CN108140157A - 调节工业车辆性能 - Google Patents
调节工业车辆性能 Download PDFInfo
- Publication number
- CN108140157A CN108140157A CN201680059631.8A CN201680059631A CN108140157A CN 108140157 A CN108140157 A CN 108140157A CN 201680059631 A CN201680059631 A CN 201680059631A CN 108140157 A CN108140157 A CN 108140157A
- Authority
- CN
- China
- Prior art keywords
- industrial vehicle
- curve
- kinematics
- model
- readjustment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 claims abstract description 136
- 238000004088 simulation Methods 0.000 claims abstract description 73
- 230000006870 function Effects 0.000 claims description 105
- 230000009471 action Effects 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 53
- 230000003993 interaction Effects 0.000 description 30
- 230000007613 environmental effect Effects 0.000 description 25
- 238000000034 method Methods 0.000 description 23
- 230000001965 increasing effect Effects 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000005007 materials handling Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000005265 energy consumption Methods 0.000 description 11
- 238000002156 mixing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000007423 decrease Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000001052 transient effect Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 239000011469 building brick Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013396 workstream Methods 0.000 description 2
- DSCFFEYYQKSRSV-KLJZZCKASA-N D-pinitol Chemical compound CO[C@@H]1[C@@H](O)[C@@H](O)[C@H](O)[C@H](O)[C@H]1O DSCFFEYYQKSRSV-KLJZZCKASA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000630329 Scomberesox saurus saurus Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011067 equilibration Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0005—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with arrangements to save energy
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Sustainable Development (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Forklifts And Lifting Vehicles (AREA)
- Traffic Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
一种用于评估和调节工业车辆性能的计算机执行的处理和***包括:识别工业车辆的运动学功能;接收工业车辆在其中操作的环境的约束条件;计算工业车辆的选定运动学功能的参数的回调曲线。基于运动学功能、环境的约束条件和回调曲线来生成工业车辆的运动学模型。通过定义工业车辆在环境内的任务来定义工作流模型,其中任务是基于所述运动学模型的。使用运动学模型和工作流模型来模拟作业规范,并且使用模拟的结果来评估工业车辆。
Description
技术领域
本公开涉及用于评估工业车辆性能的电子***,并且具体地涉及基于模拟、经验数据或其组合进行的工业车辆评估。
背景技术
包括分销商、零售店、制造商等的商业运营方正在部署无线策略以提高业务运营方的效率和准确性。这些商业运营方还可部署无线策略以避免不断增加的劳动和物流成本的潜在影响。
在通常的无线实现方式中,叉车经由无线收发器被链接到在对应计算机企业上执行的管理***。无线收发器被用作与管理***的接口,以例如通过指示工作人员在何处和/或以何种方式挑选、打包、放下、移动、登台、处理或以其他方式操纵设施内的物品来引导工作人员进行他们的任务。
发明内容
根据本公开的各方面,一种用于调节工业车辆性能的***包括:处理引擎,所述处理引擎包括耦接到存储器的处理器,其中,所述处理器执行存储在所述存储器中的程序代码,所述程序代码指示所述处理器识别工业车辆的运动学功能,并且接收所述工业车辆在其中操作的环境的一个或更多个约束条件。所述程序代码还指示所述处理器计算所述工业车辆的选定运动学功能的参数的组合回调曲线。这里,所述组合回调曲线是通过计算机代码计算出的,所述计算机代码还指示所述处理器:获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一回调曲线;获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二回调曲线;以及通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线。所述程序代码还指示处理器基于所述运动学功能、所述环境的约束条件和所述组合回调曲线来生成所述工业车辆的运动学模型。另外,所述程序代码还指示处理器通过定义所述工业车辆在所述环境内的任务来定义工作流模型,其中,所述任务是基于所述运动学模型的。此外,所述程序代码还指示处理器基于所述结果来执行预定动作,并且基于所述预定动作将控制数据加载到选定工业车辆的信息链接装置中。
根据本公开的其他方面,提供了一种用于评估工业车辆性能的处理。所述处理包括识别工业车辆的运动学功能,并且接收工业车辆在其中操作的环境的一个或更多个约束条件。所述处理还包括计算所述工业车辆的选定运动学功能的参数的组合回调曲线。这里,通过以下步骤来计算所述组合回调曲线:获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一回调曲线;获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二回调曲线;以及通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线。所述处理还包括基于所述运动学功能、所述环境的约束条件和所述组合回调曲线来生成所述工业车辆的运动学模型。另外,所述处理包括通过定义所述工业车辆在所述环境内的任务来定义工作流模型,其中,所述任务是基于所述运动学模型的。
根据本公开的其他方面,所述处理还包括:接收表征与所定义的工作流模型相关联的作业的作业规范;基于所述作业规范将所述运动学模型应用于所述工作流模型,以评估工业车辆性能并且确定结果;以及基于所述结果来执行预定动作。
根据本公开的其他方面,提供了一种用于评估工业车辆性能的计算机执行的处理。所述处理包括接收工业车辆的作业规范。该处理还包括通过将所述作业规范分解成工作流模型来模拟所述作业规范。这里,所述工作流模型定义所述工业车辆在与所述操作的执行相关联的环境内的任务。模拟所述作业还包括通过以下步骤将所述任务与生成的运动学模型相关联:识别所述工业车辆的运动学功能;接收所述工业车辆在其中操作的环境的约束条件;计算所述工业车辆的选定运动学功能的参数的回调曲线;以及基于所述作业规范的行驶路径,将所述运动学模型应用于所述工作流模型,以确定结果。
