Otimizando robôs móveis autônomos: a jornada da Seegrid com a simulação Simio

O desafio

Introdução

No cenário em rápida evolução do manuseio de materiais, a Seegrid se estabeleceu como pioneira na tecnologia de robôs móveis autônomos (AMR). Apoiando mais de 50 marcas globais, os AMRs da Seegrid transformaram as instalações de manufatura e distribuição, automatizando até 80% dos movimentos de materiais não transportados e reduzindo os requisitos de estoque em até 30%. No entanto, à medida que os fluxos de trabalho dos clientes se tornavam cada vez mais complexos, a equipe de Engenharia de Aplicação da Seegrid reconheceu a necessidade de ferramentas mais sofisticadas para projetar e validar suas soluções. Este estudo de caso explora como a Seegrid fez uma parceria com a Simio para implementar a simulação de eventos discretos, permitindo otimizar as operações da frota de AMR, reduzir o congestionamento e fornecer soluções mais eficientes para seus clientes.

Figura 1: Seegrid Lift CR1 AMR em ação.

Histórico da empresa

Fundada em 2003 por Hans Moravec, formado pela Carnegie Mellon, a Seegrid tem raízes profundas em Pittsburgh, Pensilvânia. A empresa é especializada em robôs móveis autônomos que automatizam processos de manuseio de materiais paletizados em ambientes de fabricação, logística e armazenamento. A linha de produtos da Seegrid inclui o Lift CR1 (capaz de manusear cargas de até 15 pés de altura e 4.000 libras), o Lift RS1 (para aplicações de baixa elevação de até 6 pés e 3.500 libras) e o Tow Tractor (para transporte de material de longa distância com capacidade de até 10.000 libras).

O que diferencia a Seegrid é seu sistema de navegação sem infraestrutura baseado em visão estéreo e tecnologias de mapeamento 3D. Essa abordagem inovadora permite que seus AMRs naveguem em ambientes complexos sem a necessidade de modificações na infraestrutura física.

"Está ocorrendo uma revolução no manuseio de materiais", explica David Griffin, Diretor de Vendas da Seegrid, "e no centro dessa revolução está a Seegrid. Apoiando mais de 50 marcas globais, continuamos a implantar nossos AMRs confiáveis e comprovados em ambientes de clientes ativos, transformando completamente a maneira como essas instalações operam. O futuro é autônomo".

O desafio

Limitações dos métodos tradicionais de planejamento

Embora a equipe de Engenharia de Aplicação da Seegrid continue a utilizar um modelo confiável baseado em Excel para dar suporte ao design da solução, eles precisavam expandir sua abordagem com modelagem de simulação para fornecer insights mais profundos e maior flexibilidade ao planejar fluxos de trabalho mais complexos.

"Sabendo que o nosso produto cresceu mais e que estamos vendo fluxos de trabalho mais complexos com nossos clientes, sabíamos que precisávamos de uma ferramenta diferente em nosso cinto de ferramentas", explica Sydney Schooley, gerente de engenharia de aplicativos da Seegrid. "A simulação de eventos discretos nos ajuda a entender e visualizar melhor as interações do Seegrid AMR nos ambientes dos clientes."

Desafios específicos nas operações de frotas de AMR

A equipe de Engenharia de Aplicação enfrentou vários desafios críticos que exigiam um sistema de planejamento mais robusto:

1. Visualização das interações AMR: Entender como vários veículos interagiriam em cruzamentos e identificar possíveis pontos de congestionamento era difícil com modelos estáticos.
2. Otimização do sequenciamento de trabalhos: Em ambientes de fabricação modernos, especialmente aqueles com apresentação única de peças, a substituição de contêineres vazios por contêineres cheios (conhecida como "hot swapping" ou "job sequencing") exigia uma coordenação precisa entre vários AMRs da Seegrid.
3. Manuseio de volumes de pico: Determinar se o mesmo tamanho de frota poderia lidar com volumes médios e de pico ao longo do ano era um desafio sem uma simulação dinâmica.
4. Teste de cenários hipotéticos: A equipe precisava de uma maneira de experimentar diferentes tamanhos e configurações de frota para encontrar a solução ideal para as necessidades exclusivas de cada cliente.

"A apresentação única de peças é um fluxo de trabalho comum visto no manuseio de materiais de fabricação", observa Schooley. "Com o espaço de chão de fábrica em alta e com muitas peças que precisam ser adicionadas a um produto, é comum ver um contêiner desse material em uma única apresentação de peças."

