Optimierung autonomer mobiler Roboter: Seegrids Weg mit Simio Simulation

Die Herausforderung

Einführung

In der sich schnell entwickelnden Landschaft des Materialtransports hat sich Seegrid als Pionier in der autonomen mobilen Robotertechnologie (AMR) etabliert. Die AMRs von Seegrid, die mehr als 50 globale Marken unterstützen, haben Produktions- und Vertriebseinrichtungen verändert, indem sie bis zu 80 % der nicht geförderten Materialbewegungen automatisiert und den Lagerbedarf um bis zu 30 % reduziert haben. Da die Arbeitsabläufe der Kunden jedoch immer komplexer wurden, erkannte das Anwendungstechnik-Team von Seegrid den Bedarf an ausgefeilteren Tools für die Entwicklung und Validierung ihrer Lösungen. Diese Fallstudie zeigt, wie Seegrid mit Simio zusammenarbeitete, um die diskrete Ereignissimulation zu implementieren, die es dem Unternehmen ermöglichte, den Betrieb der AMR-Flotte zu optimieren, Staus zu reduzieren und seinen Kunden effizientere Lösungen zu bieten.

Abbildung 1: Seegrid Lift CR1 AMR in Aktion.

Unternehmenshintergrund

Seegrid wurde 2003 von Hans Moravec, Absolvent der Carnegie Mellon University, gegründet und hat seine Wurzeln in Pittsburgh, Pennsylvania. Das Unternehmen ist auf autonome mobile Roboter spezialisiert, die palettierte Materialhandhabungsprozesse in der Fertigung, Logistik und Lagerhaltung automatisieren. Die Produktpalette von Seegrid umfasst den Lift CR1 (der Lasten bis zu einer Höhe von 15 Fuß und einem Gewicht von 4.000 Pfund handhaben kann), den Lift RS1 (für Anwendungen mit geringer Hubhöhe von bis zu 6 Fuß und einem Gewicht von 3.500 Pfund) und den Tow Tractor (für den Materialtransport über lange Strecken mit einer Kapazität von bis zu 10.000 Pfund).

Das Besondere an Seegrid ist das infrastrukturfreie Navigationssystem, das auf Stereovision und 3D-Kartierungstechnologien basiert. Dieser innovative Ansatz ermöglicht es den AMRs, in komplexen Umgebungen zu navigieren, ohne dass physische Infrastrukturänderungen erforderlich sind.

"Der Materialtransport befindet sich im Umbruch", erklärt David Griffin, Chief Sales Officer von Seegrid, "und Seegrid steht im Zentrum dieser Revolution. Wir unterstützen mehr als 50 globale Marken und setzen unsere zuverlässigen und bewährten AMRs in Kundenumgebungen ein, die die Arbeitsweise dieser Einrichtungen vollständig verändern. Die Zukunft ist autonom."

Die Herausforderung

Grenzen der traditionellen Planungsmethoden

Während das Anwendungstechnikteam von Seegrid weiterhin ein zuverlässiges Excel-basiertes Modell zur Unterstützung des Lösungsdesigns einsetzt, musste es seinen Ansatz um eine Simulationsmodellierung erweitern, um tiefere Einblicke und eine größere Flexibilität bei der Planung komplexerer Arbeitsabläufe zu erhalten. Die bewährte Methode bestand darin, Routen im CAD zu erstellen und diese Daten dann zu extrahieren, um sie mit einem Excel-Makro mit Geschwindigkeitsprofilen zu kombinieren.

"Da wir wissen, dass unser Produkt gewachsen ist und wir komplexere Arbeitsabläufe bei unseren Kunden beobachten, wussten wir, dass wir ein anderes Werkzeug in unserem Werkzeuggürtel brauchten", erklärt Sydney Schooley, Seegrid Application Engineering Manager. "Die diskrete Ereignissimulation hilft uns, die Seegrid AMR-Interaktionen in Kundenumgebungen besser zu verstehen und zu visualisieren."

