Digitálny dvojča: Za hranicami simulácie

Peter MacLeod hovoril s Ocadoovým Andy Ingram-Teddom, aby zistil, ako najmodernejšie živé digitálne dvojčatá odstraňujú hádanky z prevádzky skladov.

Ocado Intelligent Automation (OIA) sa nikdy nebál veľkosti. Ale v mojom rozhovore s Andy Ingram-Teddom, viceprezidentom pre pokročilé technológie, poukazuje na to, že veľkosť nie je príbehom. Príbehom je, čo s ňou robíte. Po takmer 25 rokoch v Ocado sledoval, ako sa spoločnosť rozrástla od úzkeho začínajúceho tímu po globálnu organizáciu s tisíckami ľudí, a stále ho prekvapuje tá istá vnútorná energia, ktorá poháňala prvé dodávky.

„Nikdy nezastaví,“ hovorí. „Vždy sa niečo deje, vždy je nejaké nové dobrodružstvo, vždy je nejaká nová misia.“

Tento rytmus je dôležitý, pretože formuje spôsob, akým OIA, divízia skupiny Ocado, ktorá svojim technológiám prináša zákazníkom po celom svete, uvažuje o nasadení automatizácie. Ingram-Tedd je úprimný ohľadom známeho mylného predstavy: že robotika je jednoducho náhrada ľudí strojmi. Jeho názor je, že presnejší spôsob, ako to vidieť, je ako systémový dizajn a interakcia medzi ľuďmi, softvérom a hardvérom.
„Veľa ľudí sa ma vždy pýta, vyvíjate roboty, vyhadzujete ľudí z práce,“ hovorí. „Ale máme dnes viac ľudí, ako sme mali kedykoľvek predtým. Robíme viac a stávame sa efektívnejší.“

Simulácia, pridáva, je disciplína, ktorá vás núti brať túto interakciu vážne.

Simulácia vs. Digitálne Dvojčatá

Ak je tu jeden bod, ktorý chce Ingram-Tedd, aby si čitatelia odniesli, je to rozdiel medzi simuláciou a digitálnymi dvojčatami, a prečo sú tieto dva pojmy často zamieňané. Simulácia, v jeho definícii, je prediktívny model používaný predtým, než niečo existuje vo fyzickom svete. Digitálne dvojča sa stáva digitálnym dvojčaťom až po tom, čo je sklad postavený a funguje, pretože je neustále zosúladené s realitou pomocou skutočných prevádzkových dát.

Simulácia je to, po čom siahate, keď zlyhávajú tabuľky. Základné procesy môžu byť približne odhadnuté pomocou časových a pohybových predpokladov. Ale ak chcete vysokú priepustnosť a vysoké využitie viacerých pohybujúcich sa častí, potrebujete diskrétnu simuláciu udalostí, modelovanie nespočetných aktivít s počiatočnými bodmi, koncovými bodmi, časmi procesov a pravidlami.

„My naozaj myslíme diskrétnu simuláciu udalostí,“ hovorí. „Deje sa veľa vecí. Majú začiatok, majú koniec. To sa nedá jednoducho vypočítať na tabuľke.“

Vlastné definície Ocado sú jednoduché. Simulácia sa používa predtým, než sa systém postaví. Nahrávate predpoklady, vrátane objednávok, zásob, rozloženia, rýchlostí a pravidiel, a potom spúšťate scenáre „čo ak“, aby ste videli výsledky a riziká. Otázky sú praktické: bude tento dizajn fungovať, aká veľkosť by mala mať, kde sú slabé miesta. Digitálne dvojča je naopak digitálna reprezentácia skutočného fyzického systému, ktorá zostáva zosúladená s živou prevádzkou pomocou prevádzkových dát. Jeho hodnota spočíva v podpore rozhodovania počas prevádzky, vrátane bezpečného testovania zmien a pochopenia, čo sa stane, ak dnes alebo zajtra niečo zmeníte.

Odstraňovanie Hádankových Otázok

Ingram-Tedd zdôrazňuje, že simulácia by nemala byť o vašom najlepšom dni. Mala by byť o vašom najhoršom dni. To môže znamenať modelovanie odstávok, oneskorených príjazdových vozidiel alebo medzier v pracovnej sile, buď samostatne, alebo v kombinácii. „Sme operátori vlastného zariadenia,“ hovorí. „Nezabúdame, že nehádate. Vieme, čo sa môže stať zlé. Stalo sa nám to za posledných 25 rokov!“
Keď je lokalita v prevádzke, vstupy už nie sú len predpoklady. Sú to merania. Môžete vziať dáta z reálneho skladu, vložiť ich do modelu a testovať zmeny konfigurácie, od stratégií umiestnenia položiek po načasovanie vykládky, rýchlosti výberu a využitie zdrojov. Cieľom je neustále zlepšovanie, poháňané dôkazmi, nie inštinktom.

