Dans le paysage en évolution rapide de la manutention, Seegrid s'est imposé comme un pionnier de la technologie des robots mobiles autonomes (AMR). Soutenant plus de 50 marques internationales, les AMR de Seegrid ont transformé les installations de fabrication et de distribution en automatisant jusqu'à 80 % des mouvements de matériaux non convoyés et en réduisant les besoins en stocks jusqu'à 30 %. Cependant, les flux de travail des clients devenant de plus en plus complexes, l'équipe d'ingénierie des applications de Seegrid a reconnu la nécessité de disposer d'outils plus sophistiqués pour concevoir et valider ses solutions. Cette étude de cas explore la façon dont Seegrid s'est associé à Simio pour mettre en œuvre la simulation d'événements discrets, ce qui lui a permis d'optimiser les opérations de la flotte AMR, de réduire la congestion et de fournir des solutions plus efficaces à ses clients.
Figure 1 : Seegrid Lift CR1 AMR en action.
Fondée en 2003 par Hans Moravec, diplômé de Carnegie Mellon, Seegrid est profondément enracinée à Pittsburgh, en Pennsylvanie. L'entreprise est spécialisée dans les robots mobiles autonomes qui automatisent les processus de manutention de matériaux palettisés dans les environnements de fabrication, de logistique et d'entreposage. La gamme de produits Seegrid comprend le Lift CR1 (capable de manipuler des charges allant jusqu'à 15 pieds de haut et 4 000 livres), le Lift RS1 (pour les applications à faible hauteur allant jusqu'à 6 pieds et 3 500 livres) et le Tow Tractor (pour le transport de matériaux sur de longues distances avec une capacité allant jusqu'à 10 000 livres).
Seegrid se distingue par son système de navigation sans infrastructure basé sur les technologies de vision stéréo et de cartographie 3D. Cette approche innovante permet à ses AMR de naviguer dans des environnements complexes sans nécessiter de modifications de l'infrastructure physique.
"La manutention est en pleine révolution", explique David Griffin, directeur des ventes de Seegrid, "et Seegrid est au cœur de cette révolution. Soutenant plus de 50 marques mondiales, nous continuons à déployer nos AMR fiables et éprouvés dans des environnements clients réels, transformant complètement la façon dont ces installations fonctionnent. L'avenir est à l'autonomie.
Bien que l'équipe d'ingénierie d'application de Seegrid continue d'utiliser un modèle fiable basé sur Excel pour soutenir la conception de solutions, elle avait besoin d'étendre son approche avec la modélisation de simulation pour fournir des informations plus approfondies et une plus grande flexibilité lors de la planification de flux de travail plus complexes.Cette méthode éprouvée impliquait la création d'itinéraires en CAO, puis l'extraction de ces données pour les combiner avec des profils de vitesse à l'aide d'une macro Excel.
"Sachant que notre produit s'est développé et que nous observons des flux de travail plus complexes chez nos clients, nous savions que nous avions besoin d'un outil différent dans notre boîte à outils", explique Sydney Schooley, responsable de l'ingénierie d'application chez Seegrid. "La simulation d'événements discrets nous aide à mieux comprendre et visualiser les interactions de Seegrid AMR dans les environnements des clients.
L'équipe d'ingénierie d'application a été confrontée à plusieurs défis critiques qui nécessitaient un système de planification plus robuste :
"La présentation unique des pièces est un flux de travail courant dans le secteur de la manutention industrielle", note M. Schooley. "L'espace au sol étant limité et de nombreuses pièces devant être ajoutées à un produit, il n'est pas rare de voir un seul conteneur de ce matériel dans une présentation unique de pièces.
Ce scénario crée une situation où le temps est compté : lorsqu'un conteneur de pièces est épuisé, l'horloge commence à tourner pour qu'un manutentionnaire échange le conteneur vide contre un conteneur plein. Avec des centaines de pièces nécessaires pour des assemblages complexes tels que les automobiles, cette situation crée des problèmes de congestion importants pour les manutentionnaires humains et les systèmes autonomes.
En 2024, Seegrid a commencé à chercher un partenaire de simulation pour améliorer ses capacités de conception de solutions autonomes. Après avoir évalué plusieurs options, ils ont choisi Simio pour ses puissantes capacités de simulation d'événements discrets et son approche collaborative.
