挑战
简介
在快速发展的物料搬运领域，Seegrid已成为自主移动机器人（AMR）技术的先驱。在50多个全球品牌的支持下，Seegrid的自动移动机器人已经改变了制造和配送设施，实现了高达80%的非输送物料移动自动化，并减少了高达30%的库存需求。然而，随着客户的工作流程日益复杂，Seegrid 的应用工程团队认识到需要更先进的工具来设计和验证他们的解决方案。本案例研究探讨了Seegrid如何与Simio合作实施离散事件仿真，从而优化AMR车队的运营，减少拥堵，为客户提供更高效的解决方案。
图 1：运行中的 Seegrid Lift CR1 AMR。
公司背景
Seegrid公司由卡内基梅隆大学毕业生 Hans Moravec 于 2003 年创立，公司总部位于宾夕法尼亚州匹兹堡市。公司专注于自主移动机器人，可在制造、物流和仓储环境中实现托盘化物料搬运过程的自动化。Seegrid 的产品系列包括 Lift CR1（可搬运高达 15 英尺、重达 4,000 磅的货物）、Lift RS1（用于搬运高达 6 英尺、重达 3,500 磅的货物）和 Tow Tractor（用于搬运高达 10,000 磅的货物）。
Seegrid 的与众不同之处在于其基于立体视觉和 3D 地图技术的无基础设施导航系统。这种创新方法使其 AMR 能够在复杂的环境中导航，而无需对物理基础设施进行改造。
"Seegrid首席销售官大卫-格里芬（David Griffin）解释说："物料搬运领域正在发生一场革命，而这场革命的核心就是Seegrid。我们为 50 多个全球品牌提供支持，我们将继续在客户的实际环境中部署我们值得信赖和经过验证的 AMR，彻底改变这些设施的运营方式。未来是自主的"。
挑战
传统规划方法的局限性
虽然 Seegrid 的应用工程团队继续利用可靠的 Excel 模型来支持解决方案设计，但他们需要通过仿真建模来扩展他们的方法，以便在规划更复杂的工作流程时提供更深入的见解和更大的灵活性。
"Seegrid 应用工程经理 Sydney Schooley 解释说："随着我们的产品越来越多，客户的工作流程也越来越复杂，我们知道我们需要一个不同的工具。"离散事件仿真帮助我们更好地理解和可视化 Seegrid AMR 在客户环境中的交互作用"。
AMR 车队运营中的具体挑战
应用工程团队面临着几个关键挑战，需要一个更强大的规划系统：
- 可视化 AMR 互动：使用静态模型很难理解多辆车在交叉路口如何互动，也很难识别潜在的拥堵点。
- 优化作业排序：在现代制造环境中，尤其是那些单一零件的制造环境中，空容器与满容器的更换时间（称为 "热插拔 "或 "作业排序"）需要多个 Seegrid AMR 之间的精确协调。
- 处理高峰货量：在没有动态模拟的情况下，确定相同规模的车队是否能够同时处理全年的平均运量和高峰运量具有挑战性。
- 测试 "假设 "情景：团队需要一种方法来试验不同的车队规模和配置，以找到满足每个客户独特要求的最佳解决方案。
"Schooley 指出："在制造物料搬运过程中，单个零件展示是一种常见的工作流程。"由于生产车间空间有限，而且需要在产品中添加许多零件，你经常会在单个零件展示中看到一个容器的物料"。
这种情况造成了一种时间紧迫的局面--当一个装有零件的容器用完时，物料处理人员就得开始计时，将空容器换成满容器。像汽车这样的复杂装配需要数百个零件，这给人工物料搬运工和自动系统都带来了巨大的拥堵挑战。
解决方案
解决方案：Simio 离散事件仿真
2024 年，Seegrid 开始寻找仿真合作伙伴，以增强其自主解决方案的设计能力。在对各种方案进行评估后，他们选择了 Simio，看中的是其强大的离散事件仿真能力和协作方法。
"Schooley解释说："我们之所以选择Simio，是因为我们看到双方将建立良好的合作关系。"我们对 Simio 的开发人员 Adam [Sneath] 赞不绝口。他创造了一个积极的合作环境，始终对我们的产品感兴趣，并确保理解我们的顾虑。我们确信，Simio 模型代表了 Seegrid 在现实世界中实现自动化的方式"。
关键模拟能力