Besondere Herausforderungen im AMR-Flottenbetrieb

Das Application Engineering Team stand vor mehreren kritischen Herausforderungen, die ein robusteres Planungssystem erforderten:

1. Visualisierung von AMR-Interaktionen: Mit statischen Modellen war es schwierig zu verstehen, wie mehrere Fahrzeuge an Kreuzungen interagieren und potenzielle Staupunkte zu identifizieren.
2. Optimierung der Auftragsreihenfolge: In modernen Fertigungsumgebungen, insbesondere in solchen mit Einzelpräsentation von Teilen, erforderte die zeitliche Abstimmung des Austauschs von leeren gegen volle Behälter (bekannt als "Hot Swapping" oder "Job Sequencing") eine präzise Koordination zwischen mehreren Seegrid AMRs.
3. Bewältigung von Spitzenvolumina: Die Feststellung, ob dieselbe Flottengröße sowohl das durchschnittliche als auch das Spitzenaufkommen während des Jahres bewältigen kann, war ohne dynamische Simulation eine Herausforderung.
4. Testen von "Was-wäre-wenn"-Szenarien: Das Team brauchte eine Möglichkeit, mit verschiedenen Flottengrößen und -konfigurationen zu experimentieren, um die optimale Lösung für die individuellen Anforderungen eines jeden Kunden zu finden.

"Die Einzelpräsentation von Teilen ist ein üblicher Arbeitsablauf in der Materialhandhabung in der Fertigung", so Schooley. "Da der Platz in der Fertigung knapp bemessen ist und viele Teile zu einem Produkt hinzugefügt werden müssen, sieht man oft einen Behälter mit diesem Material in einer einzigen Teilepräsentation."

Dieses Szenario führt zu einer zeitkritischen Situation: Wenn ein Behälter mit Teilen aufgebraucht ist, beginnt die Uhr zu ticken, bis ein Materialhandler den leeren Behälter gegen einen vollen austauschen kann. Bei Hunderten von Teilen, die für komplexe Baugruppen wie z. B. Automobile benötigt werden, führt dies zu erheblichen Engpässen sowohl für die menschlichen Materialhandler als auch für autonome Systeme.

Die Lösung

Die Lösung: Diskrete Ereignissimulation mit Simio

Im Jahr 2024 begann Seegrid mit der Suche nach einem Simulationspartner, um seine Fähigkeiten zur Entwicklung autonomer Lösungen zu verbessern. Nach der Evaluierung verschiedener Optionen entschied man sich für Simio aufgrund seiner leistungsstarken Funktionen zur diskreten Ereignissimulation und seines kollaborativen Ansatzes.

"Wir haben uns für Simio entschieden, weil wir sahen, dass es eine großartige Partnerschaft geben würde", erklärt Schooley. "Wir können unseren Entwickler, Adam [Sneath] von Simio, gar nicht genug loben. Er schuf ein positives Umfeld für die Zusammenarbeit, war immer an unserem Produkt interessiert und stellte sicher, dass er unsere Anliegen verstand. Wir waren zuversichtlich, dass dieses Simio-Modell repräsentiert, wie Seegrid die Automatisierung in der realen Welt durchführen würde."

Wichtigste Simulationsfähigkeiten

Das Simio-Simulationsmodell bot Seegrid mehrere wichtige zusätzliche Funktionen:

• Visualisierung von AMR-Interaktionen: Die Simulation ermöglichte es dem Team zu sehen, wie die Seegrid AMRs an wichtigen Knotenpunkten interagieren würden, um potenzielle Staupunkte vor der Implementierung zu identifizieren.

• Modellierung der Auftragsreihenfolge: Simio ermöglichte die Modellierung komplexer Auftragsabhängigkeiten und stellte sicher, dass ein AMR seine Aufgabe (z. B. die Entnahme eines leeren Containers) abschließen würde, bevor ein anderer AMR mit der entsprechenden Aufgabe beginnt (z. B. die Auslieferung eines vollen Containers).
• Verkehrsanalyse: Die Simulation lieferte detaillierte Analysen der Wartezeiten an Kreuzungen und half so, Engpässe zu erkennen und die Streckenführung zu optimieren.
• Experimentierrahmen: Die Experimentierfunktionen von Simio ermöglichten es dem Team, verschiedene AMR-Flottengrößen und -konfigurationen zu testen, um die optimale Lösung für die Bedürfnisse des jeweiligen Kunden zu finden.
• Unterstützung mehrerer AMR-Typen: Das Modell konnte verschiedene AMR-Typen von Seegrid (wie Lift CR1, Lift RS1 und Schlepper) simulieren, die gleichzeitig in derselben Anlage betrieben wurden.
• Energiemanagement: Das Modell ist in der Lage, die Aufladung von AMRs während der Produktion zu berücksichtigen. Diese Logik ähnelt der Seegrid Fleet Central Software, bei der ein AMR, sobald er einen Mindestbatteriestand erreicht, in das Ladegerät geht und für neue Aufträge nicht mehr zur Verfügung steht, bis eine Mindestladezeit erreicht ist.

