عصر جدید مکانیابی صنعتی بدون زیرساخت
رشد سریع اتوماسیون در انبارها و کارخانههای تولیدی، صنایع را بهسوی عملیات هوشمندتر و خودمختارتر سوق میدهد. اخیراً MiTwell، MediaTek و RGo Robotics بهطور مشترک سامانه مکانیابی بصری بلادرنگ (RTLS) نسل جدیدی را معرفی کردند که بهطور ویژه برای محیطهای صنعتی طراحی شده است.
برخلاف سامانههای موقعیتیابی سنتی که بهشدت به حسگرهای ثابت، بیکنها یا برچسبهای نصبشده در سراسر تأسیسات وابستهاند، این راهکار جدید به خود ماشینها امکان میدهد به گرههای حسگر هوشمند تبدیل شوند. وسایل نقلیه صنعتی مانند لیفتراکها، رباتهای متحرک و پهپادها با بهرهگیری از دوربینهای داخلی، پردازندههای هوش مصنوعی لبهای و الگوریتمهای پیشرفته مکانیابی، میتوانند بدون اتکا به زیرساخت اختصاصی، موقعیت خود را تعیین کرده و محیط اطرافشان را در لحظه درک کنند.
از دیدگاه مهندسی اتوماسیون، این گذار از ردیابی مبتنی بر زیرساخت به ادراک در سطح ماشین، نقطه عطف مهمی در تکامل دیجیتالیسازی صنعتی به شمار میرود.
هوش مصنوعی لبهای؛ توانمندساز اصلی هوش مصنوعی فیزیکی
در قلب این پلتفرم، پردازنده هوش مصنوعی لبهای Genio 720 شرکت MediaTek قرار دارد که برای پردازش بارهای کاری سنگین بینایی ماشین، همراه با حفظ مصرف توان پایین و بهرهوری اقتصادی، طراحی شده است. این پردازنده به ماشینهای صنعتی اجازه میدهد دادههای بصری را بهصورت محلی پردازش کنند و بدون وابستگی شدید به رایانش ابری، در لحظه تصمیم بگیرند.
در اتوماسیون صنعتی مدرن، رایانش لبهای روزبهروز اهمیت بیشتری پیدا میکند. با نزدیکتر کردن هوشمندی به ماشین، تأخیر کاهش مییابد، نیاز به پهنای باند شبکه کمتر میشود و قابلیت اطمینان عملیاتی افزایش مییابد. این مزایا برای کاربردهایی مانند ناوبری خودمختار، پایش ایمنی و هماهنگی پویای ناوگان ضروری هستند.
از نظر من، پلتفرمهای هوش مصنوعی لبهای مانند Genio نقشی مشابه نقشی را ایفا میکنند که PLCها زمانی در اتوماسیون داشتند؛ یعنی تبدیل شدن به هسته هوشمند کنترلی ماشینهای هوشمند نسل آینده.
ادراک بصری، آگاهی موقعیتی شبیه انسان را به ارمغان میآورد
قابلیت مکانیابی این سامانه با نرمافزار پیشرفته ادراک RGo Robotics تأمین میشود؛ نرمافزاری که به ماشینها امکان میدهد با استفاده از هوش مصنوعی و بینایی ماشین، محیطهای پیچیده را تفسیر کنند. این نرمافزار بهجای اتکا به زیرساخت خارجی، نشانههای بصری، ویژگیهای محیطی و زمینه مکانی را تحلیل میکند تا موقعیت ماشین را بهطور پیوسته تعیین کند.
این فناوری عملاً آگاهی موقعیتی شبیه انسان را در اختیار ماشینها قرار میدهد. لیفتراکها و رباتها میتوانند مسیرها، موانع و اشیای متحرک را شناسایی کنند و همزمان موقعیت خود را در تأسیسات بهروزرسانی نمایند.
برای محیطهای ترکیبی که انسانها، لیفتراکها و رباتها در آنها همزمان فعالیت میکنند، چنین سامانههای مبتنی بر ادراک ارزش ویژهای دارند. این سامانهها به ماشینها امکان میدهند نهتنها مسیریابی کنند، بلکه خطرهای احتمالی را نیز پیشبینی کرده و از برخورد جلوگیری کنند.