Simio 仿真模型为 Seegrid 提供了几项重要的附加功能：
- AMR 交互的可视化：通过模拟，团队可以看到 Seegrid AMR 在关键路口的互动情况，从而在实施前确定潜在的拥堵点。
图 2：模拟中看到的 9 号交叉路口的拥堵情况。- 作业排序建模：Simio 能够对复杂的作业依赖关系进行建模，确保一个 AMR 在另一个 AMR 开始相关任务（如运送一个满载集装箱）之前完成其任务（如移除一个空集装箱）。
- 交通分析：模拟提供了交叉路口等待时间的详细分析，有助于识别瓶颈并优化路由。
- 实验框架：Simio 的实验功能使团队能够测试不同的 AMR 车队规模和配置，从而找到满足每个客户需求的最佳解决方案。
- 支持多种 AMR 类型：该模型可模拟在同一设施内同时运行的不同类型的Seegrid AMR（如Lift CR1、Lift RS1和Tow Tractor）。
- 电源管理：该模型能够在生产过程中为 AMR 充电。这种逻辑类似于 Seegrid 的 Fleet Central 软件，一旦 AMR 电池电量达到最低水平，它就会进入充电器，无法接收新作业，直到达到最低充电时间。
图 3：电池数据图表，显示每种电池的充电和耗尽率。
实施过程
Seegrid 的 Simio 仿真实施采用了结构化方法：
- 模型开发：Seegrid 组建了一个由 Sydney Schooley、应用系统工程师 Sofia Panagopoulou 和应用工程师 Abby Perlee 组成的 "老虎小组"，与 Simio 的 Sneath 合作开发初始模型。
- CAD 集成：早期的挑战之一是将设施布局的 CAD 图纸集成到仿真模型中。团队开发了一个 Python 脚本，可从 CAD 文件中提取路线网络，并将其转换为可导入 Simio 的格式。
- 车队管理逻辑 实施：将 Seegrid 的企业车队管理软件 Fleet Central 逻辑转换到 Simio 模型中，使仿真能够准确地反映 AMR 在复杂的真实环境中的行为。
- 创建模板：团队创建了一个模板模型，可轻松适应不同的客户场景，简化了未来项目的模拟流程。
- 团队培训：初始模型开发完成后，对整个应用工程团队进行了 Simio 仿真工具使用培训，重点是实际应用于真实的客户场景。
Schooley 解释说。"我们的 Tiger 团队负责与 Simio 合作，帮助开发模型。在整个过程中--一旦我们认为模型处于良好状态--我们扩大的 9 人团队就会更多地参与进来"。
结果和效益
Simio 仿真的实施为 Seegrid 的应用工程团队及其客户带来了巨大收益：
增强解决方案设计
仿真模型使 Seegrid 能够为客户设计出更高效、更有效的 AMR 解决方案。通过可视化复杂的相互作用，并在实施前识别潜在的瓶颈，该团队可以优化路线、车队规模和作业排序，以最大限度地提高效率。
"随着时间的推移，这个解决方案是否会在 10 号交叉路口造成严重的交通堵塞？这会大大增加我们的周期时间吗？如何才能减少交通堵塞？Schooley 问。"这更多地需要[Seegrid]应用工程师解决问题，以便更好地了解客户的情况。熟练的应用工程师团队需要确定模型如何优化最终提交给客户的自动化解决方案。
改善客户沟通
模拟的可视化特性提升了 Seegrid 与客户沟通复杂解决方案的能力。能够以三维可视化的方式展示AMR如何在客户的设施内运行，有助于在内部和外部建立对建议解决方案的信心。
"Schooley指出："这种视觉效果对我的团队非常有影响力。
优化车队规模
试验不同车队规模的能力帮助 Seegrid 优化了每个客户应用所需的 AMR 数量。这有助于客户投资适当数量的车辆，以满足其独特的需求，而无需过度采购。
"Schooley 解释说："我们会比较数量变化对 AMR 车队数量的影响。"例如，如果客户一年中大部分时间的运输量都很平均，但在节假日期间他们的运输量会达到高峰，那么我们是否还能使用相同数量的车辆在高峰期为他们提供帮助？
高效的作业排序
仿真模型对于优化现代工业生产环境中的作业排序尤为重要。通过确认空容器在满容器交付前被移走，Seegrid 可以最大限度地减少操作员没有零件的时间，从而提高生产效率。