"Nous avons choisi Simio parce que nous savions qu'il y aurait un excellent partenariat", explique Schooley. "Nous ne pouvons que féliciter notre développeur, Adam [Sneath] de Simio. Il a créé un environnement de collaboration positif, s'est toujours intéressé à notre produit et a veillé à comprendre nos préoccupations. Nous étions convaincus que ce modèle Simio représentait la manière dont Seegrid réaliserait l'automatisation dans le monde réel.
Le modèle de simulation Simio a fourni à Seegrid plusieurs capacités supplémentaires essentielles :
Figure 3 : Tableau des données de la batterie avec les taux de charge et d'épuisement par type de batterie.
La mise en œuvre de la simulation Simio chez Seegrid a suivi une approche structurée :
Schooley explique. "Notre équipe Tiger était chargée de collaborer avec Simio pour aider à développer le modèle. Tout au long du processus - une fois que nous avons estimé que le modèle était en bonne position - notre équipe élargie de 9 personnes s'est impliquée davantage."
La mise en œuvre de la simulation Simio a apporté des avantages significatifs à l'équipe d'ingénierie d'application de Seegrid et à ses clients :
Le modèle de simulation a permis à Seegrid de concevoir des solutions AMR plus efficaces pour ses clients. En visualisant les interactions complexes et en identifiant les goulets d'étranglement potentiels avant la mise en œuvre, l'équipe peut optimiser les itinéraires, la taille des flottes et le séquençage des tâches pour maximiser l'efficacité.
"Au fil du temps, cette solution provoque-t-elle des embouteillages importants au carrefour 10 ? Cela ajoute-t-il beaucoup de temps à notre cycle de travail ? Comment puis-je réduire cet embouteillage ? demande Schooley. "Les ingénieurs d'application [Seegrid] doivent davantage résoudre les problèmes pour mieux comprendre la situation du client. C'est à l'équipe qualifiée d'ingénieurs d'application qu'il incombe de déterminer comment le modèle peut optimiser la solution automatisée finale présentée au client.
La nature visuelle de la simulation a amélioré la capacité de Seegrid à communiquer des solutions complexes à ses clients. Le fait de pouvoir montrer une visualisation en 3D de la manière dont les AMR fonctionneront dans l'installation du client permet de renforcer la confiance, en interne et en externe, pour la solution proposée.
"Ce visuel a un impact considérable sur mon équipe", note M. Schooley.
La possibilité d'expérimenter différentes tailles de flotte a aidé Seegrid à optimiser le nombre d'AMR requis pour chaque application client. Cela permet aux clients d'investir dans le bon nombre de véhicules pour répondre à leurs besoins uniques sans acheter trop cher.
"Nous comparons l'impact de l'évolution des volumes sur le nombre de véhicules AMR", explique M. Schooley. "Par exemple, si le client a un volume moyen pendant la majeure partie de l'année, mais qu'il atteint un pic pendant les vacances, pouvons-nous toujours utiliser le même nombre de véhicules pour l'aider pendant les périodes de pointe ?
Le modèle de simulation s'est avéré particulièrement utile pour optimiser l'ordonnancement des tâches dans les environnements de fabrication industrielle modernes. En confirmant que les conteneurs vides sont retirés avant que les conteneurs pleins ne soient livrés, Seegrid peut minimiser le temps pendant lequel les opérateurs sont privés de pièces, ce qui stimule l'efficacité de la production.
"Un processus de séquençage des tâches dans l'industrie manufacturière peut ressembler à ceci : Un opérateur appelle un conteneur [lieu d'échange] à remplacer en appuyant sur un bouton intégré", décrit Schooley. "Ce signal déclenche une tâche. Nous l'appellerons 'Conteneur vide pour conteneur plein - Parties 1, 2, 3, 4'. L'AMR #1 de Seegrid Lift prélève alors le conteneur vide sur la ligne d'assemblage et l'emmène à un emplacement prévu pour les conteneurs vides [Empty Storage]. Ensuite, l'AMR n° 2 prend un conteneur plein dans une zone de transit [Stockage complet] et le place dans la même position sur la ligne [Zone d'échange]. AMR #2 ne commencera pas son travail tant que AMR #1 n'aura pas entièrement terminé le sien".
Figure 4 : Simulation du séquençage des tâches dans l'usine d'assemblage "SimGrid".
La capacité de la simulation à suivre les temps d'attente aux intersections a permis d'identifier et de résoudre les goulets d'étranglement potentiels dans l'acheminement de l'AMR. Cela a permis d'améliorer l'efficacité des flux de matériaux et de réduire les encombrements dans les installations des clients.