附图说明
图1是根据本公开的方面的用于操作和评估工业车辆的***的框图;
图2是根据本公开的方面的图1的数据贮存器的框图;
图3是根据本公开的方面的包括信息链接装置和基于环境的位置跟踪***的诸如叉车的工业车辆上的电子器件***的框图;
图4是根据本公开的方面的用于创建并使用工业车辆的运动学模型和工作流模型以基于作业规范来评估工业车辆的流程的框图;
图5是示出根据本公开的方面的生成工业车辆的运动学模型和工作流模型的处理的流程图;
图6是示出根据本公开的方面的基于图5的运动学模型和工作流模型以作业规范为基础来评估工业车辆的处理的流程图;
图7是示出根据本公开的方面的创建回调曲线的处理的流程图;
图8是示出根据本公开的方面的在工业车辆正在制动时基于叉子高度的速度的示例曲线的图;
图9是示出根据本公开的方面的在工业车辆正在正常运行时基于叉子高度的速度的示例曲线的图;
图10是示出根据本公开的方面的基于叉子高度的速度的示例回调曲线的图;
图11是示出根据本公开的方面的用于评估工业性能的处理的流程图;
图12是示出根据本公开的方面的用于模拟作业规范的处理的流程图;
图13是示出根据本公开的方面的用于将任务与运动学模型相关联的处理的流程图;
图14是示出根据本公开的各方面的工业车辆可在工作流的作业期间在示例仓库布局中采取的示例路线的地图;
图15是示出根据本公开的各方面的车队大小估计工具的框图;
图16A至图16C是示出根据本公开的各方面的车队大小估计工具的示例图形用户界面的图;以及
图17是能够实现本文中更全面地描述的***、处理或方法(或其子集)中的任一个的计算机处理***的框图。
具体实施方式
根据本公开的各个方面,***、方法和计算机实现的处理提供了通过模拟工业车辆性能来评估工业车辆的工具和技术。一般而言,提供了用于建立专门且唯一地被配置为评估工业车辆性能的模拟结构的第一处理。实质上,第一处理利用处理引擎,通过定义表征所关注的工业车辆性能所需要的工业车辆任务的集合并且通过构造对模拟结构中表示的每个任务进行建模的对应的运动学模型(例如,考虑到移动和能量要求)来建立模拟结构。如本文更全面描述的,第一处理还构造可被处理引擎利用以增强运行模拟的方式的一条或更多条回调曲线。处理引擎还可在模拟结构中建立一个或更多个工作流,其中,每个工作流代表顺序的序列化任务的分段收集。
一旦建立了模拟结构,就提供了用于使用模拟结构来运行工业车辆性能的模拟的第二处理。简言之,处理引擎接收使用模拟来评估工业车辆性能的作业规范。处理引擎从作业规范中提取作业,并且将顺序的序列化工作流的分段收集汇总在一起,以便表征所提取的作业。然后,通过将运动学模型应用于定义所包括的每个工作流的任务,针对模拟结构来处理表征作业的序列化工作流。在可应用于模拟中的情况下,也可应用一条或更多条回调曲线来修改模拟结果。从模拟结果推导工业车辆的性能。
本文中的模拟环境是动态的,使得作业规范可以影响甚至动态地改变模拟结构。在某些情形下,作业规范可指示构建全新的模拟结构。如此,作业规范或其方面可用作对模拟结构的创建或修改的反馈。同样地,模拟结构可指示作业规范的各方面,从而进一步促进创建模拟结构的处理和使用模拟结构的处理之间的交互。另外,可按照诸如作业、时间、工业车辆的数量等来缩放作业规范。也就是说,可使用模拟结构来模拟单个工业车辆的单个工作(例如,由工业车辆X执行的特定入库操作),或者可使用模拟结构来评估由工业车辆或工业车辆车队在整个班次、周、月、年等内执行的作业的集合。
另外,模拟结构提供了如下能力:测试(在虚拟环境中)新的或可选的车辆特征(例如,决定是否修改现有的工业车辆)的有效性,测试车辆功能(例如,决定是否针对某个作业进行混合、测试工业车辆是否适于完成作业等),测量车辆性能,或其组合。在这点上,模拟结构独特地启用将现有工业车辆与最佳和/或虚拟模型进行比较的能力。
另外,模拟结构可表示“理想”的车辆模型,例如,以对新的完美工作的工业车辆进行建模。替选地,模拟结构可表示车辆车队中的特定工业车辆的“虚拟”模型。使用车辆本身的虚拟模型对于说明车辆的使用年限、磨损等是有用的,并且有助于针对其本身的模型来分析实际工业车辆性能(从而使结果正常化)。另外,可使用理想模型和虚拟模型两者进行模拟。
如此,可针对要求、约束条件、选项等来执行模拟结构,以提供对工业车辆性能的深入了解。在某些实现方式中,使用结果来执行预定动作并且基于预定动作将控制数据加载到选定工业车辆的信息链接装置中,从而例如:重新配置工业车辆或以其他方式改变其性能,诸如优化时间;优化工业车辆的能量、电池充电、电池寿命或其组合;(诸如,针对选定班次)优化整个工业车辆车队的能量、电池充电、电池寿命或其组合;减少工业车辆上的机械应力;平衡整个工业车辆车队的机械应力;控制路线选择或行驶;控制混合和/或其他工业车辆功能;等等。另外,处理引擎可使用模拟结构来例如通过求解给定作业的变量来推定或者说填补作业规范中的缺失信息,以填补在起点和端点之间的路线等。
运动学模型包括根据所定义的工业车辆任务对工业车辆的移动进行建模的组件。运动学模型还可包括能量消耗模型,能量消耗模型对在执行任务时所模拟的工业车辆的车辆能量特性进行建模。另外,生成回调曲线。回调曲线考虑到了约束条件或其他限制,包括例如车辆能力、自动化/半自动化特征、包括特定地理约束条件的环境约束条件、操作约束条件、操作人员约束条件等,这些约束条件被用来增强对应条件下的模拟结果。例如,当在仓库的一个区域中模拟任务时,可以应用选定回调曲线,而在仓库的不同部分中,该回调曲线并不相关。
以这种方式,在执行所分配的任务的同时,回调曲线修改一个或更多个运动学功能的车辆性能参数。因此,作为一些示例,可使用回调曲线来说明环境条件(诸如,通道末端控制)、操作条件(例如,设置通道中的速度限制的仓库策略选择)、车辆运行状态条件(例如,作为叉子高度的函数来限制速度)、车辆操作人员的特性(基于技能水平、证书等)、车辆配置状态(例如,考虑由自动化控制实现的降低的速度)、其组合等。
本文中的公开改进了工业车辆本身的技术。本文中的公开还改进了工业车辆监视、操作和控制的技术。本文中的公开还改进了工业车辆性能模拟和评估的技术,从而得到原本不可得到的预测的车辆性能。特别地,本公开的各方面解决了工业车辆性能、调节和评估的技术问题。该技术解决方案包括由计算机生成的评估和/或模拟,该评估和/或模拟考虑了当针对运动学性能(包括预期应用的能力和适用性)进行评估时的能量消耗的复杂性质(其可以基于使用工业车辆的方式而变化很大)以及环境条件或约束条件,如本文中更详细地阐述的。
本文中的工业车辆性能评估的结果通过以下步骤来执行现代工程工作的典型技术功能:通过评估工业车辆能量消耗和运动学性能,在真实世界条件下提供对实际工业车辆的性能的真实预测(或验证)。这使得能够开发、调整和优化工业车辆,以便直接在其预期的环境中使用。
例如,本文中的技术解决方案允许工业车辆制造商有效地确定如下可能性:在实际部署工业车辆之前,车队中的多个工业车辆(包括可选技术)将能够处理在诸如仓库的环境中的操作的预定吞吐量。此外,对于当前部署的工业车辆,本文中的公开内容通过以下步骤提供原本将不可能的工业车辆评估:提供甚至检测与理想性能(在能量、运动学响应或其组合方面)的最小偏差的能力,从而允许调节工业车辆的角色以更好地利用其能力,或者调整或在电学上修改工业车辆的性能能力以获取/重新获取更接近最佳的性能能力。
此外,本文中的技术解决方案带来了改进的工业车辆评估和/或模拟的技术意义、以及增加的模拟速度,从而使得能够在将一个或更多个工业车辆部署到环境中的时间和费用之前对大范围的配置进行虚拟测试和适合性检查。若没有本文中的技术解决方案,工业车辆性能的高级验证(包括适用于应用的测量、运动学响应(包括操作速度)和消耗与能量守恒(包括其复杂组合))原本将是不可能的。根据本文中的技术解决方案,可在部署之前评估复杂的场景,从而导致从许多不同的车队配置/环境配置中进行合格的选择。
***概况:
现在参考附图并且具体参考图1,示出根据本公开的各方面的***100。所示出的***100是专用(特定)的计算环境,该计算环境包括通常由参考标记102指定的多个硬件处理装置,这些硬件处理装置通过通常由参考标记104指定的一个或更多个网络链接在一起。
网络104提供各种处理装置102之间的通信链路,并且可被将处理装置102互连的联网组件106支持,联网组件106包括例如路由器、集线器、防火墙、网络接口、有线或无线通信链路和对应的互连件、蜂窝站和对应的蜂窝转换技术(例如,在蜂窝和TCP/IP之间转换等)。此外,网络104可包括使用以下各项进行的连接:一个或更多个内联网、外联网、局域网(LAN)、广域网(WAN)、无线网络(WiFi)、包括万维网的互联网、蜂窝/或用于使得能够实时地或以其他方式(例如,经由时移、批处理等)在处理装置102之间进行通信的其他布置。
处理装置102可被实现为能够通过网络104进行通信的服务器、个人计算机、膝上型计算机、笔记本计算机、目的驱动装置、专用计算装置和/或其他装置。其他类型的处理装置102包括例如个人数据助理(PDA)处理器、掌上计算机、包括蜂窝移动电话和智能电话的蜂窝装置以及平板计算机。
