Eine Flotte autonomer Roboter (AGVs) kollidierte in einem toten Winkel eines intelligenten Lagers und löste einen Brand aus, der den Betrieb 48 Stunden lang lahmlegte. Dieser Vorfall, der in den Sensordatenprotokollen aufgezeichnet wurde, stellt eine technische Herausforderung dar: zu bestimmen, ob der Fehler in der Routenplanung oder in einer externen Störung der LiDAR-Sensoren lag. Mit der 3D-Pipeline aus Navisworks, CloudCompare und Unreal Engine 5 ist es möglich, jeden Millimeter der Trajektorien zu rekonstruieren und die Grundursache des Unglücks zu isolieren. 🔥
Rekonstruktion von Trajektorien und Erkennung toter Winkel mit Navisworks und CloudCompare 🚧
Der erste Schritt der forensischen Analyse bestand darin, die Positionsprotokolle der 12 AGVs in Navisworks zu importieren, um das Layout des Lagers und die zugewiesenen Routen zu visualisieren. Die Simulation zeigte einen Engpass in Gang 7, wo vier Roboter gleichzeitig aufeinandertrafen. Anschließend wurden in CloudCompare die LiDAR-Punktwolken jedes Roboters mit dem digitalen Zwilling des Lagers abgeglichen. Die Kalibrierung zeigte eine Winkelabweichung von 2,3 Grad beim Roboter R-04 unmittelbar vor dem Aufprall. Es wurde vermutet, dass die hochfrequenten LED-Leuchten an der Decke, die mit 120 Hz arbeiten, ein Interferenzmuster im Sensor erzeugt haben könnten, das die Hinderniserkennung verfälschte. Zur Überprüfung wurde das Lichtspektrum in SolidWorks modelliert und das Sensorverhalten unter dieser Beleuchtung simuliert, was bestätigte, dass das optische Rauschen eine Verzögerung des Bremsvorgangs um 0,4 Sekunden verursachte.
Lehren für die Simulation industrieller Logistikflüsse 💡
Dieser Fall zeigt, dass sich die Simulation von Logistikflüssen nicht auf die Routenoptimierung beschränken darf. Es ist entscheidend, Umweltvariablen wie die Industriebeleuchtung in die Kollisionsmodelle zu integrieren. Unreal Engine 5 ermöglichte es, das Ereignis in Echtzeit nachzubilden und zu visualisieren, wie die LED-Interferenz die Wahrnehmung des LiDARs veränderte. Die vorgeschlagene Lösung umfasst die Neugestaltung des Layouts von Gang 7 mit einem größeren Wenderadius und das Hinzufügen von Frequenzfiltern in den Sensoren. In 3D-Umgebungen zählt jedes Detail der physischen Umgebung; die Deckenleuchten zu ignorieren, kann Millionen an Schäden und Produktionsausfällen kosten.
Wie kann die 3D-Rekonstruktion des Logistikfehlers Fehler im Kollisionsvermeidungssystem der AGVs identifizieren und die Sicherheit in intelligenten Lagern verbessern?
(PS: Eine Industrieanlage zu simulieren ist wie Sims zu spielen, aber ohne Pools, um die Leiter zu entfernen)