En el panorama en rápida evolución de la manipulación de materiales, Seegrid se ha establecido como pionera en tecnología de robots móviles autónomos (AMR). Los AMR de Seegrid, que prestan servicio a más de 50 marcas mundiales, han transformado las instalaciones de fabricación y distribución automatizando hasta el 80% de los movimientos de material no transportado y reduciendo los requisitos de inventario hasta en un 30%. Sin embargo, a medida que los flujos de trabajo de los clientes se hacían cada vez más complejos, el equipo de ingeniería de aplicaciones de Seegrid reconoció la necesidad de contar con herramientas más sofisticadas para diseñar y validar sus soluciones. Este caso práctico explora cómo Seegrid se asoció con Simio para implementar la simulación de eventos discretos, lo que les permitió optimizar las operaciones de la flota AMR, reducir la congestión y ofrecer soluciones más eficientes a sus clientes.
Figura 1: Seegrid Lift CR1 AMR en acción.
Fundada en 2003 por Hans Moravec, licenciado en Carnegie Mellon, Seegrid tiene sus raíces en Pittsburgh (Pensilvania). La empresa está especializada en robots móviles autónomos que automatizan los procesos de manipulación de materiales paletizados en entornos de fabricación, logística y almacenamiento. La línea de productos de Seegrid incluye el Lift CR1 (capaz de manipular cargas de hasta 15 pies de altura y 4.000 libras), el Lift RS1 (para aplicaciones de elevación baja de hasta 6 pies y 3.500 libras) y el Tow Tractor (para transporte de materiales a larga distancia con una capacidad de hasta 10.000 libras).
Lo que distingue a Seegrid es su sistema de navegación sin infraestructuras basado en tecnologías de visión estereoscópica y cartografía 3D. Este innovador enfoque permite a sus AMR navegar por entornos complejos sin necesidad de modificar la infraestructura física.
"Se está produciendo una revolución en la manipulación de materiales", explica David Griffin, Director de Ventas de Seegrid, "y en el centro de esta revolución está Seegrid. Apoyando a más de 50 marcas globales, continuamos desplegando nuestros AMR de confianza y probados en entornos de clientes vivos, transformando completamente la forma en que operan estas instalaciones. El futuro es autónomo".
Mientras que el equipo de ingeniería de aplicaciones de Seegrid sigue utilizando un modelo fiable basado en Excel para apoyar el diseño de soluciones, necesitaban ampliar su enfoque con el modelado de simulación para proporcionar una visión más profunda y una mayor flexibilidad en la planificación de flujos de trabajo más complejos.Este método probado y verdadero implicaba la creación de rutas en CAD y luego extraer esos datos para combinarlos con perfiles de velocidad utilizando una macro de Excel.
"Sabiendo que nuestro producto ha crecido más y que estamos viendo flujos de trabajo más complejos con nuestros clientes, sabíamos que necesitábamos una herramienta diferente en nuestro cinturón de herramientas", explica Sydney Schooley, Director de Ingeniería de Aplicaciones de Seegrid. "La simulación de eventos discretos nos ayuda a comprender y visualizar mejor las interacciones de Seegrid AMR en los entornos de los clientes".
El equipo de Ingeniería de Aplicaciones se enfrentó a varios retos críticos que requerían un sistema de planificación más robusto:
"La presentación individual de piezas es un flujo de trabajo habitual en la manipulación de materiales de fabricación", señala Schooley. "Con el espacio de planta de fabricación escaso, y con muchas piezas que deben añadirse a un producto, a menudo se ve un contenedor de ese material en una única presentación de piezas".
Este escenario crea una situación de tiempo crítico: cuando un contenedor de piezas se agota, el reloj empieza a correr para que un manipulador de materiales cambie el contenedor vacío por uno lleno. Con cientos de piezas necesarias para ensamblajes complejos como el de los automóviles, esto crea importantes retos de congestión tanto para los manipuladores de materiales humanos como para los sistemas autónomos.
En 2024, Seegrid comenzó a buscar un socio de simulación para mejorar sus capacidades de diseño de soluciones autónomas. Tras evaluar varias opciones, eligieron Simio por sus potentes funciones de simulación de eventos discretos y su enfoque colaborativo.