另外,处理装置102被设置在至少一个工业车辆108(诸如,叉车、前移式叉车、拾料器、转塔车、牵引车、骑手托盘车、便携式堆垛车等)上。在所示出的示例配置中,每个工业车辆108上的处理装置102都通过一个或更多个接入点110与对应的联网组件106进行无线通信,联网组件106用作与网络104的连接件。替选地,工业车辆108可配备有WiFi、蜂窝或允许工业车辆108上的处理装置102直接与远程装置通信(例如,通过网络104)的其他合适的技术。
一个或更多个工业车辆108还可包括可选的基于环境的位置跟踪,即使在传统全球定位***(GPS)无效的室内操作时,该基于环境的位置跟踪也允许进行工业车辆108的位置确定。如将在本文中更详细描述的,可利用基于环境的位置跟踪来有效地映射和跟踪工业车辆108在维度受约束环境(例如,仓库的映射部分)中的位置。
例示性***100还包括支持环境内的域级数据管理和处理的服务器112(例如,网络服务器、文件服务器和/或其他处理装置)。例如,服务器112可与工业车辆108交互,以交换数据,促进消息传递,控制,向工业车辆提供域级资源,并且存储与工业车辆遇到地理特征相关的数据、捕获的事件、其组合等,如在本文中更详细描述的。
如本文中更详细指出的,使用模拟结构来评估工业车辆性能。在这点上,至少一个处理装置102包括分析引擎114和对应的数据源(统称为数据源116)。在第一示例实现方式中,分析引擎114和对应的数据源116由服务器112来执行。在可替选的示例实现方式中,分析引擎114和对应的数据源116由计算机或便携式装置(例如,平板计算机、其他非固定计算装置)或对应工业车辆108本身上的处理装置102等来执行。在其他示例实现方式中,该处理例如被分布,以便利用来自由服务器112可访问的数据源116的更深、更丰富的数据集,如通过远程装置102(例如,平板计算机、台式计算机、对应工业车辆108本身上的处理装置102等)上存储的本地数据所增加的。
例如,当在诸如平板的手持便携式装置上实现时,可使用用于实现用户界面的模型视图控制器(Model View Controller)架构来执行本文中的处理。此外,本文中的处理可按照被动模型和无状态控制器的形式来执行。因为用户与对应图形用户界面交互不会创建任何新数据,仅选择配置,所以该模型是被动且不可变的。在可替选的配置中,本文中的处理可动态地计算评估的一些或全部方面。这些计算甚至可以在飞行中执行,诸如当(至少部分地)在工业车辆108上的处理装置102上实现时。
参考图2,在示例性实现方式中,数据源116包括存储各种类型信息的数据库的集合。取决于实施的方式,可以不需要所描述的数据源中的一个或更多个。此外,这些数据源116不需要位于同一地点。在例示性示例中,数据源116包括将来自多个不同域的为了企业利益而执行的处理联系起来的数据库。
在例示性示例中,数据源116包括工业车辆管理数据源202(支持在工业车辆操作域中执行的处理-例如通过与参考图3描述的工业车辆108上的信息链接装置交互)、仓库管理***(WMS)204(支持在WMS域中执行的与操作环境内货物的移动和跟踪有关的处理)、人力资源管理***(HRMS)206(支持在HRMS域中执行的处理)、地理特征管理***208(支持利用地理域中的工业车辆的基于环境的位置跟踪数据的处理)等。以上列表不是穷尽性的,而仅仅旨在是例示性的。
另外,数据源包括工业车辆数据源210。工业车辆数据源210定义了可被本文中的处理使用的影响工业车辆的动态或能量消耗的工业车辆相关数据、以及工业车辆相关数据所依赖的配置参数。值得注意的是,一些参数可被定义为“固定的”。作为另一个示例,取决于工业车辆是被被加载还是被卸载,一些参数可保持不同的值。通过区分给定条件内的选项,处理可应用不同的处理技术(例如,线性插值、统计分析等),以便获得要使用的值。
示例实现方式定义了一个或更多个参数类别,例如,牵引(Traction)、升降(Hoist)、加载搬运器(Load Handler)、电池(Battery)和回调(Cutbacks)。实际上,每一类参数都将具有多个参数/变量。值得注意的是,参数类别涵盖了能量测量和运动学测量二者。通过示例而非限制,牵引类别可包括诸如(最大)加速率、为加速而引出的电池电流、最大速度、为维持(最大)速度而引出的电池电流、最大减速率、为实现(最大)减速率而引出的电池电流等变量。在该示例中,当模拟比最大值小的牵引功能时,可通过基于预定曲线缩放最大值,通过插值、求平均或通过某种其他函数来获得适当的模拟结果。
基本上,可对于工业车辆的任何特征、能力、限制或规范来定义参数。因为不同工业车辆类型具有不同的特性和能力,所以本文中未提供穷尽的参数列表。值得注意的是,在某些实现方式中,存储在工业车辆数据源210中的信息表示一种类型的工业车辆的理想/最佳参数值,例如,所有静态平衡叉车共享相同的参数。在可替选的配置中,参数值可被存储为特定工业车辆的特定实例。这里,相同车辆类型内的参数值的差异可说明并区分配置有不同配置的新车辆、具有旧电池的旧车辆等。参数值的差异还可表示由车队内当前现有的车辆实例实际测得的差异,例如,如参考图3更全面说明的工业车辆上的信息链接装置所测得的。
数据源还可包括环境模型212(在本文中也被称为仓库模型)。环境模型212也可替选地是地理数据208的一部分。无论如何,环境模型212定义了维度受约束环境的地图,例如,包括仓库的映射部分。
在另一个示例实现方式中,环境模型212包括仓库(或工业车辆在其中操作的仓库的至少一部分)的地图。环境模型212还映射用于存储诸如货物托盘的物品的货架结构、入库和出库槽/车道、行驶车道、通道、工人行人道等的尺寸。在这点上,可选地,环境模型212可包括存储在货架中的产品的模拟/预期的重量/尺寸。环境模型212还可与WMS数据204链接,以允许分析引擎114从实时库存状态获得实际的重量和产品尺寸。在其他可替选方案中,环境模型212可存储虚拟化信息以及实际现场信息的组合,从而增强可执行的处理、模拟和分析探索的灵活性。环境模型212还可包括基于环境的操作约束条件,诸如通道末端控制规范、速度限制、定义的受约束区域、允许的区域、地理区域等。
操作模型214被设置成描述操作人员如何使用工业车辆、操作人员班次如何安排以及操作人员移动多少产品。如同参考图2描述的其他模型一样,例如,通过从HRMS数据206(其也可以/可替选地包括LMS数据)收集实际信息,所包括的数据可以是虚拟的、理想的、实际的或其组合。
数据源还可存储用于构建工作流模型216的工作流参数216。在例示性示例中,工作流参数描述如何在通道中执行工作流,诸如,行驶方向以及存货拾取工作流中的位置的数量和排序等。本文中更详细地阐述了用于创建工作流模型216的工作流参数的示例。
另外,数据源包括评估模型218。如将在本文中更详细描述的,评估模型218包括运动学模型220。在例示性示例中,运动学模型包括驾驶模型、升高模型(或驾驶和升高模型)、负载搬运器横移模型、枢转模型等。评估模型218还包括工业车辆能量消耗模型222。可从例如经由工业车辆数据源210等收集到数据源116中的数据来导出运动学模型220和能量消耗模型222。
如以上更详细指出的,评估模型218内的模型可包括虚拟化信息、从对应的工业车辆车队捕获的实际测量信息或其组合。
工业车辆:
参考图3,处理装置102被实现为特定用途的特定计算机,在本文中被称为安装到工业车辆108(图1)或以其他方式与工业车辆108集成的信息链接装置302。
信息链接装置302包括实现无线通信、数据和信息处理以及与工业车辆108的组件进行有线(并且可选地,无线)通信的需要电路。作为几个例示性示例,信息链接装置302包括用于无线通信的收发器304。虽然为了方便起见示出了单个收发器304,但是实际上可提供一种或更多种无线通信技术。例如,收发器304跨越图1的接入点110经由802.11.xx与远程服务器(例如,图1的服务器112)进行通信。可选地,收发器304还可支持其他无线通信,例如,蜂窝、Bluetooth(蓝牙)、红外(IR)或任何其他技术或技术的组合。例如,使用蜂窝到IP桥,收发器304可使用蜂窝信号直接与远程服务器(例如,跨越网络的制造商服务器)进行通信。
信息链接装置302还包括控制模块306,控制模块306具有用于实现计算机指令的耦接到存储器的处理器,这些计算机指令包括与方法和处理相关的动作或其一些方面,如本文中更全面阐述和描述的。控制模块306与工业车辆的本地电子组件进行通信,从而使信息链接装置302成为与通用计算机不同的特定机器。例如,控制模块306利用收发器304与远程服务器112(图1)交换信息,以便控制工业车辆108的操作,远程存储从工业车辆提取的信息等。
信息链接装置302还包括由控制模块306控制的车辆电力使能电路308,以选择性启用或禁用工业车辆108或其选定组件。例如,控制模块306可控制工业车辆电力使能电路308,以例如基于操作人员的登陆、检测到的地理特征等,经由电力线310向工业车辆108的选定组件提供电力。
另外,信息链接装置302包括监视输入/输出(I/O)模块312,以经由有线或无线连接与附接到或以其他方式安装在工业车辆108上的***装置(诸如,传感器、仪表、编码器、开关等(统一由参考标记314表示))通信。模块312还可连接到其他装置,例如,诸如RFID扫描仪、显示器、仪表或其他装置的第三方装置316。这允许控制模块306获得并处理在工业车辆108上监视的信息。
信息链接装置302经由合适的车辆网络总线318与其他工业车辆***组件耦接和/或通信。车辆网络总线318是允许工业车辆108的电子组件彼此通信的任何有线或无线网络、总线或其他通信能力。作为示例,车辆网络总线318可包括控制器区域网络(CAN)总线、本地互连网络(LIN)、时间触发数据总线协议(TTP)或其他合适的通信技术。
