نقش اتصال IoT در نظارت و کنترل واقعی AGV

ادغام اینترنت اشیا (IoT) به اتوماسیون صنعتی تغییر شکل داده است که چگونه امکانات مدیریت مواد و تدارکات خودکار وسایل نقلیه راهنمای خودکار (AGVs) در خط مقدم این تحول هستند، در حال تکامل از سبدهای ساده دنبال به ربات های هوشمند و متصل قادر به تصمیم گیری در زمان واقعی. اتصال IoT اتصال این تکامل را پایه گذاری می کند، ارائه خط لوله های لازم برای نظارت مداوم و کنترل دقیق تر این مقاله.

بنیاد: چگونه IoT و AGVs Interconnect

IoT یک شبکه از سنسورها، محرک ها و ماژول های ارتباطی را ایجاد می کند که داده ها را بر روی اینترنت یا یک اینترانت محلی جمع آوری و مبادله می کنند، برای AGVs، این بدان معنی است که هر وسیله نقلیه را با کنترل کننده های فعال، ترانسفرنس بی سیم و مجموعه ای از سنسورها - از جمله LiLT، دوربین ها، رمزگذاری کننده ها و مانیتورهای ارتعاشی، متناسب با یک پلت فرم مرکزی، اغلب به طور فعال هدایت کننده های پردازش داده های پردازش شده از طریق انتقال داده های پیش فعال (F) از طریق گزارش پردازش اطلاعات قبل از طریق انتقال داده های پردازش اطلاعات فعال به اشتراک گذاری شده توسط AGV) و یا انتقال داده های فعال است.

نظارت بر زمان واقعی: از داده ها تا عمل

نظارت بر زمان واقعی داده های سنسور خام را به هوش عملی تبدیل می کند. ماژول های IoT در AGVs مختصات مکان (از طریق UWB، اتصال Wi-Fi یا GPS داخلی)، ولتاژ باتری، جریان حرکتی، وزن بار و حتی دمای محیط را انتقال می دهد. این داده ها در فواصل به عنوان کوتاه به عنوان 100 میلی ثانیه جریان دارد، اجازه می دهد اپراتورهای برای مشاهده یک داشبورد زنده از کل ناوگان نتایج قابل توجه است:

  • ] تشخیص سرچ: افزایش ناگهانی در دمای حرکتی باعث هشدار فوری می شود، و یک تکنسین تعمیر و نگهداری را قادر می سازد تا قبل از وقوع خرابی، وسیله نقلیه را بررسی کند.
  • بهینه سازی ترافیک: هنگامی که دو AGV در یک راهرو همگرا شوند، سیستم به طور پویا یکی را برای جلوگیری از قفل شبکه، کاهش زمان چرخه کلی، هدایت می کند.
  • تخصیص منابع: مدیران می توانند AGV ها را به سفارشات اولویت بالا بر اساس سیگنال های تقاضای زمان واقعی از سیستم های مدیریت انبار (WMS) تغییر دهند.

یک مطالعه موردی از یک تولید کننده پیشرو خودرو که توسط مهندسی کنترل (FLT:0) منتشر شده است، نشان داد که نظارت بر IoT کاهش غیر منتظره AGV توقف صفحه تا 40٪ در شش ماه اول استقرار.

پیش بینی از طریق IoT Analytics

یکی از ارزشمندترین کاربردهای اتصال IoT، نگهداری پیش بینی کننده است.با جمع آوری الگوهای ارتعاشی، قرعه کشی فعلی و خطاهای رمزگذاری کننده چرخ، مدل های یادگیری ماشین نشانه های اولیه سایش جزء را شناسایی می کنند، به جای پیگیری یک برنامه ثابت - که ممکن است بیش از حد خدمات یا واحدهای تعمیر و نگهداری کمتر - الگوریتم های پیش بینی شده تنها زمانی که داده ها نشان می دهند که یک رویکرد یک جایگزین هزینه ها را ذخیره می کند و به حداکثر رساندن یک نتیجه باتری جایگزین، نشان می دهد که باعث کاهش وزن می شود.

