تصادم المركبات الموجهة آليا في المستودع: إعادة بناء ثلاثية الأبعاد للفشل اللوجستي

اصطدم أسطول من الروبوتات المستقلة (AGVs) في نقطة توقف تامة داخل مستودع ذكي، مما أدى إلى اندلاع حريق شلّ العملية لمدة 48 ساعة. يطرح هذا الحادث، المُسجّل في سجلات أجهزة الاستشعار، تحديًا تقنيًا: تحديد ما إذا كان الخطأ في تخطيط المسارات أم تداخلًا خارجيًا في مستشعرات LiDAR. باستخدام خط أنابيب ثلاثي الأبعاد مع Navisworks وCloudCompare وUnreal Engine 5، من الممكن إعادة بناء كل ملليمتر من المسارات وعزل السبب الجذري للحادث. 🔥

إعادة بناء المسارات واكتشاف نقاط التوقف التامة باستخدام Navisworks وCloudCompare 🚧

كانت الخطوة الأولى في التحليل الجنائي هي استيراد سجلات المواقع لـ 12 روبوت AGV إلى Navisworks لتصور تخطيط المستودع والمسارات المخصصة. كشف المحاكاة عن اختناق في الممر رقم 7، حيث تقاربت أربعة روبوتات في وقت واحد. لاحقًا، في CloudCompare، تمت محاذاة سحب نقاط LiDAR لكل روبوت مع التوأم الرقمي للمستودع. أظهرت المعايرة انحرافًا زاويًا قدره 2.3 درجة في الروبوت R-04 قبل الاصطدام مباشرة. تم الاشتباه في أن مصابيح LED عالية التردد في السقف، التي تعمل بتردد 120 هرتز، قد تكون أنشأت نمط تداخل في المستشعر، مما زيف اكتشاف العوائق. للتحقق من ذلك، تم نمذجة الطيف الضوئي في SolidWorks، ومحاكاة سلوك المستشعر تحت تلك الإضاءة، مما أكد أن الضوضاء البصرية تسببت في تأخير الفرملة بمقدار 0.4 ثانية.

دروس لمحاكاة تدفقات اللوجستيات الصناعية 💡

تثبت هذه الحالة أن محاكاة تدفقات اللوجستيات لا يمكن أن تقتصر على تحسين المسارات. من الضروري دمج المتغيرات البيئية، مثل الإضاءة الصناعية، في نماذج الاصطدام. سمح Unreal Engine 5 بإعادة إنشاء الحدث في الوقت الفعلي، وتصور كيف أدى تداخل LED إلى تغيير إدراك LiDAR. يتضمن الحل المقترح إعادة تصميم تخطيط الممر رقم 7 بنصف قطر دوران أكبر وإضافة مرشحات تردد في المستشعرات. في البيئات ثلاثية الأبعاد، كل تفصيل في البيئة المادية مهم؛ تجاهل أضواء السقف قد يكلف الملايين في الأضرار وتوقف الإنتاج.

كيف يمكن لإعادة البناء ثلاثي الأبعاد للفشل اللوجستي تحديد الأعطال في نظام تجنب الاصطدام للروبوتات AGVs وتحسين السلامة في المستودعات الذكية؟

(ملاحظة: محاكاة مصنع صناعي تشبه لعب Sims، ولكن بدون حمامات سباحة لإزالة السلم)