未来工厂的材料处理-软服之家

未来工厂的材料处理

使用仿真和规划以整合灵活的机器人技术

高层摘要

制造和工艺复杂性正在重塑传统制造行业。要在这种新局面下取胜，就必须采纳这种复杂性，并将其转化为市场优势，从而领先于实施原有流程的竞争对手。未来工厂的集成程度比以往更高，并且可以赋能更高的产品灵活性。此白皮书将探讨在工位级别以及在工厂级别使用自主移动机器人进行集成的灵活性，从而帮助实现优化的生产环境。

序言

近期的历史记录表明，仅为机组效率而优化的传统制造已经无法满足所有企业可持续发展的要求。制造商转而开始寻求供应链的弹性能力。这种能力可以有多种形式，从每个零售市场的分散式生产中心到迅速改变产品。就后者而言，自主移动机器人 (AMR) 和自动导引车 (AGV) 可能正是制造商寻求用来应对不断增长的产品复杂性的灵活方式。但在部署这些技术之前，验证自主移动机器人和自动导引车是否能够完成所需任务、安全完成任务并为整个设施增添价值，也同样至关重要。如果无法在全面数字孪生中确保满足这些要求，那么整合这些技术就可能浪费时间，员工可能受到伤害，投资可能付之东流。未来工厂可能是自动化的，但要实现自动化，就需要在当下进行优化。.

几十年来，工业制造领域一直是率先采用机器人和其他技术进步的先驱。机器人技术也一直是大型、往往重复性极高的制造工艺提高生产效率的理想选择之一。

但是，大批量生产少数产品种类的年代需要屈服于产品个性化的增长，需要更加灵活的生产工艺以及比以往更少的浪费。

幸运的是，制造业的未来洋溢着各种机遇，充满了通过软件和硬件功能来减少浪费、尽可能提高工艺效率和灵活性的各种新技术。几乎所有这些希望都以数字化转型和数字孪生为基础。从原材料追踪到工艺优化和硬件选择，所有这一切都源于从数字孪生和整个工厂设施闭环优化获得的见解。

其中极为关键的改进就在于通过自动导引车 (AGV) 和自主移动机器人 (AMR) 转变为完全灵活的材料处理方式。由于行业正在逐步转向更加灵活的生产方式，这两种技术势必取代越来越多的静态运输系统。

从原材料追踪到工艺优化和硬件选择，所有这一切都源于从数字孪生和整个工厂设施闭环优化获得的见解。

未来工厂的材料处理

市场趋势

定制化和灵活性是工业制造行业当下的两个热门词汇。消费者喜欢定制化产品；这些产品可能是瓶身刻有自己名字的剃须后涂抹的润肤露、全是用户所需功能而没有无用功能的汽车，或是配有先进 5G 网络通信天线的新手机。所有这些定制化都意味着，制造业正在转向高度混合化的生产并以极小的批次生产数百万种不同产品。

同时，如今的很多产品对于已经确立的自动化技术本身而言太过复杂，促使制造商通过人工装配来扩充传统机器人技术。人类的价值在于能够高效理解和考虑工艺变化。但如果将这种灵活性融入自动化工艺，情况又将如何呢？

对于许多想要将不断增加的产品复杂性转化为竞争优势、同时满足更高定制化需求的制造商而言，灵活且自动（甚至自主）的生产系统就是法宝。迅速从一种产品生产转换为另一种产品生产的能力，将成为企业一个批次只有一件产品和未来高度定制化产品发展道路的决定性特征。

小批量生产本身不是问题，但当前生产工艺在没有大量投资复杂基础设施的情况下无法轻松满足这一需求。大量投资也许能够解决问题，但也许并不能；为了避免这一现象，许多企业开始探索更加灵活的生产方法。在导入不同产品时，制造商如何能够在尽可能减少生产车间变动的情况下高效制造多种产品呢？

未来工厂的材料处理

实施灵活性

自动导引车和自主移动机器人是许多寻求工厂灵活性和供应链弹性的企业之理想选择。通过消除车间中的静态运输系统，整个工艺都可以持续优化。机器是否以理想方式放置和集中，从而尽可能地缩短自动导引车的路线长度？在部署之前对设施进行仿真，就可以解决这一问题。新发布的产品是否需要迅速量产，才能满足需求？自动导引车和自主移动机器人开始行进路线时，相关人员可以对制造这些产品的机器排定优先顺序。也许需要交错转换为动态运输系统才能完成生产。了解传统和灵活运输系统如何交互作用，对于实现高效而经济的运营至关重要。

部署移动机器人绝不像部署传统运输系统那么紧张。除了自动导引车的浅充轨道以外，并不需要基础结构，因此构建需求影响不大。这也是保时捷决定在新电动车型 Taycan 生产中实施自动导引车的原因所在。尽管保时捷选择了能够减少构建需求的技术，小型企业可以采用伴随自身发展能够更好地处理生产扩展的方法。