如将在本文中更全面描述的,车辆网络总线318的使用使得能够将控制模块206和信息链接装置302的其他组件无缝集成到工业车辆108的本地电子器件中。在该示例配置中,信息链接装置302的控制模块306与本地车辆电子组件(诸如,牵引控制器、液压控制器、模块、装置、总线使能传感器、显示器、灯、灯条、声音产生装置、耳机、麦克风、触觉装置等(统一由参考标记320表示))连接并且被理解为能够与本地车辆电子组件进行通信。
基于环境的位置跟踪
根据本公开的其他方面,在示例应用中,在工业车辆108上设置基于环境的位置跟踪装置322。在其他实现方式中,基于环境的位置跟踪装置322是可选的,并且不需要被包括在内。如所示出的,基于环境的位置跟踪装置322经由车辆网络总线318(例如,CAN总线)连接到车辆电子器件。结果,基于环境的位置跟踪装置322可直接与控制模块306以及对应工业车辆108的控制器和其他模块320进行通信。基于环境的位置跟踪装置322使得工业车辆108能够在空间上感知其在维度受约束环境(例如,仓库的映射部分)内的位置。
在本文中更全面描述的应用中,当工业车辆108在室内操作时,诸如全球定位***(GPS)的常规技术不太可能有效。然而,基于环境的位置跟踪装置322可包括利用标记(包括RFID、信标、灯或其他外部装置)的本地感知***,以允许仓库环境内的空间感知。基于环境的位置跟踪***322还可以/替选地使用应答器和三角测量计算来确定位置。另外,基于环境的位置跟踪***322可使用以上和/或其他技术的组合来确定工业车辆的当前(实时)位置。如此,在某些实现方式中,工业车辆的位置可被连续确定(例如,每秒或更少)。可替选择地,可导出其他采样间隔,以连续地(例如,以离散定义的时间间隔、周期性或其他常数和循环时间间隔、基于中断的间隔、触发器或其他度量)随时间确定工业车辆位置。
基于环境的位置跟踪装置322还可使用从惯性传感器、车辆传感器、编码器、加速度计、陀螺仪等读取的知识(例如,经由车辆网络总线318上的控制器320、经由监视I/O 312和车辆网络总线318上的传感器314等)来确定工业车辆108在仓库内的位置和/或增强或修改来自位置跟踪装置322的位置确定。以这种方式,基于位置的跟踪***感知车辆在维度受约束环境(例如,仓库的映射部分(例如,如由图2的地理数据208和/或环境模型212保持的))内的绝对位置。
包括流程概述的模拟结构
图4是示出用于建立用于评估工业车辆性能的模拟结构的技术特征的总体流程的框图。一旦建立了模拟结构,***就就可利用模拟结构来执行模拟。同样地,作业规范可影响如何建立模拟结构。图4的计算机执行的处理可由耦接到物理存储器的硬件处理器执行,其中,处理器由存储在存储器中的程序代码编程,以执行本文中的处理。例如,可由对应的处理装置102(例如,服务器、平板、工业车辆处理***等)上的分析引擎114的一个或更多个实例使用数据源116来执行图4的***,如本文中更详细地阐述的。处理可在一个物理计算装置上执行,或者处理可以例如以客户端-服务器方式(例如,与服务器计算机通信的工业车辆上的平板或处理装置)分布在多个物理计算装置上。图4的计算机执行的处理可在存储机器可执行的程序代码的计算机可读硬件上实现,其中,程序代码指示处理器实现所描述的计算机执行的处理。
在这点上,将首先从“基础(ground)”开始描述图4的框图,以展示如何创建模拟结构。然后,描述图4的框图,以说明使用所创建的模拟结构来模拟执行各种任务的工业车辆的非限制性示例。
建立模拟结构
如在框图400中示出的,为了建立模拟结构,定义运动学功能402,运动学功能402表征相关联的工业车辆可执行的运动能力的范围。在实际应用中,一些运动学功能将是车辆和/或车辆类型特定的。在示例实现方式中,运动学功能包括驾驶类别、升高/降低车辆的负载处理特征(例如,叉子)、负载搬运器横移(例如,其存在于诸如转塔存货拾取器的大型满员工业车辆上)和枢转功能(例如,相对于操作人员的隔室旋转负载处理特征(例如,叉子)的方向)。
与运动学功能402相关联的参数、来自数据源404(例如,图1至图2的数据源116)的其他数据或其组合被用于创建回调曲线406,回调曲线406可潜在地在模拟的执行期间修改运动学功能402的某些实例。如本文中指出的,处理引擎416可利用回调曲线406来增强运行模拟的方式。如此,在可应用于模拟中的情况下,可应用一条或更多条回调曲线406来修改模拟结果。
关于图8至图10更详细地描述回调曲线406。然而,简要地说,针对工业车辆的选定运动学功能的指定参数来计算每条回调曲线406。例如,在例示性示例中,运动学功能可以是“驾驶”或“驾驶和升高”(其中,行驶和叉子高度被组合)。在该示例中,所指定的参数可以是行驶速度、叉子高度、制动等。然后,将所指定的参数与一个或更多个相关参数相链接,相关参数可处于一个或更多个维度。
可从工业车辆在其中操作的环境的一个或更多个约束条件(例如从数据源404中提取的)导出回调曲线406。例如,回调曲线可通过定义速度包络来建立速度与距离约束。在第一示例性实现方式中,仓库的整个通道由速度相对于距离回调曲线的横坐标上的总路径距离来表示。环境通道末端控制(EAC)指定仓库通道末端的速度区域。如此,横坐标由定义通道EAC距离的开始的第一段、指定没有速度限制距离的第二段(通道的长度的中间)和定义通道EAC距离的末端的第三段来表示。纵坐标表示速度。识别表示最大EAC速度的线和表示车辆最大速度的线,并且生成绘图。假设车辆处于静止,该绘图表示车辆加速到最大EAC速度的最大(或一些其他编程的)速率。然后,车辆受到速度限制,直到到达第一EAC区域的末端为止。然后,车辆可加速到最大速度,但是必须开始制动,从而以不超过EAC速度限制的速度进入通道EAC区域的末端。该回调曲线可与地理位置(例如,与通道1的末端对应的坐标X、Y)链接。此外,该回调曲线可被动态修改。例如,叉子高度可影响加速率,模拟负载的重量可改变制动速率等。此外,该回调曲线可与特定车辆、车辆类型、操作人员、坐标集、特定时间段(例如,仅在第一班次期间)等链接。
另外,该回调曲线可被实现为“组合”回调曲线。例如,操作人员训练会对车辆施加大于最大可允许EAC速度但是小于最大车辆速度的速度限制。以这种方式,通过在公共坐标轴上绘制每条回调曲线并且通过在沿着公共坐标轴(在该示例中,横坐标)的点处选择绘制的回调曲线的最小值来生成组合的回调曲线。该简化示例仅仅是出于例示目的而呈现的。实际上,可使用多个维度针对任何运动学功能参数来生成回调曲线,包括组合的回调曲线。
作为另一个示例,可通过针对作为叉子高度(横坐标)的函数的速度(纵坐标)生成的叉子高度回调曲线来修改混合操作(即,同时执行两种或更多种卡车功能,诸如,与叉子高度调节同时进行的行驶)。再次,可例如从数据源404接收工业车辆在其中操作的环境的一个或更多个约束条件,以向速度相对于叉子高度曲线添加多个曲线和/或维度。例如,高度回调可以是地理上受限制的,可以受时间、操作人员技能、叉子上的货物的性质(例如,从WMS***导出的)等的限制。也可按照时间、距离或其他度量来表示叉子高度回调。另外,组合的高度回调可被定义为沿着组合的回调曲线的公共坐标轴的两条或更多条曲线的点的最小值。
可进一步导出对于制动、性能、电池/能量等的回调。另外,在特定的地理位置,可能有两条或更多条回调曲线将是适用的。在该示例中,回调曲线本身被组合,并且通过在沿着每个公共坐标轴的点处选择组合曲线的最小值来进行整体回调。在复杂示例中,该构思可在多个维度上沿着多个公共轴应用。
运动学功能402、回调曲线406、数据源404和环境约束条件408被用于创建工业车辆的运动学模型410。通常,环境约束条件408可与数据源404一起存储,但是这里仅仅为了讨论的清楚而示为出来的,以在通知运动学模型410时识别它们的功能。以这种方式,工业车辆(或工业车辆类型)的运动学模型410提供了便利的机制来描述工业车辆的运动学功能402的模型,可根据计算出的回调曲线406、环境约束条件408或其组合来处理这些模型。运动学模型410还包括工业车辆能量消耗模型。能量消耗模型允许模拟能够考虑作为正被模拟的任务的函数的能量消耗。因此,能量消耗模型补充了运动学模型,从而使模拟能够仅关注能量、作为任务性能的函数的能量、作为能量的函数的任务性能、或单纯基于任务性能。
在示例实现方式中,运动学模型410包括从驾驶和升高运动学功能导出的驾驶和升高模型。驾驶可被简化成均匀的加速模型,在不受约束的情况下,车辆以所定义的最大加速度(通过驾驶参数设置)加速到最大速度,并且同样地尽可能晚地减速,以达到速度减少限制。可替选地,加速度、速率、行驶方向等可以是动态的。驾驶和升高模型还可考虑混合。例如,在“无混合”配置中,叉子被升高/降低至行驶高度,车辆行驶至目的地,停止,然后叉子被调节至最终高度。在“仅开始混合”配置中,车辆可在行驶到最终目的地的同时,将叉子朝向行驶高度升高/降低。一旦到达最终目的地,就将叉子调节成最终叉子高度。在“两者混合”配置中,可同时调节行驶和叉子高度。这里,在到达目的地的同时,实现最终叉子高度。
类似的考虑可应用于运动学模型410的其他组件,例如,负载搬运器横移模型、枢转模型和车辆能量消耗模型。