"Nos decantamos por Simio porque vimos que allí iba a haber una gran colaboración", explica Schooley. "No tenemos palabras para elogiar a nuestro desarrollador, Adam [Sneath] de Simio. Creó un entorno de colaboración positivo, siempre se interesó por nuestro producto y se aseguró de comprender nuestras preocupaciones. Estábamos seguros de que este modelo de Simio representaba cómo Seegrid haría la automatización en el mundo real."
El modelo de simulación de Simio proporcionó a Seegrid varias capacidades críticas añadidas:
Figura 3: Gráfico de datos de la batería con los índices de carga y agotamiento por tipo de batería.
La implementación de la simulación Simio en Seegrid siguió un enfoque estructurado:
Schooley explica. "Nuestro equipo Tiger se encargó de colaborar con Simio para ayudar a desarrollar el modelo. A lo largo del proceso -una vez que sentimos que el modelo estaba en un buen punto- nuestro equipo ampliado de 9 personas se involucró más".
La implantación de la simulación de Simio ha aportado importantes beneficios al equipo de ingeniería de aplicaciones de Seegrid y a sus clientes:
El modelo de simulación ha permitido a Seegrid diseñar soluciones AMR más eficientes y eficaces para sus clientes. Al visualizar interacciones complejas e identificar posibles cuellos de botella antes de la implementación, el equipo puede optimizar las rutas, el tamaño de las flotas y la secuenciación de los trabajos para maximizar la eficiencia.
"¿Con el tiempo, esta solución provoca grandes atascos en la intersección 10? ¿Añade esto un tiempo significativo a nuestro tiempo de ciclo? ¿Cómo puedo reducir este atasco? pregunta Schooley. "Esto es más resolución de problemas en el [Seegrid] Ingenieros de Aplicación para comprender mejor la situación del cliente." Corresponde al cualificado equipo de Ingenieros de Aplicación determinar cómo el modelo puede optimizar la solución automatizada final presentada al cliente.
La naturaleza visual de la simulación ha elevado la capacidad de Seegrid para comunicar soluciones complejas a los clientes. Poder mostrar una visualización en 3D de cómo funcionarán los AMR en las instalaciones del cliente ayuda a generar confianza, interna y externamente, en la solución propuesta.
"Y esa visualización es muy impactante para mi equipo", señala Schooley.
La posibilidad de experimentar con diferentes tamaños de flota ha ayudado a Seegrid a optimizar el número de AMR necesarios para cada aplicación del cliente. Esto permite a los clientes invertir en el número adecuado de vehículos para satisfacer sus necesidades específicas sin comprar de más.
"Compararemos cómo afectan los volúmenes cambiantes al recuento de flotas de AMR", explica Schooley. "Por ejemplo, si el cliente tiene un volumen medio durante la mayor parte del año, pero luego tiene un pico durante las vacaciones, ¿podemos seguir utilizando el mismo número de vehículos para ayudarle también en las horas punta?".
El modelo de simulación ha sido especialmente valioso para optimizar la secuenciación de trabajos en los modernos entornos de fabricación industrial. Al confirmar que los contenedores vacíos se retiran antes de entregar los llenos, Seegrid puede minimizar el tiempo que los operarios están sin piezas, aumentando la eficiencia de la producción.
"Un flujo de proceso de secuenciación de trabajos en la fabricación podría parecerse a esto: Un operario llama a un contenedor [Exchange Location] para que sea sustituido mediante la pulsación de un botón integrado", describe Schooley. "Esa señal inicia un trabajo. Lo llamaremos 'Contenedor vacío por lleno- Partes 1, 2, 3, 4'. Entonces, el AMR nº 1 de Seegrid Lift recogerá el contenedor vacío de la línea de montaje y lo llevará a una ubicación designada para contenedores vacíos [Empty Storage]. A continuación, el AMR nº 2 recogerá un contenedor lleno de una zona de espera [Almacenamiento lleno] y lo colocará en esa misma posición en la línea [Zona de intercambio]. El AMR nº 2 no comenzará su trabajo hasta que el AMR nº 1 haya completado totalmente su trabajo".
Figura 4: Simulación de secuenciación de trabajos de la planta de montaje "SimGrid".
La capacidad de la simulación para realizar un seguimiento de los tiempos de espera en las intersecciones ha ayudado a identificar y resolver los posibles cuellos de botella en las rutas de AMR. De este modo se ha conseguido un flujo de materiales más eficiente y se ha reducido la congestión en las instalaciones de los clientes.