Abbildung 3: Batteriedatendiagramm mit Lade- und Entleerungsraten pro Batterietyp.

Implementierung Prozess

Die Implementierung der Simio-Simulation bei Seegrid folgte einem strukturierten Ansatz:

• Modellentwicklung: Seegrid bildete ein "Tiger-Team", bestehend aus Sydney Schooley, Application Systems Engineer Sofia Panagopoulou und Application Engineer Abby Perlee, um gemeinsam mit Sneath von Simio das erste Modell zu entwickeln.
• CAD-Integration: Eine der ersten Herausforderungen war die Integration von CAD-Zeichnungen der Anlagenlayouts in das Simulationsmodell. Das Team entwickelte ein Python-Skript, das Streckennetze aus CAD-Dateien extrahierte und sie in ein Format konvertierte, das in Simio importiert werden konnte.
• Implementierung der Flottenmanagement-Logik : Die Logik der Flottenmanagement-Software Fleet Central von Seegrid wurde in das Simio-Modell übertragen, damit die Simulation genau darstellen konnte, wie sich die AMRs in komplexen, realen Umgebungen verhalten würden.
• Erstellung einer Vorlage: Das Team erstellte ein Vorlagenmodell, das leicht an verschiedene Kundenszenarien angepasst werden konnte, um den Simulationsprozess für künftige Projekte zu vereinfachen.
• Team-Schulung: Nach der Entwicklung des ersten Modells wurde das gesamte Team der Anwendungstechnik in der Verwendung des Simio-Simulationstools geschult, wobei der Schwerpunkt auf der praktischen Anwendung in realen Kundenszenarien lag.

Schooley erklärt. "Unser Tiger-Team war für die Zusammenarbeit mit Simio verantwortlich, um die Entwicklung des Modells zu unterstützen. Während des gesamten Prozesses - sobald wir das Gefühl hatten, dass das Modell an einem guten Punkt war - wurde unser erweitertes 9-köpfiges Team stärker einbezogen."

Ergebnisse und Nutzen

Die Implementierung der Simio-Simulation hat dem Anwendungstechnik-Team von Seegrid und seinen Kunden erhebliche Vorteile gebracht:

Verbessertes Lösungsdesign

Das Simulationsmodell hat es Seegrid ermöglicht, effizientere und effektivere AMR-Lösungen für seine Kunden zu entwickeln. Durch die Visualisierung komplexer Interaktionen und die Identifizierung potenzieller Engpässe vor der Implementierung kann das Team Routen, Flottengrößen und die Auftragsreihenfolge optimieren, um die Effizienz zu maximieren.

"Kommt es bei dieser Lösung im Laufe der Zeit zu größeren Staus an der Kreuzung 10? Verlängert sich dadurch unsere Zykluszeit erheblich? Wie kann ich diesen Stau reduzieren?" fragt Schooley. "Das ist eher eine Problemlösung für die [Seegrid] Anwendungsingenieure, um die Situation des Kunden besser zu verstehen." Es ist Aufgabe des erfahrenen Teams von Anwendungsingenieuren zu bestimmen, wie das Modell die endgültige automatisierte Lösung, die dem Kunden präsentiert wird, optimieren kann.

Verbesserte Kundenkommunikation

Die visuelle Natur der Simulation hat die Fähigkeit von Seegrid verbessert, komplexe Lösungen an Kunden zu vermitteln. Die Möglichkeit, eine 3D-Visualisierung der Funktionsweise der AMRs in der Anlage des Kunden zu zeigen, trägt dazu bei, intern und extern Vertrauen für die vorgeschlagene Lösung aufzubauen.

"Und diese Visualisierung ist für mein Team sehr eindrucksvoll", bemerkt Schooley.