Pýtam sa, prečo OIA vytvára vlastné simulačné nástroje. Ingram-Tedd tvrdí, že balíčky od tretích strán sú užitočné, ale nedostatočné na modelovanie zložitosti systému Ocado, kde softvér určuje, kde a kedy skladovať, vyhľadávať a sekvenovať zásoby, zatiaľ čo roboty navigujú nad hustým skladom. „Nepoužívame tretie strany a má to veľmi dobrý dôvod,“ hovorí. „Neexistuje žiadny štandardný simulačný balík, ktorý by to dokázal.“

Ocado vyvinulo vlastnú simulačnú schopnosť interné od roku 2008. Kľúčovým bodom, podľa jeho slov, je, že softvér poháňajúci simuláciu je identický s softvérom, ktorý poháňa výrobnú prevádzku. Tento pevnejší vzťah medzi modelom a realitou, hovorí, podporuje lepšie rozhodnutia a väčšiu dôveru predtým, než sa investuje do kapitálu.

Rovnako dôležité je, že simulácia je koncová. Nezastavuje sa pri pohybe robotov. Rozširuje sa na dopravníky, palety, vozidlá, ľudí a robotické výbery, pretože optimalizácia má zmysel iba na úrovni celého ekosystému.

„Skutočná optimalizácia nastáva iba vtedy, keď vložíte všetky subsystémy a modelujete ich všetky dohromady,“ hovorí. „Integrácia prináša zložitosť a simulácia vám pomáha pochopiť následný efekt každej voľby dizajnu.“

Infrastruktúrna Optimalizácia

Praktická hodnota je, že simulácia mení dizajnové otázky na testovateľné scenáre. Jeden príklad je vzťah medzi počtom robotov a dosiahnuteľnou priepustnosťou. Spustite viacero prípadov paralelne a môžete nakresliť, kde začína klesanie výnosov, čím identifikujete ideálne miesto, za ktorým ďalšie investície neprinášajú veľký úžitok.

Tento istý prístup platí aj pre stanice na výber. Stanice OIA sú modulárne a simulácia môže preskúmať, ako zmeny rozloženia ovplyvňujú priepustnosť aj výkon operátora. Cieľom je vyhnúť sa platiť za ľudský čas, zatiaľ čo stanica umožňuje operátorovi pracovať efektívnejšie a neprekrmovať ho prácou.

V jednej demonštračnej ukážke, o ktorej sa diskutovalo v rozhovore, Ingram-Tedd spomína číslo výkonu pri výbere, ktoré bude mnohým čitateľom znieť nepravdepodobne: 1072 jednotiek za hodinu na stanici. Rýchlo dodáva, že to nie je sľub udržateľného prevádzkovania. Vybudovanie systému okolo maximálneho výkonu ľudí je riskantné, ak ľudia nemôžu udržať takúto úroveň, a vedie k zbytočným investíciám do upstreamových zdrojov. Rozumným cieľom by mohlo byť 600 až 700 jednotiek za hodinu, čo je stále oveľa viac ako bežné priemyselné očakávania.

Čo často narúša automatizáciu, nie je priemerný prípad, ale výnimka: nezvyčajné produkty, nepríjemné prezentácie alebo zriedkavé poruchové režimy, ktoré však stále často nastávajú pri vysokom objeme. V robotike a automatizačnom inžinierstve sú tieto známe ako rohové prípady, nezvyčajné alebo extrémne situácie mimo bežných prevádzkových podmienok, ktoré musia byť stále bezpečne a spoľahlivo zvládnuté. „Nemôžete mať roboty ako tieto na živom mieste, pokiaľ nemôžu zvládnuť rohové prípady,“ verí Ingram-Tedd.

Budúcnosť vyzerá sľubne

Okrem potravín OIA aplikuje svoju platformu aj na iné vertikály. Ingram-Tedd zdôrazňuje veľký projekt s McKessonom v Kanade – ešte nie je spustený v čase rozhovoru, ale nie je ďaleko – ktorý popisuje ako veľký systém v Montreale navrhnutý na zvýšenie produktivity pri zlepšení sledovateľnosti, zodpovednosti a bezpečnosti. Tvrdí, že distribúcia liekov má veľa spoločného s potravinami, ale s prísnejšími požiadavkami na súlad, najmä v sledovaní dávok a šarží. Naznačuje významné zisky v produktivite, pričom poznamenáva, že existujú zákazníkom špecifické úpravy, ktoré zostávajú dôverné.

Takisto mi pripomenul, že vzájomná výlučnosť skončila vo väčšine trhov, kde Ocado prevádzkuje svoju technológiu potravín s partnermi, čím sa otvára možnosť, aby Ocado vrátilo svoj vyvinutý produkt na niektoré z najrozvinutejších trhov elektronického obchodu po období exkluzívnych dohôd.

Na konci rozhovoru Ingram-Tedd stručne spomenul novú technológiu výberu, ktorá má byť predstavená v roku 2026, ktorú charakterizuje ako významný krok vpred. Logistics Business mal možnosť získať skorý pohľad na tento koncept, ale detaily zostávajú utajené pred verejným uvedením na MODEX na jar. Dúfame, že sa k tomu v budúcnosti vrátime, keď bude OIA pripravená o tom hovoriť naplno.

Pre moment, jeho posolstvo zostáva konzistentné. Či už ide o otázku, koľko robotov nasadiť, ako navrhnúť stanicu na výber alebo ako integrovať ďalšiu vlnu automatizácie, rozdielovým faktorom nie je jediný robot. Je to schopnosť presne modelovať zložité systémy, učiť sa z reálnych operácií a neustále sa zlepšovať.