"Los cuellos de botella pueden crearse en la aplicación, pero no es fácil identificarlos sin datos específicos", explica Panagopoulou. "La gestión del tráfico se configura a partir de nuestro software de gestión de flotas Fleet Central. Utilizando los cuadros de mando de Simio, que muestran los tiempos de espera por intersección, podemos identificar con precisión los cuellos de botella."
Aunque la implantación de la simulación de Simio ha sido todo un éxito, el equipo se enfrentó a varios retos en el camino:
Uno de los principales retos fue formar a todo el equipo de ingeniería de aplicaciones de Seegrid en la nueva herramienta y proceso de simulación. Para ello, el equipo elaboró una documentación exhaustiva, que incluía un programa de formación inicial, guías de resolución de problemas y tutoriales sobre funciones específicas.
"Como siempre, lleva tiempo acostumbrarse a un nuevo proceso y trabajar con una nueva herramienta", señala Panagopoulou. "Al principio, pedimos al equipo que nos diera su opinión durante el desarrollo, incluida una formación de lanzamiento inicial que todo el equipo completó y sobre la que nos dio su opinión para asegurarnos de que la simulación fuera beneficiosa para todos."
Otro reto importante fue trasladar la sofisticada lógica del software de gestión de flotas de Seegrid al modelo de Simio. Esto requirió un cuidadoso equilibrio entre la precisión del modelo y el tiempo de desarrollo.
"El software de gestión de flotas de Seegrid se basa en años de desarrollo y en las capacidades de los vehículos, que debían tenerse en cuenta para el modelo de simulación", explica Panagopoulou. "La clave para superar este obstáculo es identificar las capacidades que realmente se necesitan. Hay que encontrar un equilibrio entre la precisión del modelo y el tiempo de desarrollo, porque nunca se quiere perder mucho tiempo haciendo la simulación idéntica al producto cuando no se utilizan todas sus capacidades."
Mantener actualizado el modelo de simulación también puede ser un reto. El equipo desarrolló procesos para que los cambios realizados en los dibujos CAD se reflejaran en el modelo de simulación. Esto era necesario, ya que el CAD puede cambiar del alcance original a lo que está instalado.
Seegrid considera que la asociación con Simio es sólo el principio de un nuevo capítulo en sus capacidades de diseño de soluciones autónomas. A medida que las aplicaciones de sus clientes se vuelvan más complejas, la necesidad de una simulación sofisticada no hará sino aumentar.
"Las capacidades de ingeniería de aplicaciones de Seegrid se han ampliado enormemente desde que utilizamos Simio para modelar los flujos de trabajo de los clientes", afirma Panagopoulou. "Nuestro plan es seguir desarrollando nuestro enfoque para adaptarlo a la evolución de las estrategias empresariales y las necesidades de los clientes, que son cada vez más complejas. Eso incluye añadir más funciones, ser capaces de soportar más flujos de trabajo y añadir nuevos productos; todo ello conduce a una mayor necesidad de simulación."
El equipo tiene previsto seguir mejorando su capacidad para diseñar soluciones AMR óptimas para sus clientes, entre otras cosas:
La colaboración entre Seegrid y Simio demuestra el poder de la simulación de eventos discretos para optimizar las operaciones de los robots móviles autónomos. Al implementar las capacidades de simulación de Simio, Seegrid ha reforzado su capacidad para diseñar soluciones AMR eficientes y eficaces para sus clientes, abordando retos complejos como la secuenciación de trabajos, la gestión del tráfico y el dimensionamiento de flotas.
"Para resumir, los ingenieros de aplicaciones de Seegrid han añadido con éxito una nueva herramienta a su cinturón de herramientas para el diseño de soluciones y la simulación de eventos discretos mediante Simio", concluye Schooley. "Nuestro objetivo no era la perfección, sino construir un modelo sólido y práctico respaldado por una sólida asociación con un desarrollador de simulación que nos posiciona bien para nuestro presente y futuro".
Para las operaciones modernas de fabricación, almacenamiento y logística que se enfrentan a retos similares con la automatización de la manipulación de materiales, el estudio de caso Seegrid-Simio ofrece valiosas perspectivas sobre cómo la simulación puede optimizar los despliegues de robots móviles autónomos, reducir la congestión y mejorar la eficiencia operativa general.