定义任务412,可以(可选地,仅仅)根据运动学模型(例如,基于一个或更多个运动学功能和/或能量消耗模型)来表征任务412。类似地,创建工作流模型414,可以(可选地,仅仅)根据所定义的任务412来表征工作流模型414。在实际应用中,可利用所定义的任务412来建立任意数量的工作流模型。此外,工作流模型应该定义用户期望模拟的所有操作。在某些示例中,工作流可被表示为序列化的任务组。
应该理解,在实践中,运动学模型可被构造成对特定工业车辆、特定工业车辆类型等进行建模。如此,可存在多个运动学模型410。同样地,有可能存在众多任务412,这些任务412中的一些(例如,驾驶)是大多数全部车辆类型共有的。还可存在对特定车辆/车辆类型唯一的任务412。
在使用中,处理引擎416接收表征待模拟的操作的作业规范418。该操作是基于工作流模型414中的工作流定义的,或者可以其他方式被解构成工作流模型414中的工作流。此外,作业规范418可描述环境内的行驶路径(包括起点和终点)。行驶路径的知识使得环境约束条件能够以适应上下文的方式被应用于模拟。此外,行驶路径可被用于确定是否(以及在模拟期间何时)应用一条或更多条回调曲线。在一些实施例中,行驶路径包括工业车辆从起点到终点所采取的路线。在其他实施例中,行驶路径不包括该路线,并且处理引擎416确定路线(例如,基于消耗的能量、最短距离、最短时间等)。
处理引擎416使用运动学模型410(包括回调曲线406和环境约束条件408)、工作流模型414和数据源404来模拟作业,以产生结果420。在执行模拟时,环境约束条件408(例如,仓库速度限制)被施加在正被模拟的车辆上。这些限制可以是基于地理的、基于时间/班次/操作人员的等。此外,如本文中更全面阐述的,回调曲线406被应用于模拟。例如,在高度回调时,车辆被限制为:叉子越高,速度越慢。在示例实现方式中,这种关系被简化为分段线性。驾驶所识别的路径所花费的时间取决于约束条件,所以高度回调可被分解为从开始约束条件起的时间和到达结束约束条件的时间。
在示例实现方式中,例如,反应性地遵照约束条件,当模拟沿着配备有EAC的通道驾驶的车辆时,模型不会加速,直到它已经经过了开始EAC距离为止。这里,模型可以一旦在末端EAC距离内就开始减速。可替选地,前视会造成车辆制动,使得车辆在进入末端通道EAC区域时处于最大速度。
然后,可使用这些结果420来评估与运动学模型410相关联的工业车辆。“结果”104可以是模拟结果、车队估计结果、实际卡车与理想模拟卡车的比较、能量模拟、时间模拟等。
在一些实施例中,包括对于模拟的要求422。例如,要求422可以是处理引擎416给出基于能量的结果420。要求422的另一示例是处理引擎416解决从起点到终点的路线(例如,基于时间、能量、二者等)。如图4中所示,要求与作业规范418是分开的。然而,在一些实施例中,要求422被包括在作业规范418中。
这些要求也可被实现为约束条件。要求422的其他示例可以是性能评分,诸如,例如在某个时间量内和/或通过消耗少于一定量的能量来完成一组操作(例如,数次存放和取回)。在实际实现方式中,可施加限制,以确保在给定可用车队的情况下这些约束条件在理论上是可行的。在这点上,还可以以基于目标的方式(例如,使时间最小化或使能量最小化)来表示约束条件。要求422的另一个示例可指示某个操作必须在某个班次上进行。
示例模拟
为了处理示例作业规范,处理引擎416需要知道关于正被模拟的工业车辆的信息和关于环境的信息。处理引擎416还可接收关于假想操作人员的信息、关于实际操作人员的信息、操作信息、其组合等。该信息是从数据源404(即,图1和图2的数据源116)中提取的。
作为简化的例示性示例,作业规范可被表示为“TSP6000开始于通道1的末端,沿着通道1驾驶,从货架5、槽3中拾取托盘并且将托盘移动到通道2、货架2、槽1”。该作业规范可以是基于假设数据。作业规范也可用于模拟例如基于WMS信息、工业车辆管理信息等实际发生的事件。例如,在操作期间,如参考图3描述的配备有信息链接装置302的TSP6000在仓库内操作,以实现上述作业。这里,可基于从基于环境的位置跟踪222和由信息链接装置302可读的其他传感器(诸如,RFID、负载重量传感器等)收集的数据来确定行驶路线和负载信息。也可使用来自WMS(参见图2)的数据来确定工业车辆的作业。另外,可基于假设数据和先前测得的数据的混合来生成作业规范。
无论如何,处理引擎416将作业规范识别为“入库工作流”414的单个实例。然后,入库工作流被顺序分解成相关任务412,例如:
在已知位置开始(在通道1的末端处开始)
驾驶并升高至入库槽(沿着通道1驾驶并且升高至货架5处的槽3)
枢转(如有需要)
槽交互(从槽3拾取托盘)
获得负载
横移出去
驾驶并升高(驾驶至通道2、货架2)
横移进入
槽交互
失去负载(在通道2、货架2、槽1处卸载)
横移出去
在货架槽处结束
值得注意的是,每个任务代表模拟车辆执行所定义的作业所需的运动。同样地,每个任务的执行都需要工业车辆消耗能量,这是通过能量消耗模型来测量的。
值得注意的是,考虑到仓库数据(例如,通道1的长度、通道1和2的末端处的EAC约束条件等)以及运动学模型来处理这些任务,该运动学模型阐述了受回调曲线限制的卡车的能力(环境、操作或原本将会限制卡车的最大最佳性能的其他因素)。该结果是所定义的作业的模拟/估计,例如,根据时间、能量等来表示。例如,可添加要求422,该要求422要求处理引擎416模拟能量并且报告根据能量表达的结果。
由“任务模型”412来表征由工作流模型使用的各种“任务”。任务本身定义了工业车辆的工作,所以任务也对应于运动学模型414。例如,驾驶和升高任务可与驾驶和升高运动学模型和能量消耗模型相关联。类似地,枢转任务可与枢转运动学模型和能量模型等相关联。
结果420可作为车辆估计器或车队估计器工具的函数。结果420中表达的模拟能力也可用于扩展现有卡车中的基于环境的位置跟踪装置,提供(真实世界车辆和/或操作人员)性能评分和评估、仓库管理***计划、预测维护调度、车辆配置等。
在若干实施例中,作业规范包括仓库的整个班次所需的所有任务。处理引擎416可使用本文中讨论的模型410、412、414,针对整个班次、整个车辆车队、跨整个班次的整个车队等的任务,(基于能量、时间或二者)确定最佳调度,确定能力,识别车队要求等。
例如,三个骑手前移式叉车和四个刀塔式采捡机的模拟结果可表明,具有四百个操作的作业规范可分三个班次进行分配,其中,第一班次使用三个骑手前移式叉车和两个刀塔式采捡机来执行150次操作,第二班次使用一个骑手前移式叉车和四个刀塔式采捡机来执行另外150次操作,并且第三班次使用两个骑手前移式叉车和一个刀塔式采捡机来执行最后100个操作。
在涉及整个车队的一些实施例中,模拟可涵盖车辆之间的交互。例如,模拟可在仓库的不同区域中为三辆车辆创建并行路线,所以没有延长时间让任一车辆等待另一辆车。例如,模拟可限制路线和时间安排,使得仓库的每个通道的一个车辆可设置时间安排,使得第一车辆正在执行驾驶功能,而第二车辆正与槽交互,所以在第一车辆的驾驶功能等期间运输量较小等。
此外,在一些实施例中,可将模拟的结果420与实际车辆数据(例如,在车辆上收集并且与信息链接装置通信的数据,图3)进行比较,以确定车辆类型的运动学模型是否应该被更新、车辆的选定实例的运动学模型是否应该被更新、车辆是否应该被调度以进行维护等、或其组合。
基于收集的车辆数据来创建模拟作业
参考图1至图4,工业车辆在诸如执行“作业”的仓库的环境周围行驶。作业是由车辆操作人员进行的根据车辆操作人员被分配的职责的要求而执行的活动。例如,WMS可指示车辆操作人员从接收车道3拾取托盘,并且将托盘递送给通道1、隔间1。本文中的***采用该“作业”(特定实例)并且将该作业分解为由一系列顺序任务(例如,拾取、驾驶、枢转、横移、放下)定义的工作流(入库工作流)。在这点上,这些任务代表所采用的对由工业车辆执行的工作的度量。
信息链接装置302(图3)不断地(例如,以预编程的间隔)监视工业车辆并且从工业车辆中收集数据。因此,信息链接装置302以时间戳记录来捕获工业车辆的状态,该时间戳记录可包括诸如车辆速度、控制器状态、传感器测量等信息。另外,在工业车辆还配备有基于环境的位置跟踪装置322的情况下,记录工业车辆的位置。此外,工业车辆上的模块320可包括不断地收集电池状态数据的电池监视器。
信息关联装置302还可响应于异步触发(诸如,操作人员登入/登出车辆、检测到的撞击、指示工业车辆已经拾取或放下了负载的来自负载传感器的测量值、指示工业车辆处于特定位置的来自基于环境的位置跟踪装置322的信息等)而创建记录。
收集到的数据被无线传输到工业车辆管理数据源202(图2)。以这种方式,以上信息可与特定的工业车辆、车辆类型、操作人员标识等链接。
如此,可通过查询工业车辆管理数据源202中收集的数据来创建模拟作业。例如,针对特定工业车辆,查询可识别指示基于负载传感器读数拾取负载的记录。由于工业车辆的位置被跟踪,所以该记录允许创建起点。当记录指示负载被放下时,可创建终点。在该示例中,所定位的起点和终点被选定,因为它们可被映射到先前创建的工作流模型414(例如,如本文中更全面描述的入库操作)。实际上,所创建的工作流模型414可用于查询数据,以创建模拟作业。此外,可通过使用图4的***来基于所查询的数据建立新工作流模型414,动态地创建新的工作流。
