érzékelők (részleges) helyzetadatai alapján. A kerék által megtett út mérésére szolgáló kódoló, a vizuális úthosszmérésre használt kamera és a tehetetlenségi mérőeszköz által mért adatok kombinálásához kibővített Kálmán-szűrőt használ 6D modellel (3D helyzet és 3D tájolás). Mivel a különböző érzékelők különböző sebességgel és késleltetéssel működnek, a robot_pose_ekf nem követeli meg, hogy az összes érzékelőadat folyamatosan vagy egyidejűleg rendelkezésre álljon. Az egyes érzékelőket arra használja, hogy helyzetbecslést adjon egy adott kovarianciával. A robot_pose-ekf azonosítja az adott időpontban rendelkezésre álló érzékelőadatokat, és azoknak megfelelően adja meg a helyzetet.

Érzékelőegyesítés és egyidejű helyzetmeghatározás és feltérképezés

Sok olyan környezetben, ahol önjáró robotok működnek, vannak változó akadályok, amelyek időről időre elmozdulhatnak. Bár a létesítmény alaptérképe hasznos, de általában nem elegendő. Az ipari létesítményekben való mozgás során az önjáró robotoknak a helyzetadatoknál többre van szükségük, ezért a hatékony működés lehetővé tétele érdekében egyidejű helyzetmeghatározást és feltérképezést (SLAM, simultaneous location and mapping) is használnak. Az egyidejű helyzetmeghatározás és feltérképezés a környezet valós idejű feltérképezésével segíti a navigációt, és két alapvető módszere van:

• vizuális egyidejű helyzetmeghatározás és feltérképezés, amely egy kamerát és egy tehetetlenségi mérőeszközt párosít
• lidaros egyidejű helyzetmeghatározás és feltérképezés, amely egy lézeres érzékelőt, például 2D vagy 3D lidart és egy tehetetlenségi mérőeszközt kombinál

A lidaros egyidejű helyzetmeghatározás és feltérképezés pontosabb lehet, mint a vizuális változat, de általában drágább a megvalósítása. A vizuális egyidejű helyzetmeghatározási és feltérképezési becslések javítására használható alternatívaként, helyzetadatok szolgáltatására az 5G. Raktárakban és gyárakban az 5G magánhálózatok használata kiegészítheti az egyidejű helyzetmeghatározásra és feltérképezésre szolgáló beépített érzékelőket. Egyes önjáró robotok az x, y és z tengelyen centiméteres pontosságú rácsot felrajzoló 5G adás- és vételi pontok (TRP) segítségével valósítanak meg pontos beltéri helymeghatározást.

A sikeres navigáció az önjáró robot azon képességén múlik, hogy képes-e alkalmazkodni a változó környezeti elemekhez. A navigáció a környezet változásainak észlelése és a helyzet folyamatos frissítése érdekében kombinálja a vizuális vagy lidaros egyidejű helyzetmeghatározást és feltérképezést, az olyan átfedő műszaki megoldásokat, mint az 5G adás- és vételi pontok, valamint a gépi tanulást. Az érzékelőegyesítés többféleképpen segíti az egyidejű helyzetmeghatározást és feltérképezést:

• a környezet térbeli és szemantikai modelljének folyamatos frissítése a különböző érzékelőktől származó bemenőjelek alapján, mesterséges intelligencia és gépi tanulás segítségével
• az akadályok azonosítása, ami lehetővé teszi az útvonaltervező algoritmusok számára, hogy elvégezzék a szükséges kiigazításokat, és megtalálják a leghatékonyabb útvonalat az adott területen át
• az útvonalterv végrehajtása, amely valós idejű vezérlést igényel – beleértve az önjáró robot sebességének és irányának megváltoztatását is – a tervezett útvonal módosításához, ahogy a környezet változik

Amikor az egyidejű helyzetmeghatározás és feltérképezés nem elég

Az egyidejű helyzetmeghatározás és feltérképezés az önjáró robotok hatékony navigációjának létfontosságú eszköze, de önmagában nem elegendő. A helyzetmeghatározási algoritmusokhoz hasonlóan az egyidejű helyzetmeghatározás és feltérképezés is egy kibővített Kálmán-szűrővel van megvalósítva, és ezért csak becsült értékeket szolgáltat. Az egyidejű helyzetmeghatározás és feltérképezés becsült értékei kibővítik a helyzetadatokat, többek között egyenes vonalú és elfordulási sebességekkel és lineáris gyorsulásokkal. Az egyidejű helyzetmeghatározáson és feltérképezésen alapuló becslés kétlépcsős folyamat: az első lépésben előrejelzéseket állít össze a belső érzékelők értékeit a fizikai mozgástörvények alapján elemezve. A becslés hátralévő lépése külső érzékelők értékeit igényli a kezdeti becslések finomításához. Ez a kétlépcsős folyamat segít kiküszöbölni és kijavítani a kisebb hibákat, amelyek idővel felhalmozódhatnak, és jelentős hibákat okozhatnak.

Az egyidejű helyzetmeghatározás és feltérképezés az érzékelőktől kapott bemenőjelek elérhetőségétől függ. Bizonyos esetekben a viszonylag olcsó 2D lidar nem működik, például ha nincsenek objektumok az érzékelő közvetlen látóterében. Ezekben az esetekben a 3D sztereókamerák vagy a 3D lidar javíthatják a rendszer teljesítményét. A 3D sztereókamerák és a 3D lidar azonban drágábbak, és több számítási teljesítményt igényel a használatuk.