کنترل و اتوماسیون: حلقه بازخورد IoT

اتصال IoT نه تنها نظارت را فعال می کند، بلکه حلقه کنترل را نیز بسته می کند. AGVs دیگر در سیلوها کار نمی کند؛ آنها دستورالعمل هایی را از یک سیستم مدیریت ناوگان (FMS) دریافت می کنند که ورودی های سنسور IoT، پایگاه داده سفارش و حتی داده های زیست محیطی مانند موقعیت درب یا سرعت کمربند نقاله را پردازش می کند.

برنامه ریزی مسیر Dynamic Path Planning

AGV های سنتی از نوار مغناطیسی یا هدایت سیم پیروی می کنند، نیاز به تغییرات مسیر فیزیکی برای مسیرهای جدید دارند.با IoT، AGVs از SLAM (محلی سازی و Mapping) و داده های ترافیک زمان واقعی برای هدایت آزادانه حرکت می کنند.FMS می تواند ده ها گره AGV را در ثانیه هنگامی که یک مکان ذخیره سازی جدید باز می شود یا هنگامی که به نظر می رسد یک مرکز توزیع بزرگ بدون استفاده از یک سنسور سطح داده ها بدون اینکه بتواند از طریق یک سنسور سطح داده های سطح داده ها جلوگیری کند.

دانلود بازی Adaptive Scheduling and Task

سیستم های برنامه ریزی منابع سازمانی (ERP) برای دریافت اولویت های کاری ادغام می شوند، اگر یک سفارش عجله وارد شود، سیستم می تواند نزدیک ترین AGV را برای انتخاب این تحویل اختصاص دهد.این انعطاف پذیری قبلا با سیستم های کنترل سخت سیم کشی غیرممکن بود. A مقاله در IEEE کنفرانس بین المللی در انفورماتیک صنعتی [[۱۰] [FLT ۱] که برنامه ریزی کلی توسط سیستم های کنترل ثابت شده توسط ۲۵٪.

ویژگی های کلیدی معماری برای ادغام IoT-AGV

پیاده سازی اتصال IoT برای AGVs شامل چندین تصمیم معماری است که بر عملکرد، امنیت و مقیاس پذیری تاثیر می گذارد.

پروتکل های ارتباطی

AGV ها اغلب در محیط هایی با قفسه های فلزی و ماشین آلات متحرک که می توانند با سیگنال های بی سیم تداخل داشته باشند، پروتکل های مشترک شامل Wi-Fi (802.11ax)، Zigbee، بلوتوث کم انرژی و سلول 5G. برای کنترل کم ارتفاع (sub-10 میلی ثانیه)، شبکه های خصوصی 5G به دست آوردن کشش هستند زیرا آنها تاخیر تعیین کننده و تراکم دستگاه را ارائه می دهند.

Edge vs. Cloud Processing

کنترل زمان واقعی نیاز به تاخیر کم دارد، بنابراین بسیاری از سیستم ها داده های حیاتی را در لبه پردازش می کنند - در یک سرور محلی یا حتی در تجزیه و تحلیل غیر بحرانی، مانند روند عملکرد طولانی مدت، می تواند به ابر بارگیری شود. تعادل معماری ابر ترکیبی با توانایی اجرای مدل های یادگیری ماشین پیچیده.

امنیت و یکپارچگی داده ها

شبکه های IoT سطح حمله را گسترش می دهند. بازیگران Malicious می توانند دستورات یا تزریق داده های سنسور کاذب را که منجر به برخورد یا رفتار AGV نامنظم می شود، برای کاهش خطرات، پیاده سازی رمزگذاری نهایی به پایان (TLS 1.3)، تأیید دستگاه (X.509 گواهینامه)، و تقسیم بندی شبکه بین ناوگان IoT و سایر سیستم های نفوذ منظم و سیستم های تشخیص نیز ضروری است.[۱۰]

غلبه بر چالش های اجرایی مشترک

علی رغم مزایای آن، استقرار آی وی های متصل به IoT با موانعی است که باید برای تحقق پتانسیل کامل مورد توجه قرار گیرد.

