TE 观点
Lavanya Manohar,自动化和互联生活事业部战略、营销和业务发展副总裁
在世界各地的仓库中,自主机器人与人类一起工作,以前所未有的速度运送货物 - 而且对速度的要求只会不断上升。 由于许多零售商承诺两天送达,并且需要履行大量订单,因此成功与否取决于仓库在定位、挑选和包装货物过程中的自动化程度。最初,使用条形码扫描仪的工人必须在仓库中四处走动,找到订单中的物品,然后将它们带回发货区进行包装并发送。
为了加速这一过程,主要零售商投资于可以将整个仓库货架上的库存转移到发货人手中的机器人。随着机器人技术变得更加智能和灵巧,仓库能够通过让机器人从货架上挑选物品并将其放在传送带上以将它们运送到发货区域来简化系统。
这种演变的下一阶段则是要求仓库机器人的运行方式发生根本性的变化。到目前为止,系统在很大程度上将人类和机器人的操作分开。下一代机器人正在摆脱笼子束缚,这样它们就可以与周围的人类在同一个空间内工作。这种转变需要新的关注点,以确保这些机器人更加安全、智能、小巧和自主。
随着我们为机器人配备的技能在认知、灵巧性、适应性和推理方面越来越像人类,机器人本身在外形上也将越来越像人类。这些机器人执行的任务的重点也将发生变化,从最初的人机协作转变为未来的完全机器人自主运作,届时它们将在没有人参与的情况下运行。这种即将到来的仓库演变将对连接性、楼宇自动化、电力和电气化产生巨大影响。
随着机器人获得更多功能并接管仓库中的更多任务, 我们必须确保它们安全高效地运营,因为它们能满足更快的交货时间等关键目标。
为了实现这种平衡,机器人需要先进的传感器、集成的安全系统和改进的连接性。
机器人将需要升级的传感器来产生类似人类的感知、灵巧性和推理能力:
确保在所有条件(正常或严苛环境,白天或黑夜)下可靠、安全地自主运行至关重要。除了功能强大之外,传感器和连接解决方案还必须耐用。随着系统变得越来越复杂,能够通过连接到云端来自行诊断潜在维护问题可以节省仓库努力维护其机器人队列的时间和成本。
如果不切断电线,就很难显著提高机器人的移动性。 但是,依靠电池运行的自主机器人必须能够定期进行自我充电才能达到峰值效率。让机器人在不需要人工干预的情况下与充电器连接并安全地配接组件并非易事。机器人根据分配给它们的任务有不同的大小和形状。它们携带的负载和所处理的具体应用各不相同,具体取决于它们执行的任务是挑选、放置、排序还是搜索。
TE Connectivity 的充电解决方案旨在提供牢固的连接,同时允许机器人自主管理配接过程。还可针对所涉及的机器人类型定制 TE 充电连接器。例如,用于移动和搬运重型托盘的机器人的充电连接器与用于为从货架上挑选单个产品的自动移动机器人充电的盲配充电连接器具有不同的要求。
在所有情况下,充电站都必须配备能够在严苛和肮脏环境中可靠工作的连接器。它们还需要线路滤波器,以确保它们能够传输适量的电流,从而为机器人高效充电。充电器和充电端口都需要能够承受部件的多次自动耦合和去耦,可能要经历数十万次插拔。
如何权衡尺寸和功能一直是工程师们关心的问题。 几乎每个制造商都生产具有一系列有效载荷的机器人,而所有这些载荷都具有不同的功率要求。在不需要处理比托盘更小的任何货物的交叉转运设施中,操作员可以使用移动性有限的非常笨重的机器人。另一方面,能够在药房中挑选单个物品甚至分拣药物的机器人就需要小很多。
与此同时,随着仓库内的空间变得更加有限,并且需要更小的机器人,这些机器人的功率、信号和扭矩要求也随之增加。为了满足这一需求,像 TE 这样的元件制造商一直专注于以更小的外形尺寸生产更强大、更可靠的部件。随着元件制造商开发创新产品以满足广泛的客户需求,高度专业化的工程和制造能力将变得越来越重要。
进一步改进机器人可以做出的动作将使它们能够承担许多仍然需要人类干预的工作。 例如,大多数仓库存储的物品数量仍然大于典型的订单数量,比如一盒 20 支装牙刷。这意味着机器人必须将盒子送到发货区,在那里再根据订单,通过人工挑选一把牙刷。下一代机器人可能会自动找到并挑选那支牙刷。同样,易碎易腐烂的杂货需要具备更高的灵活性,以及智能管理压力和扭矩的能力,以便机器人的运动不会损坏水果和蔬菜等易碎物品。
处理能力以及快速安全地在狭小空间内穿行的能力对于能够执行这些日益复杂的任务的仓库机器人来说,只会变得更加重要。而元件技术的进步会使机器人摆脱笼子的束缚并推进仓库自动化,这将为机器人自动化在其他行业提供速度更快、动力更强和更安全的方案铺平道路,。机器人在仓库中承担新任务的速度只会呈指数级增长。在这种情况下,对驱动电气化、自动化、传感和移动出行的元件的需求也可能会上升。
Lavanya Manohar
Lavanya Manohar 是 TE Connectivity 自动化和互联生活事业部战略、营销和业务发展副总裁。凭借在工业领域(涵盖机器人、工厂自动化、仓库自动化、传感器和连接)超过 15 年的产品、技术和咨询经验,她成功领导了数字化转型、构建并推出了成功的 AI 赋能产品,帮助收购了众多公司并管理多家大型全球团队。她拥有哈佛商学院的 MBA 学位和印度理工学院马德拉斯分校的工程学位。