Esse cenário cria uma situação crítica em termos de tempo - quando um contêiner de peças se esgota, o tempo começa a contar para que um manipulador de materiais troque o contêiner vazio por um cheio. Com centenas de peças necessárias para montagens complexas como as de automóveis, isso cria desafios significativos de congestionamento para os manipuladores de materiais humanos e para os sistemas autônomos.

A solução

A solução: Simio Discrete Event Simulation (Simulação de Eventos Discretos Simio)

Em 2024, a Seegrid começou a procurar um parceiro de simulação para aprimorar seus recursos de design de soluções autônomas. Depois de avaliar várias opções, eles selecionaram o Simio por seus poderosos recursos de simulação de eventos discretos e abordagem colaborativa.

"Optamos pela Simio porque vimos que haveria uma grande parceria", explica Schooley. "Não podemos elogiar o suficiente o nosso desenvolvedor, Adam [Sneath], da Simio. Ele criou um ambiente colaborativo positivo, estava sempre interessado em nosso produto e se certificou de entender nossas preocupações. Estávamos confiantes de que esse modelo da Simio representava como a Seegrid faria a automação no mundo real."

Principais recursos de simulação

O modelo de simulação Simio forneceu à Seegrid vários recursos críticos adicionais:

• Visualização de interações de AMRs: A simulação permitiu que a equipe visse como os AMRs da Seegrid interagiriam nos principais cruzamentos, identificando possíveis pontos de congestionamento antes da implementação.

• Modelagem de sequenciamento de trabalhos: O Simio permitiu a modelagem de dependências complexas de trabalho, garantindo que um AMR concluísse sua tarefa (por exemplo, remover um contêiner vazio) antes que outro AMR iniciasse sua tarefa relacionada (por exemplo, entregar um contêiner cheio).
• Análise de tráfego: A simulação forneceu análises detalhadas sobre os tempos de espera nos cruzamentos, ajudando a identificar gargalos e otimizar o roteamento.
• Estrutura de experimentos: Os recursos de experimentação do Simio permitiram que a equipe testasse diferentes tamanhos e configurações de frota de AMR para encontrar a solução ideal para as necessidades de cada cliente.
• Suporte a vários tipos de AMR: O modelo pode simular diferentes tipos de AMRs da Seegrid (como o Lift CR1, o Lift RS1 e o Tow Tractor) operando simultaneamente na mesma instalação.
• Gerenciamento de energia: O modelo tem a capacidade de levar em conta o carregamento de AMRs durante a produção. Essa lógica é semelhante à do software Fleet Central da Seegrid, em que, quando um AMR atinge um nível mínimo de bateria, ele vai para o carregador e fica indisponível para receber novos trabalhos até que um tempo mínimo de carga seja atingido.

Figura 3: Gráfico de dados da bateria com taxas de carga e esgotamento por tipo de bateria.

Processo de implementação

A implementação da simulação Simio na Seegrid seguiu uma abordagem estruturada:

• Desenvolvimento de modelos: A Seegrid formou uma "equipe Tiger" composta por Sydney Schooley, a engenheira de sistemas de aplicação Sofia Panagopoulou e a engenheira de aplicação Abby Perlee, para colaborar com Sneath da Simio no desenvolvimento do modelo inicial.
• Integração de CAD: Um dos primeiros desafios foi integrar os desenhos de CAD dos layouts das instalações ao modelo de simulação. A equipe desenvolveu um script Python que extraiu redes de rotas de arquivos CAD e as converteu em um formato que poderia ser importado para o Simio.
• Implementaçãoda lógica de gerenciamento de frota : A lógica do software de gerenciamento de frota corporativa da Seegrid, Fleet Central, foi traduzida para o modelo Simio para permitir que a simulação representasse com precisão como os AMRs se comportariam em ambientes complexos do mundo real.
• Criação de modelos: A equipe criou um modelo de template que poderia ser facilmente adaptado para diferentes cenários de clientes, simplificando o processo de simulação para projetos futuros.
• Treinamento da equipe: Depois que o modelo inicial foi desenvolvido, toda a equipe de Engenharia de Aplicação foi treinada para usar a ferramenta de simulação Simio, com foco na aplicação prática em cenários reais de clientes.