以上面的示例为例,通过评估起点和终点之间的记录,***确定负载的重量、工业车辆的行驶路线、工业车辆速度、叉子高度、电池放电和其他相关参数。在可替选配置中,通过协调上述查询结果与针对仓库管理***(WMS)数据204的查询(其包含关于仓库的物品移动的信息),上述方法可被取代、增强或以其他方式修改。
将所收集的信息制定为被模拟的作业418,如在本文中更详细阐述的。在示例实现方式中,比较模拟结果和实际测量的作业。该比较生成性能得分,该性能得分可导致基于实际性能如何接近地监视理想模拟结果对实际操作进行评分的能力。
在其他示例中,注意到的差异被协调。例如,如果模拟运行在反映正被模拟的确切工业车辆的理想实例的数据上,则针对该车辆,将结果归一化。这允许快速识别潜在的问题。例如,如果该比较指示执行作业的实际操作人员由于不正确的混合而损失时间,则可能是操作人员需要更好的培训或者工业车辆中的混合能力编程可能已被禁用或以其他方式被修改。作为另一个示例,如果操作人员实际完成作业的速度可能比模拟提示的速度快,则***可评估结果以确定成因。操作人员可能已经在速度限制区域内行驶得过快。可替选地,实际工业车辆的性能调整可能被设置成不合适该操作人员的值。如果实际工业车辆的性能调整关闭,则该参数可被自动校正。因此,该比较创建了诊断工具来纠正车辆以及基于操作人员的问题。
作为又一个示例,该模拟可增强实际作业(例如,经由要求422)。例如,用户可以取作业的起点和终点,并且通过模拟来实际解决路线问题。将模拟结果中的路线与实际采取的路线进行比较,以确定操作人员是否遵循最佳实践。
在其他示例中,要求422允许动态修改模拟。在该示例中,作业的起点和终点被编程为指定作业路径。然而,运行模拟,以针对能量节省、时间或某个其他因素进行优化。当将作业的实际结果与模拟结果进行比较时,可采取预定的动作。例如,如果实际作业性能比模拟结果使用了更多能量,则可能是因为工业车辆的性能得到了调整,而非节能。如此,该处理将命令发送回到工业车辆上的信息链接装置302(例如,经由图1的无线基础设置),以解除对工业车辆的调整。
在这点上,如本文更详细地指出的,处理引擎416可在服务器计算机、平板计算机等上执行。无论如何,处理引擎416跨网络104(图1)与跨无线基础设施的工业车辆通信。在实际应用中,该通信可以是直接或间接的。例如,可能需要平板向工业车辆服务器发送请求,工业车辆服务器可在跨无线基础设施与工业车辆通信之前对请求进行转换、格式化、执行安全筛选等。
在其他示例中,模拟可被用作性能评分工具以在操作的执行期间提供反馈。在示例实现方式中,工业车辆在整个班次中执行重复任务,例如,入库操作。这里,WMS数据204知道在班次中分配给给定工业车辆的作业。因此,当作业完成时,***基于WMS数据来分析下一次入库操作。这基本上用作该车辆应该如何执行的“预见”。模拟结果被传送到工业车辆的信息链接装置。在车辆操作人员执行操作时,周期性地将由信息链接装置302的控制模块306收集的实际车辆数据与实际车辆性能进行比较。这允许经由工业车辆上的图形用户界面向操作人员提供反馈。
在其他示例中,模拟结果与真实性能数据的比较可以被平滑、求平均等。这样允许对车辆性能进行更宏观的观察。通过在模拟的多次迭代内(例如,在整个班次、月、年等中)汇总结果,可跟踪工业车辆的整体性能。
此外,可随时评估来自工业车辆数据的实际测量值,以增强模拟数据。例如,模拟可包括两个变型,包括理想车辆的第一模型和更准确反映实际车辆的当前状态的第二模型。例如,具有旧电池的车辆不可能表现为与具有新电池的车辆相同的水平。具有较小电池的车辆不可能表现为与具有较大电池等的卡车相同的水平。因此,可将模拟与所模拟的理想车辆或实际车辆的当前状态的所模拟的理想版本进行比较,以及可将这一者或两者与实际车辆数据进行比较。
另一个示例变量可说明“槽交互”,即,操作人员在负载拾取或放下位置花费的时间。在示例实现方式中,槽交互变量被编程为具有用作最佳猜测/基准标记的值。在该示例中,处理引擎416将分配给槽交互变量的所期望的基准标记数据与执行槽交互任务(例如条形码扫描)所花费的(每次发生时或平均地)记录时间进行比较。可基于WMS条目和/或通过评估由工业车辆上的信息链接装置302(图3)收集的数据来估计实际的槽交互时间,该数据暗示工业车辆的操作人员参与槽交互等。例如,通过使用信息链接装置102监视工业车辆数据,可通过检测诸如车辆停止、枢转、横移、升高/降低、横移、枢转、驾驶的一系列顺序数据活动来推断槽交互。可使用比较结果来修改分配给槽交互的基准数据,从而改进本文中描述的建模。例如,比较结果也可被反馈到其他应用中,以提供自动劳动标准。
创建运动模型和工作流模型
现在转到图5,示出用于评估工业车辆性能的处理500。图5的计算机执行的处理可由耦接到物理存储器的硬件处理器执行,其中,处理器由存储在存储器中的程序代码编程,以执行本文中的处理。例如,可由对应的处理装置102上的分析引擎114的一个或更多个实例使用数据源116、通过图4的处理引擎416等来执行图5的处理,如本文中更详细阐述的。处理可在一个物理计算装置上执行,或者处理可例如以客户端-服务器方式分布在多个物理计算装置上。图5的计算机执行的处理也可被实现在存储机器可执行程序代码的计算机可读硬件上,其中,程序代码指示处理器实现所描述的计算机执行的处理。
特别地,所示出的处理500可用于生成运动学模型并且定义如下所述的工作流模型。在502,识别工业车辆的运动学功能。例如,运动学功能表征相关联的工业车辆可执行的运动学功能的范围。如图2的示例工业车辆数据源210中指出的,运动学功能可包括驾驶、升高/降低、负载搬运器横移和枢转功能的类别。能量也可被包括在运动学功能中。当然,物理对应物的实际能力将确定所识别的运动学功能的类型。
然而,为了举例,驾驶功能可包括加速到最大速度,行进一定距离并减速至停止(即,均匀加速度模型)。升高功能可包括工业车辆的叉子、座舱或两者都被升高的均匀速度模型。另外,横移功能可以是均匀速度机动,该均匀速度机动指示工业车辆正朝向特定对象(例如,待拾取的托盘)移动。此外,枢转功能可包括使工业车辆在驾驶/升高功能与横移/升高功能之间转换,或反之亦然。另外,所识别的功能可包括定时方面(即,执行功能的时间)、能量方面(即,功能所消耗的电流)等。
这些功能可同时执行,或者可互相排斥。例如,驾驶和升高功能可在“混合”操作中同时执行。换句话讲,在工业车辆正驾驶到期望位置时,可开始升高功能。混合可包括“开始混合”,其中,在驾驶到最终位置的同时,模拟将朝向行驶高度升高/降低,并且一旦处于期望位置,模拟完成到最终期望高度的升高/降低操作(即使还未处于行驶高度)。相比之下,在“完全混合”中,升高/降低操作与到最终高度的行驶混合,使得将在到达的同时达到最终高度。
另一方面,如果驾驶和升高功能互相排斥,则在工业车辆正在执行驾驶功能的同时,不会执行升高功能,反之亦然。这通过使混合失败(即不允许混合)在组合的驾驶和升高模型中有效地实现。如以上讨论的,例如,可经由假设/理想数据、实际车辆测量值或经由其组合,从工业车辆数据贮存器中获得运动学功能的数据。
在504,接收工业车辆在其中操作的环境的约束条件。可基于车辆约束条件(诸如,图2的工业车辆数据源210或工业车辆管理数据202中描述的车辆性能调整),或者基于操作人员限制(例如,从工业车辆管理数据源202、HRMS/LMS数据源206、操作模型214等中提取的),从操作(例如,图2的操作模型214)中提取关于环境(例如,来自图2的环境模型212)的约束条件。
作为几个实际示例,环境约束条件可包括整个环境中的最大速度限制、局部速度限制(例如,通道末端的速度限制)、局部速度调节(例如,去除速度约束条件)、工业车辆功能调节(例如,打开特定区域内的工作灯)等。另外,环境(例如,仓库)的地图可包括通道、货架,托盘等的位置。
在506,计算工业车辆的选定运动学功能的参数的回调曲线。例如,可基于工业车辆的座舱/叉子的高度来修改或“回调”驾驶功能的速度参数。下面,更详细地讨论回调曲线的计算。
在508,基于运动学功能、环境约束条件和回调曲线来生成工业车辆的运动学模型。例如,卡车的运动学模型包括受环境约束条件和回调曲线限制的工业车辆的运动学功能的模型。作为例示,如果工业车辆的最大速度是每小时五英里,如果环境约束条件包括每小时三英里的通道末端约束条件,并且如果回调曲线指示十英尺的叉子高度允许每小时两英里的最大速度,则尽管环境和卡车能力指示原本可能将有更快的行驶速度,但是在通道末端区域中行驶并且叉子升高至十英尺的工业车辆将被限制为每小时两英里。
基本上,工业车辆的运动学模型允许模拟环境内的工业车辆,这将在下面讨论。
在510,基于工业车辆的运动学模型,通过定义工业车辆在环境内的任务来定义工作流模型。例如,入库工作流模型可包括基于运动学模型的一组序列化任务,如:
入库
1.在货架槽处开始
2.驾驶并升高到入库槽
3.枢转(如有需要)
4.横移进入
5.槽交互入库托盘拾取
6.获得负载
7.横移出去
8.驾驶并升高回到货架槽
9.枢转(如有需要)
10.横移进入
11.槽交互入库托盘放置
12.失去负载
13.横移出去
注意,如上讨论的,任务2和任务8包括混合的驾驶和升高功能。作为另一个示例,取回工作流模型可包括:
取回
1.在出库槽处开始
2.驾驶并升高到货架槽
3.枢转(如有需要)
4.横移进入
5.槽交互取回托盘拾取
6.获得负载
7.横移出去
8.驾驶并升高回到出库槽
9.枢转(如有需要)