Optimierte Flottendimensionierung

Die Möglichkeit, mit verschiedenen Flottengrößen zu experimentieren, hat Seegrid dabei geholfen, die Anzahl der für jede Kundenanwendung erforderlichen AMRs zu optimieren. Dadurch können die Kunden in die richtige Anzahl von Fahrzeugen investieren, um ihre individuellen Anforderungen zu erfüllen, ohne zu viel zu kaufen.

"Wir vergleichen, wie sich veränderte Volumina auf die Anzahl der AMR-Flotten auswirken", erklärt Schooley. "Wenn der Kunde zum Beispiel die meiste Zeit des Jahres ein durchschnittliches Volumen hat, dann aber während der Feiertage Spitzenwerte erreicht, können wir dann immer noch die gleiche Anzahl von Fahrzeugen einsetzen, um ihm auch in der Spitzenzeit zu helfen?"

Effiziente Auftragssequenzierung

Das Simulationsmodell hat sich als besonders wertvoll für die Optimierung der Auftragsreihenfolge in modernen industriellen Fertigungsumgebungen erwiesen. Indem es sicherstellt, dass leere Behälter entfernt werden, bevor volle Behälter geliefert werden, kann Seegrid die Zeit, in der Bediener ohne Teile sind, minimieren und so die Produktionseffizienz steigern.

"Ein Prozessablauf der Auftragsreihenfolge in der Fertigung könnte etwa so aussehen: Ein Bediener ruft über einen integrierten Tastendruck einen zu ersetzenden Behälter [Austauschort] auf", beschreibt Schooley. "Dieses Signal startet einen Auftrag. Wir nennen ihn 'Leeren-für-vollen-Behälter-Teil 1, 2, 3, 4'. Dann holt der Seegrid Lift AMR #1 den leeren Behälter von der Montagelinie und bringt ihn zu einem für leere Behälter vorgesehenen Ort [Leergutlager]. Dann nimmt AMR #2 einen vollen Behälter von einem Bereitstellungsbereich [Voller Speicher] auf und stellt ihn an dieselbe Position am Band [Austauschbereich]. AMR #2 beginnt seine Arbeit erst dann, wenn AMR #1 seine Arbeit vollständig abgeschlossen hat."

Abbildung 4: Job Sequencing Simulation der "SimGrid" Montageanlage.

Identifizierung und Lösung von Engpässen

Die Fähigkeit der Simulation, Wartezeiten an Kreuzungen zu verfolgen, hat dazu beigetragen, potenzielle Engpässe in der AMR-Routenplanung zu identifizieren und zu beheben. Dies hat zu einem effizienteren Materialfluss und weniger Staus in den Kundenanlagen geführt.

"Engpässe können in der Anwendung erstellt werden, aber ohne spezifische Daten sind sie nicht leicht zu identifizieren", erklärt Panagopoulou. "Das Verkehrsmanagement wird auf der Grundlage unserer Fuhrparkverwaltungssoftware Fleet Central konfiguriert. Mit Hilfe der Simio-Dashboards, die die Wartezeiten pro Kreuzung anzeigen, können wir die Engpässe genau identifizieren."

Herausforderungen und Lösungen bei der Implementierung

Obwohl die Implementierung der Simio-Simulation sehr erfolgreich war, sah sich das Team auf dem Weg dorthin einigen Herausforderungen gegenüber:

Ausbildung und Schulung des Teams

Eine der größten Herausforderungen bestand darin, das gesamte Seegrid Application Engineering Team in das neue Simulationswerkzeug und -verfahren einzuweisen. Um dies zu bewältigen, entwickelte das Team eine umfassende Dokumentation, einschließlich eines Schulungsprogramms für die erste Version, Anleitungen zur Fehlerbehebung und funktionsspezifische Tutorials.

"Wie immer braucht es Zeit, sich an einen neuen Prozess und die Arbeit mit einem neuen Tool zu gewöhnen", so Panagopoulou. "Zu Beginn der Entwicklung haben wir das Team um Feedback gebeten, einschließlich einer ersten Release-Schulung, die das gesamte Team absolvierte und zu der es Feedback gab, um sicherzustellen, dass die Simulation für alle von Nutzen ist."

Die Logik des Flottenmanagements übersetzen

Eine weitere große Herausforderung bestand darin, die ausgefeilte Logik der Flottenmanagement-Software von Seegrid in das Simio-Modell zu übertragen. Dies erforderte eine sorgfältige Abwägung zwischen Modellgenauigkeit und Entwicklungszeit.