Schooley explica. "Nossa equipe Tiger foi responsável por colaborar com o Simio para ajudar a desenvolver o modelo. Durante todo o processo - quando sentimos que o modelo estava em um bom ponto - nossa equipe expandida de 9 pessoas se envolveu mais."

Resultados e benefícios

A implementação da simulação Simio proporcionou benefícios significativos para a equipe de Engenharia de Aplicação da Seegrid e seus clientes:

Design de Solução Aprimorado

O modelo de simulação permitiu que a Seegrid projetasse soluções AMR mais eficientes e eficazes para seus clientes. Ao visualizar interações complexas e identificar possíveis gargalos antes da implementação, a equipe pode otimizar rotas, tamanhos de frotas e sequenciamento de trabalhos para maximizar a eficiência.

"Com o passar do tempo, essa solução gera grandes congestionamentos no cruzamento 10? Isso adiciona um tempo significativo ao nosso tempo de ciclo? Como posso reduzir esse congestionamento?" pergunta Schooley. "Essa é mais uma solução de problemas dos Engenheiros de Aplicativos [da Seegrid] para entender melhor a situação do cliente." Cabe à equipe qualificada de engenheiros de aplicação determinar como o modelo pode otimizar a solução automatizada final apresentada ao cliente.

Comunicação aprimorada com o cliente

A natureza visual da simulação elevou a capacidade da Seegrid de comunicar soluções complexas aos clientes. A capacidade de mostrar uma visualização em 3D de como os AMRs operarão dentro das instalações do cliente ajuda a criar confiança, interna e externamente, para a solução proposta.

"E esse visual é muito impactante para a minha equipe", observa Schooley.

Dimensionamento otimizado da frota

A capacidade de experimentar diferentes tamanhos de frota ajudou a Seegrid a otimizar o número de AMRs necessários para cada aplicação do cliente. Isso faz com que os clientes invistam no número certo de veículos para atender às suas necessidades exclusivas, sem comprar em excesso.

"Comparamos como os volumes variáveis afetam a contagem da frota de AMRs", explica Schooley. "Por exemplo, se o cliente tiver um volume médio durante a maior parte do ano, mas depois tiver um pico durante as férias, ainda podemos usar o mesmo número de veículos para ajudá-lo também no período de pico?"

Sequenciamento eficiente de trabalhos

O modelo de simulação tem sido particularmente valioso para otimizar o sequenciamento de trabalhos em ambientes modernos de manufatura industrial. Ao confirmar que os contêineres vazios são removidos antes da entrega dos contêineres cheios, a Seegrid pode minimizar o tempo em que os operadores ficam sem peças, aumentando a eficiência da produção.

"Um fluxo de processo de sequenciamento de trabalho na manufatura pode ser semelhante a este: Um operador chama um contêiner [local de troca] para ser substituído por meio de um botão integrado", descreve Schooley. "Esse sinal inicia um trabalho. Nós o chamaremos de 'Contêiner vazio para cheio - Partes 1, 2, 3, 4'. Em seguida, o Seegrid Lift AMR #1 pegará o contêiner vazio da linha de montagem e o levará para um local designado para contêineres vazios [Empty Storage]. Em seguida, o AMR nº 2 pegará um contêiner cheio em uma área de preparação [Full Storage] e o colocará na mesma posição na linha [Exchange Area]. O AMR nº 2 não iniciará seu trabalho até que o AMR nº 1 tenha concluído totalmente seu trabalho."

Figura 4: Simulação de sequenciamento de tarefas da planta de montagem "SimGrid".

Identificação e resolução de gargalos

A capacidade da simulação de rastrear os tempos de espera nos cruzamentos ajudou a identificar e resolver possíveis gargalos no roteamento AMR. Isso levou a um fluxo de material mais eficiente e reduziu o congestionamento nas instalações dos clientes.

"Os gargalos podem ser criados no aplicativo, mas não podem ser facilmente identificados sem dados específicos", explica Panagopoulou. "O gerenciamento de tráfego é configurado com base em nosso software de gerenciamento de frota Fleet Central. Ao usar os painéis do Simio que mostram os tempos de espera por cruzamento, podemos identificar com precisão os gargalos."