10.横移进入
11.槽交互取回托盘放置
12.失去负载
13.横移出去
实际上,所定义的工作流可如应用指定的那样简单或复杂。尽管如此,所定义的各种工作流模型应该考虑到相关联的工业车辆将执行的整个活动范围。也就是说,应该存在至少一个工作流模型,该工作流模型对在环境(例如,仓库)中操作时预期实际相关联的工业车辆要做出的每个移动进行建模。
在某些实现方式中,使用结果来执行预定动作并且基于预定动作将控制数据加载到选定工业车辆的信息链接装置中,从而例如:重新配置工业车辆或以其他方式改变工业车辆的性能,诸如优化时间;优化工业车辆的能量、电池充电、电池寿命或其组合;(诸如,针对选定班次)优化整个工业车辆车队的能量、电池充电、电池寿命或其组合;减少工业车辆上的机械应力;平衡整个工业车辆车队的机械应力;控制路线选择或行驶;控制混合和/或其他工业车辆功能;等等。另外,处理引擎可使用模拟结构来例如通过求解给定作业的变量来推定或者说填补作业规范中的缺失信息,以填补在起点和端点之间的路线等。
使用模型来评估工业车辆
图6示出用于基于运动学模型和工作流模型来评估工业车辆的处理600。在602,接收表征操作(基于工作流模型)和环境内的行驶路径以进行操作的作业规范。例如,作业规范可以是使工业车辆执行入库操作,包括:从位置A拾取第一负载并且将第一负载递送到位置B,然后通过从位置B行驶到位置C、取回第二负载并且将第二负载递送到位置D来执行取回。任何数量的操作都可被包括在单个作业规范中。
在604,基于作业规范将工业车辆的运动学模型应用于工作流模型,以模拟环境中的工业车辆来确定结果。使用以上的示例作业规范,运动学模型和工业车辆数据被用于确定工作车辆执行作业规范中的任务将花费多少时间、执行作业规范中的任务所消耗的能量或二者。
在606,基于模拟结果来执行动作。
例如,在602,接收包括针对单个工业车辆的40个操作的作业规范。可按照这些操作被列在作业规范中的次序来模拟这些操作,以确定工业车辆在604处执行所有40个操作(沿着40条路径)将花费的时间,并且可以存储结果以用于后续的比较。然后,这些操作中的一个可按照操作次序移动到另一个地方,并且这些操作可再次被模拟。可将来自第二模拟的结果与第一模拟的结果进行比较,以确定哪个次序导致执行作业规范的最少时间量。该处理可被多次执行,以识别作业规范的期望任务时间安排。
为了进一步实现以上示例,可首先使用来自数据源116的理想数据来重复进行模拟,然后使用通过工业车辆上的信息链接装置302收集的实际测得的车辆数据(“虚拟模型”)进行重复。可对实际数据进行归一化,以消除操作人员的影响(仅隔离实际车辆),可以提取出实际操作人员数据(以将最佳操作人员与实际操作人员进行隔离和比较),或者可使用实际数据来比较最佳模拟结果与实际性能。在这点上,可通过使用由在环境内工作的工业车辆收集的先前执行的数据来提取模拟的路径。如本文中更详细描述的,可通过将WMS数据与工业车辆管理数据融合来提取该数据。
作为另一个示例,不是比较完成作业规范的时间,而是可以针对能量消耗比较模拟结果,以确定关于能量消耗的操作时间安排。另外,可针对完成作业规范的能量消耗和时间来比较模拟结果,以确定能量消耗的期望操作时间安排,以便平衡时间和能量消耗。再次,所提取的数据可以是理想数据或表示来自仓库的实际测量数据的虚拟数据。这允许比较车队的效率,并且可提供对车辆的了解,包括车队中实际电池的电池健康等。
使用用于特定类型的工业车辆(例如,骑手前移式叉车、转塔存货拾取器等)的运动学模型和工作流模型来评估工业车辆的另一示例包括:接收包括如上讨论的操作和路径的作业规范,并且还如上所述从信息链接装置接收与在环境中执行操作的实际车辆对应的信息。该处理基于时间、能量或二者来执行模拟,并且将结果与接收到的工业车辆信息进行比较。如果模拟结果在接收到的工业车辆信息的特定阈值内,则不采取进一步的动作。然而,如果模拟结果超过接收到的工业车辆信息的特定阈值,则可更新工业车辆信息和/或模型。例如,如果模拟一定高度的升高操作花费10秒,并且来自实际工业车辆的信息指示花费13秒,液压控制器报告将全速应用于提升负载,则由模型用于提高速度的虚拟工业车辆数据可被调节以与实际结果(而不是模拟结果)对应。
作为前一示例的变型,不是针对每种类型的工业车辆修改数据和/或模型,而是可以针对每种工业车辆存储数据和运动学模型。因此,可在选定车辆(例如,turret_stock_picker_number_1)的模拟与该选定车辆(例如,turret_stock_picker_number_1)的实际结果之间进行比较。然后,如果比较是在阈值之外,则选定车辆(例如,turret_stock_picker_number_1)的数据和/或运动学模型可被更新以对应于从信息链接装置接收的实际结果。这也允许进行任何数量的其他比较(例如,实际存货拾取者2与虚拟存货拾取者1等)。
在一些实施例中,接收操作人员特定的参数。例如,操作人员特定的参数可包括操作人员是否可混合两种功能,具有比平均操作人员更低的最大速度等。然后,当生成工业车辆的运动学模型、工作流模型或二者时,使用操作人员特定的参数来调节模拟结果。
在若干实施例中,接收性能调整参数。例如,性能调整参数可以是可以在工业车辆上编码的车辆特定变量(例如,最大速度限制(基于车辆)、限制峰值电池电流引出等)。然后,当生成工业车辆的运动学模型、工作流程模型或二者时,使用性能调整参数来调节模拟结果。
另外,可在改变性能调整参数的同时运行一系列模拟,以针对作业规范为特定车辆找到最佳性能调整参数(基于如上所述的定时、能量或二者)。然后,可通过安装到车辆的信息链接装置将那些最佳性能调整参数传送给工业车辆,以针对作业规范对车辆进行微调。
在另一个示例配置中,针对工业车辆车队中的每个工业车辆创建运动学模型,其中,作业规范包括针对若干车辆的若干操作。在该示例中,通过跨整个车队或针对车队中的选定班次的特定车辆改变哪些操作去往哪些车辆以减少应力、电池充电、电池寿命或其组合来运行模拟。此外,该处理可将先前的模拟存储在存储器中,以供取回以用于稍后的比较,从而有助于减少应力、电池充电、电池寿命或其组合。
此外,可使用模拟来评估工业车辆的车队(例如,7个转塔存货拾取器和3个骑手前移式叉车)的最佳大小和构成。
作为又一个例示性示例,可使用模拟来识别车队中哪些工业车辆需要维护(或确定工业车辆何时将需要维护)。
回调曲线
回调曲线指示必须基于情形修改工业车辆的多少参数。例如,假定模拟将评估简单的动作,例如从静止开始,向前驾驶,然后停车。不受约束的驾驶模型可通过模拟以工业车辆的所定义的最大加速度进行加速,直到模拟达到工业车辆的最大速度为止。类似地,尽可能晚地执行减速,以通过以最大速率减速而到达目的地停止位置。这种类型的模拟可代表工业车辆的理想能力,但是可能不能准确地反映工业车辆在***作人员驾驶时实际上如何执行。如此,本文中的公开内容提供回调曲线,以允许本文中的处理补偿由操作人员、环境、操作约束条件、车辆、其组合等调节的工业车辆的性能。
总体上参考图7至图10,工作示例示出了计算回调曲线的特定方式。图7是实现用于计算回调曲线的(图5的)处理506的示例方法。在702,获得包含车辆的选定运动学功能的参数的第一方面的第一曲线。例如,图8示出在工业车辆的制动(即,减速)期间基于叉子高度的速度曲线。
返回参考图7,在704,获得包含车辆的选定运动学功能的参数的第二方面的第二曲线。例如,图9示出在工业车辆的正常执行期间基于叉子高度的速度曲线。所示出的回调曲线本身可以是通过在空性能曲线和对于负载的性能曲线之间插值而定义的复合曲线。
返回参考图7,在706,通过在沿着第一回调曲线和第二回调曲线的公共坐标轴的点处选择第一曲线(图8)和第二曲线(图9)的最小值来计算组合回调曲线。
例如,图10示出基于图8的制动期间的曲线和图9的正常执行曲线来计算组合的回调曲线,还基于仓库的最大速度(即,环境约束条件)来限制回调曲线。从叉子高度A到叉子高度B,最大速度是最大仓库速度(尽管车辆具有更大的速度能力)。从叉子高度B到叉子高度C,最大速度是图9的正常执行曲线。最终,从叉子高度B到叉子高度C,最大速度是图8的制动曲线。因此,速度相对于叉子高度的回调曲线是从A到D的结果曲线,如图10中的实线所示出的。
基于作业规范来执行模拟
图11示出用于评估工业车辆的处理1100。图11的计算机执行的处理可由耦接到物理存储器的硬件处理器执行,其中,处理器由存储在存储器中的程序代码编程,以执行本文中的处理。例如,可由对应的处理装置102上的分析引擎114的一个或更多个实例使用数据源116来执行图11的处理,如本文中更详细阐述的。特别地,处理1100可由图4的***执行,包括处理引擎416。处理可在一个物理计算装置上执行,或者处理可例如以客户端-服务器方式分布在多个物理计算装置上。图11的计算机执行的处理也可被实现在存储机器可执行程序代码的计算机可读硬件上,其中,程序代码指示处理器实现所描述的计算机执行的处理。
在1102,接收作业规范。作业规范表征工业车辆所遵循的环境内的行驶路径和操作以执行操作。作业规范可类似于如上特别地参考图4所描述的作业规范。
在1104,处理引擎模拟作业规范。
参考图12,描述模拟作业规范的示例。在1202,将作业规范分解成工作流模型,该工作流模型定义工业车辆在与操作的执行相关联的环境内的任务。在1204,将任务与运动学模型相关联。