"制造业中的作业排序流程可能与此类似：操作员通过按下一个集成按钮来呼叫要更换的容器[交换位置]，"Schooley 描述道。"该信号启动一项作业。我们称之为'空换满容器--部件 1、2、3、4'。然后，Seegrid 电梯 AMR #1 将从装配线上取走空容器，并将其送到指定的空容器存放处（空容器存放处）。然后，AMR #2 将从中转区[满箱存储区]提取满箱，并将其放置在生产线[交换区]的同一位置。AMR #2 将在 AMR #1 完全完成工作后才开始工作"。
图 4："SimGrid "装配厂的作业排序模拟。
瓶颈识别和解决
模拟跟踪交叉路口等待时间的能力有助于识别和解决 AMR 路线中的潜在瓶颈。这提高了物料流的效率，减少了客户设施的拥堵。
"Panagopoulou 解释说："瓶颈可以在应用程序中创建，但如果没有具体数据，就无法轻易识别。"交通管理是基于我们的 Fleet Central 车队管理软件进行配置的。通过使用显示每个交叉路口等待时间的 Simio 仪表盘，我们可以准确识别瓶颈。
实施挑战和解决方案
虽然 Simio 仿真的实施非常成功，但团队在实施过程中也遇到了一些挑战：
团队教育和培训
主要挑战之一是教育整个 Seegrid 应用工程团队了解新的仿真工具和流程。为此，团队开发了全面的文档，包括初始发布培训计划、故障排除指南和特定功能教程。
"Panagopoulou 指出："与往常一样，适应新流程和使用新工具需要时间。"最初，我们在开发过程中征求了团队的反馈意见，包括整个团队都完成并提供反馈意见的初始发布培训，以确保模拟对每个人都有益。
翻译车队管理逻辑
另一个重大挑战是将 Seegrid 复杂的车队管理软件逻辑转化为 Simio 模型。这需要在模型准确性和开发时间之间进行仔细权衡。
"Seegrid的车队管理软件是基于多年的开发和车辆性能，所有这些都必须在模拟模板中加以考虑，"Panagopoulou解释道。"克服这一障碍的关键在于确定真正需要的功能。你需要在模型准确性和开发时间之间找到一个平衡点，因为你绝不希望在没有使用产品所有功能的情况下，花费大量时间使仿真与产品完全相同。
不断更新模型
不断更新仿真模型也是一项挑战。团队制定了相关流程，以便将 CAD 图纸中的更改反映到仿真模型中。这一点很有必要，因为 CAD 可能会从最初的范围变为已安装的范围。
业务影响
未来展望
Seegrid 将与 Simio 的合作视为其自主解决方案设计能力新篇章的开端。随着客户应用的不断复杂化，对复杂仿真的需求也将与日俱增。
"自从使用 Simio 对客户工作流程进行建模以来，Seegrid 的应用工程能力得到了极大的提升，"Panagopoulou 表示。"我们的计划是继续构建我们的方法，以适应不断发展和更加复杂的业务战略和客户需求。这包括增加更多的功能，能够支持更多的工作流程，以及增加新的产品--所有这些都会导致对仿真的需求增加。
该团队计划进一步提高为客户设计最佳 AMR 解决方案的能力，其中包括
- 增加新产品模型：随着 Seegrid 开发出新的 AMR 产品，这些产品将被纳入仿真模型。
- 支持更复杂的工作流程： 团队将继续培养模型，以支持日益复杂的客户工作流程。
- 扩展功能集：仿真模型将增加更多的功能，以提供更详细的分析和优化功能。
结论
Seegrid 与 Simio 之间的合作展示了离散事件仿真在优化自主移动机器人操作方面的强大功能。通过实施 Simio 的仿真功能，Seegrid 增强了为客户设计高效、有效的 AMR 解决方案的能力，从而解决了作业排序、交通管理和车队规模等复杂难题。
"Schooley总结道："总而言之，Seegrid应用工程师使用Simio成功地为他们的解决方案设计和离散事件仿真工具带添加了一个新工具。"我们的目标并不是追求完美，而是通过与仿真开发商的紧密合作，建立一个可靠、实用的模型，为我们的当前和未来做好准备。
对于面临类似物料搬运自动化挑战的现代制造业、仓储业和物流业来说，Seegrid-Simio 案例研究为我们提供了宝贵的见解，帮助我们了解仿真如何优化自主移动机器人的部署、减少拥堵并提高整体运营效率。