Desafios e soluções de implementação

Embora a implementação da simulação Simio tenha sido muito bem-sucedida, a equipe enfrentou vários desafios ao longo do caminho:

Educação e treinamento da equipe

Um dos principais desafios foi educar toda a equipe de Engenharia de Aplicação da Seegrid sobre a nova ferramenta e processo de simulação. Para resolver isso, a equipe desenvolveu uma documentação abrangente, incluindo um programa de treinamento para a versão inicial, guias de solução de problemas e tutoriais de recursos específicos.

"Como sempre, leva tempo para se acostumar a um novo processo e trabalhar com uma nova ferramenta", observa Panagopoulou. "Inicialmente, pedimos feedback à equipe durante o desenvolvimento, incluindo um treinamento de lançamento inicial que toda a equipe concluiu e forneceu feedback para garantir que a simulação fosse benéfica para todos."

Traduzindo a lógica do gerenciamento de frotas

Outro desafio significativo foi traduzir a sofisticada lógica do software de gerenciamento de frota da Seegrid para o modelo Simio. Isso exigiu um equilíbrio cuidadoso entre a precisão do modelo e o tempo de desenvolvimento.

"O software de gerenciamento de frotas da Seegrid é baseado em anos de desenvolvimento e capacidades de veículos que tiveram que ser considerados no modelo de simulação", explica Panagopoulou. "A chave para superar esse obstáculo é identificar os recursos que são realmente necessários. É preciso encontrar um equilíbrio entre a precisão do modelo e o tempo de desenvolvimento, pois não se quer gastar muito tempo tornando a simulação idêntica ao produto quando não se usa todos os seus recursos."

Mantendo o modelo atualizado

Manter o modelo de simulação atualizado também pode ser um desafio. A equipe desenvolveu processos para que as alterações feitas nos desenhos de CAD sejam refletidas no modelo de simulação. Isso era necessário, pois o CAD pode mudar do escopo original para o que está instalado.

O impacto nos negócios

Perspectivas futuras

A Seegrid vê a parceria com a Simio como apenas o início de um novo capítulo em suas capacidades de design de soluções autônomas. À medida que os aplicativos de seus clientes continuarem a se tornar mais complexos, a necessidade de simulação sofisticada só aumentará.

"Os recursos de engenharia de aplicativos da Seegrid se expandiram muito desde o uso do Simio para modelar os fluxos de trabalho dos clientes", afirma Panagopoulou. "Nosso plano é continuar a desenvolver nossa abordagem para nos alinharmos com as estratégias de negócios e necessidades dos clientes, que estão evoluindo e são mais complexas. Isso inclui a adição de mais recursos, a capacidade de oferecer suporte a mais fluxos de trabalho e a adição de novos produtos - tudo isso levando a uma maior necessidade de simulação."

A equipe planeja melhorar ainda mais sua capacidade de projetar soluções AMR ideais para seus clientes, incluindo:

• Adição de novos modelos de produtos: À medida que a Seegrid desenvolve novos produtos AMR, eles serão incorporados ao modelo de simulação.
• Suporte a fluxos de trabalho mais complexos: A equipe continuará a promover o modelo para suportar fluxos de trabalho cada vez mais complexos dos clientes.
• Expansão do conjunto de recursos: Recursos adicionais serão acrescentados ao modelo de simulação para fornecer recursos mais detalhados de análise e otimização.

Conclusão

A parceria entre a Seegrid e a Simio demonstra o poder da simulação de eventos discretos na otimização de operações de robôs móveis autônomos. Ao implementar os recursos de simulação da Simio, a Seegrid fortaleceu sua capacidade de projetar soluções AMR eficientes e eficazes para seus clientes - abordando desafios complexos como sequenciamento de trabalho, gerenciamento de tráfego e dimensionamento de frota.

"Recapitulando, os engenheiros de aplicação da Seegrid adicionaram com sucesso uma nova ferramenta ao seu conjunto de ferramentas para o projeto de soluções e simulação de eventos discretos usando o Simio", conclui Schooley. "Nosso objetivo não era a perfeição - era construir um modelo sólido e prático apoiado por uma forte parceria com um desenvolvedor de simulação que nos posiciona bem para o nosso presente - e futuro."

Para operações modernas de manufatura, armazenagem e logística que enfrentam desafios semelhantes com a automação do manuseio de materiais, o estudo de caso Seegrid-Simio oferece insights valiosos sobre como a simulação pode otimizar as implantações de robôs móveis autônomos, reduzir o congestionamento e melhorar a eficiência operacional geral.