"Les goulets d'étranglement peuvent être créés dans l'application, mais ils ne peuvent pas être facilement identifiés sans données spécifiques", explique M. Panagopoulou. "La gestion du trafic est configurée sur la base de notre logiciel de gestion de flotte Fleet Central. En utilisant les tableaux de bord Simio qui montrent les temps d'attente par intersection, nous pouvons identifier avec précision les goulets d'étranglement."
Bien que la mise en œuvre de la simulation Simio ait été couronnée de succès, l'équipe a dû faire face à plusieurs défis en cours de route :
L'un des principaux défis consistait à former l'ensemble de l'équipe d'ingénierie d'application de Seegrid au nouvel outil et au nouveau processus de simulation. Pour y remédier, l'équipe a développé une documentation complète, y compris un programme de formation à la version initiale, des guides de dépannage et des tutoriels spécifiques aux fonctionnalités.
"Comme toujours, il faut du temps pour s'habituer à un nouveau processus et travailler avec un nouvel outil", note Panagopoulou. "Au départ, nous avons demandé à l'équipe de nous faire part de ses commentaires au cours du développement, notamment dans le cadre d'une formation initiale que toute l'équipe a suivie et sur laquelle elle a fait part de ses commentaires, afin de s'assurer que la simulation était bénéfique pour tout le monde.
Un autre défi de taille a été de traduire la logique sophistiquée du logiciel de gestion de flotte de Seegrid dans le modèle Simio. Il a fallu pour cela trouver un juste équilibre entre la précision du modèle et le temps de développement.
"Le logiciel de gestion de flotte de Seegrid repose sur des années de développement et sur les capacités des véhicules, qui devaient toutes être prises en compte dans le modèle de simulation", explique Mme Panagopoulou. "La clé pour surmonter cet obstacle est d'identifier les capacités réellement nécessaires. Il faut trouver un équilibre entre la précision du modèle et le temps de développement, car on ne veut pas passer beaucoup de temps à rendre la simulation identique au produit alors qu'on n'utilise pas toutes ses capacités.
La mise à jour du modèle de simulation peut également constituer un défi. L'équipe a mis au point des processus permettant de répercuter dans le modèle de simulation les modifications apportées aux dessins de CAO. C'était nécessaire, car la CAO peut changer par rapport à la portée originale et à ce qui est installé.
Pour Seegrid, le partenariat avec Simio n'est que le début d'un nouveau chapitre de ses capacités de conception de solutions autonomes. Les applications de leurs clients devenant de plus en plus complexes, le besoin de simulations sophistiquées ne fera qu'augmenter.
"Les capacités d'ingénierie d'application de Seegrid se sont considérablement développées depuis l'utilisation de Simio pour modéliser les flux de travail des clients ", déclare Panagopoulou. "Notre objectif est de continuer à développer notre approche afin de nous aligner sur les stratégies commerciales et les besoins des clients, qui évoluent et deviennent plus complexes. Cela inclut l'ajout de nouvelles fonctionnalités, la prise en charge d'un plus grand nombre de flux de travail et l'ajout de nouveaux produits - tous ces éléments conduisant à un besoin accru de simulation.
L'équipe prévoit d'améliorer encore sa capacité à concevoir des solutions AMR optimales pour ses clients :
Le partenariat entre Seegrid et Simio démontre la puissance de la simulation d'événements discrets dans l'optimisation des opérations des robots mobiles autonomes. En mettant en œuvre les capacités de simulation de Simio, Seegrid a renforcé sa capacité à concevoir des solutions AMR efficaces et performantes pour ses clients, en relevant des défis complexes tels que le séquençage des tâches, la gestion du trafic et le dimensionnement de la flotte.
"Pour résumer, les ingénieurs d'application de Seegrid ont ajouté avec succès un nouvel outil à leur panoplie pour la conception de solutions et la simulation d'événements discrets à l'aide de Simio ", conclut Schooley. "Notre objectif n'était pas la perfection, mais la construction d'un modèle solide et pratique soutenu par un partenariat solide avec un développeur de simulation qui nous positionne bien pour notre présent et notre avenir."
Pour les entreprises modernes de fabrication, d'entreposage et de logistique confrontées à des défis similaires en matière d'automatisation de la manutention, l'étude de cas Seegrid-Simio offre des indications précieuses sur la manière dont la simulation peut optimiser les déploiements de robots mobiles autonomes, réduire la congestion et améliorer l'efficacité opérationnelle globale.