Wracając do IoT, zastanawiacie się pewnie, co ten temat robi na konferencji Google o chmurach? Rozjaśnię pytanie, w tym roku jeszcze nie rządzi :-)
Jak wiadomo powszechnie, wiele tematów jest wchłanianych przez Google, także temat zwany partnerstwem z największymi producentami Open Source i wielkimi firmami od spraw bankowych, logistycznych, magazynowych i baz danych. Google chce mieć konkurencję pod kontrolą, a wiadomo, że to jest w pewnym sensie win-win, bo partnerzy mogą sprzedawać swoje usługi w wersji "enterprise" w koloejnej z kilku największych chmur publicznych.
Aby nie umniejszać firmie Amazon, w chmurze AWS istnieje również taki market, na którym Ci sami partnerzy sprzedają swoje wersje płatne rozwiązań.
Następnym wchłanianym tematem jest nagłaśniany coraz bardziej aspekt dotyczący masowego zastosowania robotów w produkcji. Temu tematowi został poświęcony m. in. poniższy temat wystąpienia.
Connected Robots: IoT in the Warehouse (Cloud Next '19)
Jak się domyślacie magazynier, to jeden z pierwszych zawodów, który znika po ponad 150-latach z naszego rynku pracy. Na ten moment zastąpiony jest robotami w wielkich fabrykach, ale kwestią czasu jest zanim zawód magazynier to będzie historia. W opasłych centrach magazynownia już ludzie nie biegają za paczuszkami, a stanowią jedynie nadzorców procesów, sortują niewygodne dla manipulatorów w robotach detale, wspomagają roboty w ich masowej pracy. Celowo wytłuszczam wspomagają, bo tak na prawdę, to kwestia powstania w miarę uniwersalnego manipulatora i pozamiatane :-)
Wracając do wykładu, to przedstawia on dziedzinę magazynowania odnosząc się do IoT jako konieczność w tych czasach i naturalny kierunek rozwoju dla magazynów (ang. warehouses). Zaprezentowany jest jeden z przedstawicieli gatunku - robot wspomagający prace magazynowe. Przy okazji opowiadają, że do prototypowania i testowania nowych konceptów, nowego softu wspierają się też usługą Kubernates, gdyż jest wygodną formą stawiania infrastruktury na życzenie. Prowadzący wyjaśnia, że pokazany wyżej robot powstał w 9 miesięcy dzięki:
- platformie NVIDIA Jetson
- platformie ROS Open Source
- platforma Google Cloud
Na powyższym diagramie prowadzący wyjaśnia, że dzięki robotom zawód magazyniera może doznać znaczącej poprawy wydajności i roboty wyraźnie przyspieszają pracę magazynu. Da się to zmierzyć i można powiedzieć, że każdy człowiek współpracujący z robotem na magazynie jest 2/3-razy wydajniejszy.
Efektywność jest określana przez dane i decyzje. Roboty, które pracują na magazynie mają bardzo wiele danych z czujników i ciągle podejmują decyzje o kolejnych zadaniach. Prowadzący wyjaśnia, że dzięki pojęciu inteligencji operacyjnej oraz złożonym zapytaniom w czasie rzeczywistym, możliwe jest działanie bez przerw i znaczących awarii. Zamyka się to w slajdzie Data Driven Decisions:
Bardzo ciekawe jest też podejście do diagnostyki sieci WiFi, która służy do komunikacji z farmą robotów. Posiadają dedykowane dashboardy do tego:
Bardzo ważne podczas budowania robotów przemysłowych jest śledzenie tego co robot robi. Mam na myśli, czym się zajmuje w większości czasu. Oto jak prowadzący prezentują nam ten temat i coś przewidywalnego w takim zastosowaniu - robot po prostu w ~50% czasu jeździ :-)
Idąc dalej za metrykami, które w takim magazynie są istotne będzie to efektywność pracy robota w magazynie. Co jest ciekawego w tym wystąpieniu? Okazuje się, że nie można uzyskać większej wydajności, kiedy zwiększamy prędkość przemieszczania się robotów w magazynie !!!
Z pomocą przychodzi AI i Machine Learning, dzięki któremu inżynierowie przygotowali/wytrenowali modele ML pozwalające uzyskać największą efektywność.