قابلیت همکاری با سیستم های میراث

بسیاری از کارخانه ها در حال حاضر PLC، SCADA و قدیمی تر ادغام IoT اغلب نیاز به واسطه یا مبدل پروتکل برای پل زدن سیستم های مختلف دارند.با استفاده از مدل های داده استاندارد مانند OPC UA یا MQTT می تواند این فرایند را ساده کند. یک رول اتصال فاز شده توصیه می شود: با یک خلبان چند سیستم مدرن AGV متصل از طریق IoT، سپس به تدریج مهاجرت و یا جایگزین کردن واحد های جدید که اتصال اتصال به آنها.

داده های Overload و Usability

جریان مداوم از صدها سنسور ایجاد یک شکاف داده بدون فیلترینگ و تجسم مناسب، اپراتورهای می توانند از خستگی هشدار رنج ببرند. پلتفرم های IoT موثر داده ها را به داشبورد شهودی متصل می کنند که تنها انحرافات حیاتی را برجسته می کند. یادگیری ماشین می تواند با یادگیری الگوهای عملیاتی عادی و فقط ناهنجاری ها را کاهش دهد.

قابلیت اطمینان شبکه و پوشش

در انبارهای بزرگ یا حیاط خلوت، پوشش Wi-Fi ممکن است مناطق مرده داشته باشد.یک نظرسنجی سایت قبل از استقرار این مناطق را شناسایی کند و اضافه کردن تکرار کنندگان یا استفاده از شبکه های مش می تواند پوشش کامل را برای برنامه های کاربردی حیاتی ماموریت، مسیرهای شبکه اضافی و پشتیبان گیری سلولی حتی در طول شکست های شبکه های اولیه حفظ کند.

آینده: مسیر ناوگان مستقل AGV

اتصال IoT یک سنگ پله به سمت خودمختاری بیشتر است.

  • ]5G و ارتباطات بسیار کم ارتفاع قابل اعتماد (URLLC): [ امکان اجرای دور از راه دور AGV برای مانور پیچیده را فراهم می کند، با تاخیر در دور و دور در زیر 5 متر.
  • Twins دیجیتال: ایجاد یک نسخه دیجیتال در زمان واقعی از ناوگان AGV اجازه می دهد تا اپراتورهای را به شبیه سازی وظایف، مسیرهای آزمون و پیش بینی نتایج قبل از اعمال تغییرات در سیستم فیزیکی.
  • سیستم های چند منظوره همکاری: IoT اجازه می دهد تا AGV ها به طور مستقیم با یکدیگر ارتباط برقرار کنند (وسیله نقلیه به-وحاک) برای کارهای تعاونی مانند حرکت بارهای بیش از اندازه یا تشکیل پینتوون برای کاهش تراکم.
  • ] برداشت انرژی و استقلال: سنسورهای IoT می توانند سلامت باتری AGV را نظارت کنند و شارژ خودکار را با حداقل خرابی هماهنگ کنند. برخی از امکانات با ایستگاه های شارژ ورودی که توسط داده های مجاورت IoT ایجاد می شوند، آزمایش می کنند.

همانطور که این تکنولوژی ها بالغ هستند، مرز بین AGV ها و روبات های تلفن همراه مستقل (AMRs) محو خواهد شد. آنچه ثابت باقی می ماند، وابستگی به اتصال IoT قوی برای ارائه پایه داده های هوش و کنترل است.

نتیجه گیری

اتصال IoT نظارت و کنترل AGV را از واکنش به فعال، از برنامه ریزی شده به پیش بینی، و از جریان های داده یکپارچه شده است. real-time به اپراتورهای اجازه می دهد تا هر حرکت را ببینند، پیش بینی شکست ها و تنظیم عملیات در پرواز، نتیجه یک ناوگان است که به طور موثر، ایمن و انعطاف پذیر تر از همیشه اجرا می شود.سازمان هایی که به دنبال رقابت در صنعت 4.0 هستند، باید اولویت بندی های یکپارچه سازی IoT را برای ساخت زیرساخت های امنیتی قوی، به آنها، و نه به عنوان دستورالعمل های اطلاعاتی، بلکه به طور واقعی به دنبال راه حل های اطلاعاتی و تجزیه و تجزیه و تجزیه و تحلیل های اطلاعاتی هستند.