将这些解决方案集成到现有运行设施之中，通常是部署自动导引车和自主移动机器人的重大阻碍。这些设备需要能够感知周围情况，避免与静态和移动的物体、人体等发生碰撞。它们必须能够准确无误而持续一致地触及和收集材料。它们必须相互通信，即使这些设备并非出自同一制造商。尤其值得一提的是，它们必须与工厂其余部分通信，才能控制生产或运输材料。

完全集成

在更新现有工艺或是制订新工艺时，尽可能降低风险的理想选择之一就是模拟新工序。这样可以在知晓新工艺是否能按预期在车间施行之前避免前期投资。如果无法全面研究工厂运行情况，新设备可能无法充分利用，或者甚至引发新问题，从而导致投资损失。

同样重要的是物联网 (IoT) 设备的实施；一旦新工艺启用之后，它们就可以在数字孪生和物理工艺之间形成闭环。尽管这些设备通常嵌入在新生产设备之中，但也还需要考虑如何充分利用它们生成的大量数据并获得有关生产工艺的重要见解。

Process Simulate

Process Simulate 是 Siemens Digital Industries Software 公司旗下 Xcelerator. 产品组合中数字化制造软件 Tecnomatix. 产品组合的一部分，设计用于在单元和工位级别验证并优化自动导引车和自主移动机器人。此产品组合提供多种设计、验证和运行自动导引车和自主移动机器人以及在其周围实现自动化的工具。部署这些技术的目的很多，可能是替代传统运输系统或是减少员工离开工位获取所需材料的频次。但在几乎所有情况下，工厂物理集成移动机器人之前都必须实施七个流程。

单元和工位级别虚拟调试赋能工程师检查整个车间设备和控制器之间的通信，并在安装任何物理设备或启动任何工艺之前确保信号交换恰当。这对于在集成流程后期实现生产工艺自动化至关重要。但在早期阶段，必须确保自主移动机器人能够与可能遇到的机器正确通信。

机器人可达性用于验证机器人手臂是否能够触及目标位置。这对于静止臂和那些安装在自主移动机器人平台上的手臂都适用。数字孪生中的机器人程序运行可行性和工序仿真，确保所有必要位置都可触及而不会发生碰撞，并且任务的配置有效。

未来工厂的材料处理

激光雷达传感器在自动导引车和自主移动机器人平台中无处不在，但并非所有系统的运行方式都相同。对于自动导引车而言，激光雷达传感器仿真用于定义反射器在工作区域中的位置，而自主移动机器人需要虚拟扫描车间。检测范围规划也必须虚拟进行，这样移动平台就可以在车间导航而不会牵绊故障安全功能。

自动导引车/自主移动机器人 – 在为车间部署多个设备时，机器人同步验证至关重要。如果没有虚拟规划和验证机器人的阻滞区，就可能出现死锁。防止出现死锁就意味着车间可以避免不必要的中断。

人员安全对于部署这些技术也至关重要。即使在完全自动化的工厂中，某些时候车间也可能有人，因此自动导引车和自主移动机器人需要应对可能出现的中断。验证操作员的安全就意味着检查制动距离、检测范围、减速率以及整个机组的其他方面。在物理部署之前，对工厂的数字孪生进行广泛范围的验证极为重要。

路线和工序验证通过数字孪生为叉车、闸门、转台和其他车间设备的无碰撞运动和操作提供便利。此流程通过使用所有作业区的点云碰撞功能得到进一步的扩展。

机组管理器的连通性让整个系统的供应商更加透明，可供连接外部机组管理软件包。在与西门子全面数字孪生技术集成的其他管理器中，科尔摩根、仙知机器人和 SIMOVE 开发了一些受支持的机组管理器。供应商的机组管理器之后可以在 Process Simulate 中驱动自动导引车和自主移动机器人，从而获得有关工艺效率、通信可靠性和设备相互作用方面的反馈。

在数字孪生中验证每个工艺对于实现移动机器人的收益至关重要。集成新技术注定会发现问题，但在虚拟测试中发现这些问题可以大幅减少物理测试所需的资源。需要新工艺时可以进行验证，而之前的工艺仍在使用中，这样更能实现灵活性。

Plant Simulation

Tecnomatix Plant Simulation 设计用于机组、工厂或设施级别的自动导引车和自主移动机器人的验证和优化。为了平衡这种全面仿真的时间、计算能力和粒度，Process Simulate 中可用的详细研究结果，例如单元时序或单元序列，可以在扩展到整个生产设施范围时通过 Plant Simulation 进行应用。机器人的任务次数是一种常见的简化，尽管这样做的方法可能会因具体应用而改变。

安装移动机器人平台之前验证的几个常见属性包括系统产量（单位小时产能）、路径优化、机组选型、控制策略和工作准确率。电池寿命和充电特性也是机组选型的关键要素。模拟这些工艺极为重要，因为如果没有提前规划，机组可能表现不佳而需要额外投资，或者超负荷运行而导致其他设备利用不足和投资损失。

自动导引车要求

规划是否为车间增添自动导引车的逻辑起点就在于检查新工艺需要多少设备才能支持目标产能。例如，电池制造商想要部署自动导引车机组以便在不同加工工位的设施之间移动工件。生产量和成本分析是确定需要多少自动导引车的理想方式。对全面数字孪生进行仿真，多个属性会变化并追踪以确定自动导引车的理想数量。对于此示例而言，随着仿真增加的自动导引车越来越多，制造商可能希望追踪正在制造的电池数量、已出售的数量和生产单位成本。