استقرار صنعتی با طراحی سامانهای مقیاسپذیر
اگرچه نوآوریهای هوش مصنوعی اغلب در آزمایشگاههای پژوهشی آغاز میشوند، استقرار قابلاعتماد آنها در محیطهای صنعتی به مهندسی سختافزار قدرتمند و تخصص تولید نیاز دارد. این همان حوزهای است که MiTwell با پلتفرمهای رایانش لبهای صنعتی و طراحی سامانه مبتنی بر ماژول استاندارد باز (OSM) در آن نقشآفرینی میکند.
استقرارهای صنعتی به سامانههایی نیاز دارند که بتوانند لرزش، نوسان دما و کارکرد مداوم را تحمل کنند. تجربه MiTwell در سامانههای نهفته صنعتی تضمین میکند که قابلیتهای پیشرفته هوش مصنوعی بتوانند در پلتفرمهای سختافزاری بادوام و مقیاسپذیر، مناسب برای کارخانهها، انبارها و مراکز لجستیکی، یکپارچه شوند.
بر اساس تجربه من در یکپارچهسازی سامانههای اتوماسیون، مقیاسپذیری و قابلیت اطمینان اغلب بزرگترین موانع پذیرش هوش مصنوعی هستند. راهکاری که هوش مصنوعی را با سختافزار صنعتی ترکیب میکند، خطر استقرار را برای سازندگان تجهیزات اصلی و یکپارچهسازان سامانه بهطور چشمگیری کاهش میدهد.
کاربردهای کلیدی در انبارداری و اتوماسیون صنعتی
پلتفرم Visual RTLS راه را برای چندین کاربرد صنعتی صنعتی با ارزش بالا باز میکند، از جمله:
- ردیابی بلادرنگ لیفتراکها، رباتها و کالاها در تأسیسات بزرگ
- جلوگیری پیشبینانه از برخورد و پایش هوشمند ایمنی
- هماهنگی ناوگانهای ترکیبی از رباتهای خودمختار و وسایل نقلیه تحت هدایت انسان
- هماهنگسازی دادهمحور عملیات انبار و کارخانه
- زیرساخت پایه برای سامانههای کاملاً خودمختار لجستیکی
در انبارهای هوشمند مدرن، توانایی دیدن، درک و هماهنگسازی داراییهای متحرک در لحظه بهسرعت به یکی از نیازهای اصلی عملیاتی تبدیل میشود.
دیدگاه من: RTLS بدون زیرساخت میتواند کارخانههای هوشمند را متحول کند
سامانههای سنتی RTLS اغلب به سرمایهگذاری قابلتوجهی در زیرساخت، از جمله حسگرها، برچسبها و درگاههای شبکه، نیاز دارند. این سامانهها با وجود کارآمد بودن، میتوانند پرهزینه باشند و در صورت توسعه تأسیسات یا تغییر چیدمان، اصلاح آنها دشوار شود.
رویکرد مکانیابی بصری بدون زیرساخت که MiTwell، MediaTek و RGo Robotics معرفی کردهاند، مدلی انعطافپذیرتر ارائه میدهد. بهجای تعبیه هوشمندی در محیط، هوشمندی مستقیماً درون ماشینها قرار میگیرد.
در بلندمدت، معتقدم این معماری کاملاً با آینده هوش مصنوعی فیزیکی و سامانههای صنعتی خودمختار همراستا است. با قدرتمندتر و اقتصادیتر شدن تراشههای هوش مصنوعی، ماشینها بیشازپیش به ادراک داخلی و هوشمندی توزیعشده متکی خواهند شد، نه زیرساخت متمرکز.
برای تولیدکنندگان و اپراتورهای لجستیکی، این امر میتواند به معنای استقرار سریعتر، هزینههای نصب کمتر و انعطافپذیری عملیاتی بسیار بیشتر باشد.