Poniższy slajd obrazuje na górze model podstawowy rozkładu prędkości jazdy, który nie zapewniał oczekiwanej efektywności i na dole, który zapewnia największą efektywność w pracy robotów CHUCK w magazynie. Jak widać model nie ma charakterystyki stałej w czasie (patrz na kolory), co tłumaczy fakt konieczności optymalizacji zależnie od miejsc, które przemierza robot.
Poniższy slajd obrazuje na górze model podstawowy rozkładu prędkości jazdy, który nie zapewniał oczekiwanej efektywności i na dole, który zapewnia największą efektywność w pracy robotów CHUCK w magazynie. Jak widać model nie ma charakterystyki stałej w czasie (patrz na kolory), co tłumaczy fakt konieczności optymalizacji zależnie od miejsc, które przemierza robot.
Kolejnym zagadnieniem typowym dla powierzchni magazynowych jest orientacja w czasie rzeczywistym, gdzie i jak przemieszczają się zarówno roboty jak i ludzie po magazynie.
Dla prawidłowego działania magazynu niezbędny jest monitoring robotów, które mogą określone zadania. Niechcianym przypadkiem jest blokowanie drogi przez kilka robotów, które "zagubiły się" lub po prostu skończyło im się zasilanie. Monitoring pozycji w czasie rzeczywistym stanowi podstawę utrzymania infrastruktury magazynowej i zapewnia bezpieczeństwo ludziom.
Dla prawidłowego działania magazynu niezbędny jest monitoring robotów, które mogą określone zadania. Niechcianym przypadkiem jest blokowanie drogi przez kilka robotów, które "zagubiły się" lub po prostu skończyło im się zasilanie. Monitoring pozycji w czasie rzeczywistym stanowi podstawę utrzymania infrastruktury magazynowej i zapewnia bezpieczeństwo ludziom.
Monitoring w czasie rzeczywistym jest związany z faktem działania magazynu produktowego przez 24h bez przerwy. Klienci oczekują dostawy w 2 dni, więc niezbędne okazują się metryki na temat tempa pracy maszyn i ich stanu. Co ciekawe monitorowanie odbywa się w znanej w świecie Internetu Rzeczy bazie serii czasowych InfluxDB, która spełnia właściwie swoją rolę.
Opowiadający wspomina, o tym, że monitoring CPU robotów jest super ważny, gdyż przegrzanie się procesorów na skutek uszkodzenia wiatraka to typowy przypadek i wówczas roboty zachowują się w nieprzewidywalny sposób.
Wspomina również o koncepcie Preventive Maintenence (PdM) (pol. konserwacja zapobiegawcza), zgodnie z którym można wymieniając w odpowiednich momentach części znając ich zużycie oszczędzić czas klientów. Jest to związane ze zmniejszeniem czasu potrzebnego na angażowanie inżynierów w utrzymanie. Po prostu w tym czasie programiści mogą wytworzyć kolejne ważne i cenne funkcjonalności.
Bardzo ważne okazują się dla utrzymania i weryfikowania optymalnych rozwiązań nagrania ścieżek jazdy robotów CHUCK. Do tego celu inżynierowie stworzyli specjalne archiwum zapisujące to jak "widzi trasę robot" i mogą w dowolnym momencie "spojrzeć jego oczami" bez konieczności przelotu osobiście samolotem do odległego o tysiące kilometrów magazynu.
Opowiadający wspomina, o tym, że monitoring CPU robotów jest super ważny, gdyż przegrzanie się procesorów na skutek uszkodzenia wiatraka to typowy przypadek i wówczas roboty zachowują się w nieprzewidywalny sposób.
Wspomina również o koncepcie Preventive Maintenence (PdM) (pol. konserwacja zapobiegawcza), zgodnie z którym można wymieniając w odpowiednich momentach części znając ich zużycie oszczędzić czas klientów. Jest to związane ze zmniejszeniem czasu potrzebnego na angażowanie inżynierów w utrzymanie. Po prostu w tym czasie programiści mogą wytworzyć kolejne ważne i cenne funkcjonalności.
Bardzo ważne okazują się dla utrzymania i weryfikowania optymalnych rozwiązań nagrania ścieżek jazdy robotów CHUCK. Do tego celu inżynierowie stworzyli specjalne archiwum zapisujące to jak "widzi trasę robot" i mogą w dowolnym momencie "spojrzeć jego oczami" bez konieczności przelotu osobiście samolotem do odległego o tysiące kilometrów magazynu.
Posty