Egy másik lehetőség egy olyan navigációs rendszer használata, amely az egyidejű helyzetmeghatározást és feltérképezést a csak 2D lidarérzékelőkkel megvalósítható, a letapogatás eredményét a térképhez igazító (scan-to-map matching), illetve a letapogatás eredményét az előző letapogatás eredményéhez illesztő (scan-to-scan matching) technikákkal egyesíti (2. ábra):

• A letapogatás eredményét a térképhez igazító megoldás a lidar távolságadatait használja az önjáró robot helyzetének megbecsléséhez, a tárolt térkép adataival egyeztetve a távolságmérések eredményét. Ennek a módszernek a hatékonysága a térkép pontosságától függ. Az idő múlásával nem visz be elsodródást a rendszerbe, de ismétlődő környezetben olyan hibákat eredményezhet, amelyeket nehéz azonosítani. Ezek következtében úgy tűnhet, hogy az érzékelt helyzetek ugrásokkal (nem folytonos vonalként) változnak. Ennek kiküszöbölése komoly feladatot jelenthet.
• A letapogatás eredményét az előző letapogatás eredményéhez illesztő megoldás a lidar egymást követő távolságadatait használja az önjáró robot helyzetének két letapogatás közti megbecslésére. Ez a módszer frissített hely- és helyzetadatokat szolgáltat az önjáró robot számára, minden meglévő térképtől függetlenül, és hasznos lehet a térképkészítés során. Ez azonban egy növekményes algoritmus, amely az idő múlásával elsodródást vihet be a rendszerbe, és nem képes azonosítani az elsodródás okozta pontatlanságokat.

2. ábra: Az egyidejű helyzetmeghatározó és térképező (SLAM) rendszerek teljesítményének kiegészítésére és javítására használhatók a letapogatás eredményét a térképhez igazító (scan-to-map) és a letapogatás eredményét az előző letapogatás eredményéhez illesztő (scan-to-scan) algoritmusok (ábra: Aethon)

A biztonsághoz érzékelőegyesítésre van szükség

Az önirányító járművek és önjáró robotok esetében a biztonság kulcsfontosságú, és több szabványt is figyelembe kell venni. Ilyenek például a következők: ANSI/ITSDF (American National Standards Institute/Industrial Truck Standards Development Foundation, Amerikai Nemzeti Szabványügyi Intézet/Iparitehergépkocsi-szabványokat Fejlesztő Alapítvány) B56.5 – 2019 – Safety Standard for Driverless, Automatic Guided Industrial Vehicles and Automated Functions of Manned Industrial Vehicles (A vezető nélküli ipari önirányító járművekre és az ember által vezetett ipari járművek automatizált funkcióira vonatkozó biztonsági szabvány), az ANSI/RIA (ANSI/Robotic Industrial Association, ANSI/Ipari Robotok Egylet) R15.08-1-2020 – Standard for Industrial Mobile Robots – Safety Requirements (Az ipari önjáró robotokra vonatkozó szabvány – biztonsági követelmények), az ISO (International Standards Organization, Nemzetközi Szabványügyi Szervezet) számos szabványa és egyéb szabványok.

Az önirányító járművek és önjáró robotok biztonságos működéséhez olyan érzékelőegyesítésre van szükség, amely a biztonsági tanúsítvánnyal rendelkező 2D lidarérzékelők (ezeket néha biztonsági lézerletapogatóknak is nevezik) és a kerekeken lévő kódolók jelét kombinálja. A 2D lidar egyidejűleg két érzékelési távolságot tesz lehetővé, 270°-os az érzékelési szöge, és összeveti a jármű sebességét a kódolók által jelentett sebességgel. Ha a lidar a távolabbi érzékelési zónában (érzékelőtől függően legfeljebb 20 m távolságban) valamilyen objektumot észlel, a jármű szükség szerint lelassítható. Ha az objektum a haladási irányban a közelebbi érzékelési zónába kerül, a jármű megáll.

A biztonsági lézerletapogatókat gyakran 4 darabos készletben használják, egyet-egyet helyezve el belőlük a jármű minden sarkán. Ezek képesek egyetlen egységként működni, és közvetlenül kommunikálni a jármű biztonsági vezérlőegységével. A lézerletapogatók kaphatóak 3. biztonsági kategóriájú, d teljesítményszintű (Pld, Performance Level d) és 2. biztonságjósági szintű (SIL2, Safety Integrity Level 2) kivitelben, tanúsítvánnyal ellátva, IP65 védettségű házban, amely a legtöbb kül- és beltéri felhasználási területre egyaránt alkalmas (3. ábra). A lézerletapogatóknak az érzékelőegyesítés támogatásához van egy a kerekek növekményes kódolóadatainak bevitelére szolgáló bemenetük is.

3. ábra: Az ilyen 2D lidarérzékelők kombinálhatók a kerekeken lévő kódolókkal egy olyan érzékelőegyesítő rendszerben, amely segíti az önjáró robotok és önirányító járművek biztonságos működését (kép: Idec)

Összegzés

Az intralogisztika segíti az Ipar 4.0-s raktárakban és gyárakban a gyorsabb és hatékonyabb ellátási láncok kialakítását. Az önjáró robotok és önirányító járművek az intralogisztika fontos eszközei, ezek szállítják az anyagokat a kellő időben és biztonságosan egyik helyről a másikra. Az önjáró robotok és önirányító járművek funkcióinak támogatásához szükség van az érzékelőegyesítésre, beleértve a helyzet meghatározását, az egyidejű helyzetmeghatározási és feltérképezési adatok kiszámítását, a navigációs teljesítménynek a letapogatás eredményét a térképhez igazító, illetve a letapogatás eredményét az előző letapogatás eredményéhez illesztő technikák párosításával történő javítását, valamint a személyzet és a tárgyak biztonságának megteremtését az egész létesítményben.