"Die Flottenmanagement-Software von Seegrid basiert auf jahrelanger Entwicklung und Fahrzeugfähigkeiten, die alle in der Simulationsvorlage berücksichtigt werden mussten", erklärt Panagopoulou. "Der Schlüssel zur Überwindung dieser Hürde liegt darin, die wirklich benötigten Funktionen zu identifizieren. Man muss ein Gleichgewicht zwischen Modellgenauigkeit und Entwicklungszeit finden, denn man will nicht viel Zeit damit verbringen, die Simulation mit dem Produkt identisch zu machen, wenn man nicht alle seine Fähigkeiten nutzt."

Das Modell auf dem neuesten Stand halten

Das Simulationsmodell auf dem neuesten Stand zu halten, kann ebenfalls eine Herausforderung sein. Das Team entwickelte Prozesse, damit Änderungen in den CAD-Zeichnungen in das Simulationsmodell übernommen werden. Dies war notwendig, da sich die CAD-Zeichnungen gegenüber dem ursprünglichen Umfang ändern können.

Die geschäftlichen Auswirkungen

Zukünftiger Ausblick

Seegrid sieht die Partnerschaft mit Simio als den Beginn eines neuen Kapitels in der Entwicklung autonomer Lösungen. Da die Anwendungen der Kunden immer komplexer werden, wird der Bedarf an anspruchsvollen Simulationen weiter steigen.

"Seitdem wir Simio für die Modellierung von Kundenabläufen einsetzen, haben sich die Möglichkeiten der Anwendungsentwicklung bei Seegrid stark erweitert", erklärt Panagopoulou. "Unser Plan ist es, unseren Ansatz weiter auszubauen, um ihn an die sich entwickelnden und komplexeren Geschäftsstrategien und Kundenanforderungen anzupassen. Dazu gehört, dass wir mehr Funktionen hinzufügen, mehr Arbeitsabläufe unterstützen können und neue Produkte hinzufügen - all dies führt zu einem erhöhten Bedarf an Simulation."

Das Team plant, seine Fähigkeit zur Entwicklung optimaler AMR-Lösungen für seine Kunden weiter zu verbessern, einschließlich:

• Hinzufügen neuer Produktmodelle: Wenn Seegrid neue AMR-Produkte entwickelt, werden diese in das Simulationsmodell aufgenommen.
• Unterstützung von komplexeren Arbeitsabläufen: Das Team wird das Modell weiter ausbauen, um immer komplexere Arbeitsabläufe der Kunden zu unterstützen.
• Erweiterung des Funktionsumfangs: Das Simulationsmodell wird um zusätzliche Funktionen erweitert, um detailliertere Analyse- und Optimierungsmöglichkeiten zu bieten.

Schlussfolgerung

Die Partnerschaft zwischen Seegrid und Simio demonstriert die Leistungsfähigkeit der diskreten Ereignissimulation bei der Optimierung des Betriebs autonomer mobiler Roboter. Durch die Implementierung der Simio-Simulationsfunktionen hat Seegrid seine Fähigkeit gestärkt, effiziente, effektive AMR-Lösungen für seine Kunden zu entwickeln und komplexe Herausforderungen wie Auftragsreihenfolge, Verkehrsmanagement und Flottengröße zu bewältigen.

"Zusammenfassend lässt sich sagen, dass die Anwendungsingenieure von Seegrid mit Simio erfolgreich ein neues Werkzeug für den Entwurf von Lösungen und die Simulation diskreter Ereignisse in ihren Werkzeuggürtel aufgenommen haben", fasst Schooley zusammen. "Unser Ziel war nicht Perfektion, sondern der Aufbau eines soliden, praktischen Modells, das durch eine starke Partnerschaft mit einem Simulationsentwickler unterstützt wird und uns für die Gegenwart und Zukunft gut positioniert."

Für moderne Fertigungs-, Lager- und Logistikbetriebe, die mit ähnlichen Herausforderungen bei der Automatisierung des Materialtransports konfrontiert sind, bietet die Seegrid-Simio-Fallstudie wertvolle Einblicke, wie die Simulation den Einsatz autonomer mobiler Roboter optimieren, Staus reduzieren und die betriebliche Effizienz insgesamt verbessern kann.