欢迎来到江苏泰科流体控制阀门有限公司网站!
随着需求的变化,物流自动化可以实现产能的快速增长。在战略上,物流自动化可以提高生产率,减少人为错误,提高工作效率。有了适当的物流自动化软件、硬件和平台资源,在需求较低的时期,对运营费用的影响是最小的,远低于维持大量人力资源。随着需求的增加,产能已经到位,随时可以启动。虽然这给了物流公司所需的灵活性,以快速响应需求的变化,但它也给了它们更多的机会。
人工智能放大了物流自动化的影响
将人工智能(AI)引入物流自动化将扩大AI的影响。人工智能减少了常见的半熟练任务的错误,比如对产品进行分类和分类。例如,自主移动机器人(AMR)可以改善包裹递送,包括通常最昂贵的最后一英里递送。人工智能帮助AMR进行路线规划和特征识别,如人员、障碍、送货入口和门道。
将物流自动化集成到任何环境都是一个挑战。它可以简单到用动力传送带取代重复的过程,也可以复杂到在工作场所引入协作、自主的机器人。当人工智能被添加到这个自动化和集成过程中,挑战变得更加复杂,但好处增加了。
随着解决方案变得更加相互关联,并且更加了解流程中的所有其他阶段,各个自动化元素的效率就会提高。将AI放置在数据生成和行动的地方,这被称为边缘AI。尖端人工智能的应用重新定义了物流自动化。
人工智能正在快速发展,它的应用并不局限于物流自动化。将人工智能置于网络边缘的好处必须与资源的可用性相平衡,如电力、环境运行条件、物理位置和可用空间。
边缘的推理
边缘计算将计算和数据联系得更紧密。在传统的物联网应用中,大多数数据通过网络发送到(云)服务器,在那里进行处理,并将结果发送回网络边缘,如物理设备。云计算本身就会带来延迟,这在时间关键的系统中是不可接受的。边缘计算的一个实际应用是在分拣过程中从本地包裹中捕获和处理图像数据,使物流自动化系统在0.2秒内作出响应。这部分系统中的网络延迟会减缓排序过程,但边缘计算正在消除这个潜在的瓶颈。
边缘计算使计算更接近数据,而在边缘添加人工智能可以使过程更灵活,甚至更不容易出错。同样,物流的最后一英里严重依赖于人类,但使用边缘人工智能的AMR也改善了这一点。
人工智能的增加对物流自动化中使用的硬件和软件产生了重大影响,而且有越来越多的潜在解决方案。通常,用于训练人工智能模型的解决方案不适合在网络边缘部署模型。用于培训的处理资源是为诸如电源和内存等资源几乎是无限的服务器设计的。在边缘,计算能力和存储是有限的。
异构架构的趋势
在硬件方面,大型多核处理器不太适合边缘人工智能应用。相反,开发人员正在转向针对边缘AI部署进行优化的异构硬件解决方案。这当然包括cpu和gpu,但它也扩展到特殊用途的集成电路(asic)、微控制器(MCU)和fpga。有些架构(如gpu)擅长并行处理,而其他架构(如cpu)更擅长顺序处理。今天,没有任何一种架构能够真正宣称为人工智能应用程序提供最佳解决方案。一般的趋势是使用能够提供最佳解决方案的硬件来配置系统,而不是同一体系结构的多个实例。
这种趋势指向异构架构,在这种架构中,许多不同的硬件处理解决方案被配置成一起工作,而不是使用基于相同处理器的多个设备的同构架构。能够为任何给定的任务引入正确的解决方案,或在特定设备上集成多个任务,可以提供更大的可伸缩性,并有机会优化每瓦特和/或每美元的性能。
从同构系统架构到异构处理,需要一个庞大的解决方案生态系统,以及在硬件和软件级别配置这些解决方案的成熟能力。这就是为什么与与所有主要芯片供应商有重要一级合作关系的供应商合作是重要的,以提供边缘计算的解决方案,并与他们合作开发可伸缩和灵活的系统。
此外,这些解决方案使用常见的开源技术(如Linux)和专业技术(如机器人操作系统ROS 2)。事实上,越来越多的开源资源正在被开发以支持物流和边缘人工智能。从这个角度来看,没有单一的“正确的”软件解决方案,软件运行的硬件平台也不存在。
自动化边缘计算的模块化方法
为了增加灵活性和减少厂商锁定,一种方法是在硬件级别使用模块化,使任何解决方案中的硬件配置更加灵活。事实上,硬件级模块化允许工程师更改系统硬件的任何部分,比如处理器,而不会导致系统范围内的中断。
“升级”底层平台(软件、处理器等)的能力在部署新技术(如边缘人工智能)时尤为重要。每一代新处理器和模块技术通常都会为网络边缘的推理引擎提供更好的功率/性能平衡,因此,能够快速利用这些性能和功率增益,并将对整个物流自动化系统的干扰降至最低,是边缘人工智能硬件系统设计的一个显著优势。
利用微服务体系结构和Docker等容器技术,将硬件中的模块化扩展到软件中。如果有一个更优化的处理器解决方案可用,即使它来自不同的制造商,使用该处理器的软件是模块化的,可以在不改变系统其余部分的情况下代替前一个处理器的模块。软件容器还提供了一种简单而强大的方式来添加新功能,例如,适合在边缘运行AI。
结论
在物流自动化领域部署尖端人工智能并不需要更换整个系统。首先评估工作空间,并确定您可以从人工智能驱动的自动化中真正受益的阶段。其主要目标是在降低运营费用的同时提高效率,特别是在劳动力短缺时期应对需求增加。
越来越多的科技公司正在研究人工智能解决方案,但这些公司通常瞄准的是云计算,而不是边缘计算。在边缘地带,情况非常不同,资源可能有限,甚至可能需要专用的专用通信网络。
通过使用人工智能等技术,物流业务的自动化将继续增长和扩展。这些系统解决方案需要针对恶劣的环境进行设计,而不是云或数据中心。我们采用模块化方法解决了这个问题,提供了具有竞争力的解决方案、较短的开发周期和灵活的平台。
本文由蝶阀编辑整理