这些都是根据制造工位和工作中的自动导引车数量绘图的。通过工厂仿真可以确定自动导引车的理想数量，无论是根据单位成本、生产速度还是其他指标进行选择，都由每个公司自行决定，但在采用的早期阶段进行升级的量化收益却是无价的。所有这些仿真过程都在试验管理器中运行，直到达到预定义的停止点（达到目标值、允许运行次数等）。这对于终端用户和自动导引车系统的集成者同样重要。

路径优化和机组管理器控制策略

为了理解运输需求以及单元和工位级别行为，下一步就是让自动导引车在虚拟工厂中运行。在此测试过程中，每个设备的位置和路径都会被记录。此虚拟测试持续运行八小时的轮班时间或者其他具有代表意义的一段时间之后，就会开始出现效率低下的情况，而这是初始计划意料之外的。自主移动机器人可能会产生瓶颈，因其只在车间的一部分区域移动。有些自主移动机器人可能无法到达设施深处的拐角。其他自主移动机器人可能在服务特定区域之前已经达到运载容量。由于充电不足，更多自主移动机器人可能无法到达所需机器处。更糟糕的是，有些自主移动机器人可能由于充电不足而在车间死机，电池大小不够或者充电时间不理想都是充电不足的原因。所有这些情况都会导致需要超出额定机组规模来增加更多自动导引车。

在决定机组管理控制策略以及花时间实施、配置机组管理器并对其进行编程之前，这些都是需要了解并解决的关键问题。当生产中出现这些问题时才进行解决，可能会导致重建昂贵的充电区域才能到达所有工位，或者需要更直接的编程才能强制自主移动机器人在继续常规路线之前检查指定区域。

闭环数字孪生

先前的流程也并非仅局限于预安装惯例。西门子工业物联网即服务解决方案兼具全面的设施数字孪生以及在 MindSphere. 之类平台中收集和管理工业物联网的功能，其仿真和生产之间的闭环提供了准确的见解，可供持续优化并更加高效地进行故障排除。使用 MindSphere 中可用的准确历史数据测试增强或修改之后的机组管理器程序，也许可以将生产车间所需运行的迭代次数降至零。

电池验证

对于自动导引车而言，这可能是极为重要的验证步骤。在自动导引车的简单工作流中，所有设备都遵循同一个路径。它们离开充电站并被导向生产线下游，经过正在执行的任务所需的所有工位，然后放下工件并返回充电区域。但如果自动导引车需要多次停车，电池电量可能下降太慢而无法正常工作。对于自主移动机器人而言，这并不是什么大问题，因其可以重新离开并返回充电桩。

未来工厂的材料处理

自动导引车却必须留在生产线中。如果某个设备失电，整个机组终将停止，消耗剩余电力等待主要自动导引车前进至充电站。

电池验证是检验和定义可用电池能源和充电线长度所必需的，这样自动导引车就不会停在生产线中而使设施暂停。此解决方案依赖于自动导引车与车间机器和人员的相互作用，让确保自动导引车即使延误也能回到充电站成为优先考虑事项。

生产线集成

生产线集成（生产线级别的虚拟调试）是将一台可编程逻辑控制器 (PLC) 或一组 PLC 与设备控制器、工位 PLC 和机组管理器集成的过程。这是一个极为复杂的过程，自然更容易出错，而且这些错误只会到量产阶段才被发现。通过数字孪生虚拟调试或者测试集成可以大幅减少意外情况，甚至便于发现需要改进的方面，因为 Plant Simulation 会在设施的全面数字孪生中观察系统行为。因此，使用 Plant Simulation 中的数字孪生、Siemens PLCSIM Advanced 中的 PLC 控制和 Siemens SIMOVE 中的自动导引车控制和自主移动机器人机组管理，有些情况下完全可以虚拟执行调试。

未来工厂的材料处理

结语

对于那些寻求更加灵活生产工艺的企业而言，无论是出于生产越来越复杂的产品还是提高供应链弹性的压力，自动导引车和自主移动机器人都是两种理想解决方案。但是，必须解决新工艺问题才能赋能这些新技术并将其整合到更广泛的工艺范围中。在进一步追求定制化制造以及一个批次只有一件产品的过程中，采用这些方法的压力只会越来越大。要在不同机械制造商、软件提供商之间整合高级材料处理和成熟流程，需要基于数字孪生的全面解决方案，才能更好地理解流程运作方式并通过更多的知识对其进行优化。在执行物理实施之前在虚拟世界进行实施，助力制造商合并实施工艺仿真和工厂仿真，从而实现更加复杂而定制化产品的灵活生产。凭借我们的软件经验和制造背景，西门子堪称当之无愧的优质合作伙伴，能够在当下运用未来工厂所需的工具。

在执行物理实施之前在虚拟世界进行实施，助力制造商合并实施工艺仿真和工厂仿真，从而实现更加复杂而定制化产品的灵活生产。