参考图13,描述使用运动学模型的示例。在图13中,在1302,识别运动学功能(例如,工作流的任务所需要的那些功能)。在1304,接收工业车辆在其中操作的环境的约束条件。在1306,计算或以其他方式获得工业车辆的选定运动学功能的参数的回调曲线。例如,可在与图7的处理516类似的处理中计算回调曲线。然后,在1308,基于作业规范的行驶路径,将运动学模型应用于工作流模型,以模拟结果。
工作示例
图14示出将运动学模型应用于工作流模型的非限制性的工作示例。具体地,图14示出具有主车道1402和偏离主车道1402的三个通道1404、1406、1408的仓库布局1400。通道1404、1406、1408各自包括其中通道1404、1406、1408毗邻主车道1402的通道末端区域1410、1412、1414。在各种实施例中,该布局被存储在环境模型(212,图2)中。
在该模拟中,工业车辆1416刚刚完成了入库操作,现在必须执行作业中指定的取回操作。上述方法之一中创建的工作流模型指示取回包括:
取回
1.在出库槽处开始
2.驾驶并升高到货架槽
3.枢转(如有需要)
4.横移进入
5.槽交互取回托盘拾取
6.获得负载
该作业还指示工业车辆从出库槽(即,起点)A到期望货架槽(即,终点)F所采取的路线ABCDEF。因此,在模拟期间,运动学模型被应用于工作流模型,以预测/验证所花费的时间、所花费的能量或二者。对于该示例,不允许进行混合操作。
在该模拟中,取回在点A处的通道1408的出库槽处开始(以上的步骤1)。该示例中的取回操作的下一个步骤(即,步骤2)包括沿着路线驾驶。当所模拟的工业车辆1416沿着从点A到点B的路线驾驶时,确定A和B之间的距离,并且使用运动学模型来确定所模拟的工业车辆1416可在路线的部分期间实现的最大速度值和加速率值。根据这些值,处理引擎(416,图4)可基于来自运动学模型的其他值(例如,基于加速度消耗的能量、基于一定速度消耗的能量等)和存储在数据源116、404中的车辆数据等来计算在路线的部分AB期间所花费的时间和/或能量。
该路线的下一部分BC包括所模拟的工业车辆1416从点B经过通道末端区域1414驾驶到主通道1402(点c)。再次确定距离。此外,当在通道末端区域1414中时,与通道末端区域1414相关联的回调曲线将限制从运动学模型获得的所模拟的工业车辆1416的最大速度值。因此,处理引擎可基于来自运动学模型的其他值来计算在该路线的部分BC期间所花费的时间和/或能量。
该路线的第三部分CD包括所模拟的工业车辆1416沿着主车道1402从点C驾驶到点D。再次确定距离。此外,如以上讨论的,从运动学模型获得加速度和最大速度的值,以确定时间和/或能量。在该路线的第四部分DE中,确定距离,并且所模拟的工业车辆1416驾驶通过通道1406的通道末端区域1412。运动学模型再次基于最大加速度和速度为路线的该部分DE供应时间和/或能量值。在一些实施例中,通道末端区域1412、1414具有相同的回调曲线,但是在其他实施例中,通道末端区域1412、1414具有不同的回调曲线。另外,在若干实施例中,如果工业车辆的方向远离通道的末端(而不是朝向通道的末端),则不使用通道末端区域的回调曲线。该信息被反映在运动学模型中。
路线的最后部分EF包括从通道末端区域(点E)的末端驾驶到货架槽1418(点F)。再次,运动学模型基于最大加速度、速度和距离来为路线的该部分DE供应时间和/或能量值。因此,步骤2完成并且获得用于步骤2的时间和/或能量。
取回操作的步骤3包括将所模拟的工业车辆1416的叉子枢转以面对货架槽1418,并且从运动学模型获得用于枢转的时间和/或能量。取回操作的步骤4包括横移进入(即,延伸叉子)以接合货架槽1418中的托盘。如同本文中的其他步骤一样,运动学模型包括与横移进入相关联的时间和/或能量。另外,取回操作的步骤5和6包括槽交互和负载获得。再次,运动学模型包括与槽交互和负载获得相关联的时间和/或能量。
可通过分别汇总每个步骤的单独时间和能量来计算取回操作的六个步骤所消耗的总时间和能量。注意,此时所模拟的工业车辆1416的进一步操作还可包括负载(例如,对于回调曲线中所指定的速度和/或加速度的限制可(进一步)基于负载,所消耗的能量可随负载重量增加、在叉子升高的情况下行驶等而增加)。
尽管以上的示例性模拟示出了按顺序次序执行的步骤(和路线的部分)并且真实车辆将按照该顺序次序执行步骤,但是可按照任何次序、并行地或其组合来执行模拟(例如,同时执行步骤1、3和4,然后同时执行步骤2和5-6)。另外,给出的示例是针对单个工业车辆的单个工作流的单个操作,但是其他模拟可以是针对多个车辆和/或多个操作。此外,作业的操作可包括更多或更少的步骤。
车队大小估算
车队估计器工具1500包括提示用户输入1502多个变量的图形用户界面。例如,用户可输入关于仓库配置的变量。通常,仓库将包括仓库通道,仓库通道的特征在于相应的通道长度、隔间高度、存储水平等。仓库的这些和其他特征可显示在车队估计器工具的图形用户界面上,这些工具被配置成根据本公开的构思进行操作。
另外,用户界面可被配置成提示用户指定车辆将在自主或半自主模式下操作还是以某种其他类型的自动操作特征变量进行操作。广义上,自主操作特征变量表示物料搬运车辆使用或不使用一个或更多个自主操作特征。更特别地,本公开内容想到了各种自主操作特征,包括例如当车辆沿着通道朝向目标隔间前进时的自动速度、转向和/或提升高度控制。例如,提示用户指定要被配置成在仓库中操作的车辆是否将以“自动定位”特征进行操作,该“自动定位”特征是允许车辆在特定速度、转向和/或提升高度控制下沿着特定路径自主或半自主地驾驶到通道的特定隔间的任何类型特征的一般名称。图形用户界面也可被配置成提示用户选择特定性能设置作为自主操作特征变量。例如,用户可指定车辆是否设置有“通道末端”控制限制或“速度限制”限制。在通道末端控制下,随着车辆靠近和/或离开通道的末端,可对车辆操作设置特定的速度限制。限速限制可适用于在通道内或通道外的任何地方的行驶。
设想到,自主操作特征变量可表示提供物料搬运车辆的速度、方向和/或提升高度的某种自动控制。以这种方式,根据本公开的车队估计器工具1500可被配置成向用户提供便利方式以比较具有或没有特定自主操作特征的车队大小计算。更具体地,本文中描述的工具的用户可比较两个不同物料搬运车辆(一个具有最小自动化程度,而另一个具有一个或更多个特定自动化特征,如同以上提到的“自动定位”、“通道末端”或“速度限制”特征)的相应车队大小估计。因此,用户可建立用于估计针对特定仓库的车队大小的仓库模型1506(以上更详细地讨论的)。
另外,图形用户界面可另外被配置成提示用户提供输入,这些输入表示与特定车队配置相关联的各种操作成本变量(例如,“每个班次的操作小时数”、“每日的班次编号”、“每千瓦时的能量成本”、“操作人员小时费率”等),并且车队估计器引擎可被配置成至少部分基于针对特定车队配置的成本变量输入来生成表示车队操作成本的输出。例如,而不是作为限制,可能优选的是生成输出,该输出指示针对特定操作模型的每次负载移动的成本。以这种方式,车队估计器工具1500允许用户比较与不同操作模型对应的能量和劳动成本,包括通过使用或不使用特定自动化特征而区分的那些模型,如同以上提到的“自动定位”、“通道末端”或“速度限制”特征。
另外,可经由图形用户界面向用户提示其他车辆配置变量。然而,注意,本公开想到各种传统和尚未开发的车辆配置变量,这些变量包括(但不限于)表示驾驶机制及其操作特性、物料搬运机制及其操作特性、和物料搬运车辆的基于软件或硬件的车辆控制架构的变量。还想到,可在图形用户界面处提示附加模拟变量以用于输入,这些变量包括(但不限于)表示车辆将在其中操作的仓库的配置和特性的变量。
在操作中,车队大小估计器引擎1500的第一逻辑部分1504可被配置成创建仓库模型1506、操作模型1508、车辆规格1510和工作流参数1512的实例。车队大小估计器引擎1500的第一逻辑部分1504可被配置成使用(如在运动学和能量数据1516和配置数据1514中表示的)自主操作特征变量、车辆配置变量和在图形用户界面处输入的附加模拟变量来创建这些实例。
可从配置模型的配置数据1514和运动学数据1516中的工作流数据中导出前述工作流参数1512。例如(如以上讨论的),可能优选的是,建立表示针对特定车辆和仓库配置的入库和取回操作的工作流模型。合适的入库模型可表示如下车辆进程的时间、速度和/或能量数据:从货架槽处开始、驾驶并升高到入库槽、枢转(如有需要)、横移进入到槽中、用于入库托盘拾取的槽交互、获得负载、横移出去到槽外、驾驶并升高回到货架槽、枢转(如有需要)、横移进入到槽中、用于入库托盘放置的槽交互、失去负载并且横移出去到槽外。合适的取回模型可表示如下车辆进程的时间、速度和/或能量数据:从出库槽处开始、驾驶并升高到货架槽、枢转(如有需要)、横移进入到槽中、用于取回托盘拾取的槽交互、获得负载、横移出去到槽外、驾驶并升高回到出库槽、枢转(如有需要)、横移进入到槽中、用于取回托盘放置的槽交互、失去负载并且横移出去到槽外。
设想到,在许多实施例中,提供槽交互时间的用户输入可能是有利的。更具体地,图形用户界面可被配置成提示用户输入可用于生成车队大小估计的槽交互时间。槽交互时间可表示入库和取回操作二者,或者可提示用户输入用于入库和取回操作的单独槽交互时间。槽交互时间通常是特定于相关联的物料搬运车正在其中操作的仓库的,并且可替选地或附加地,可以是特定于要在相关联的槽处执行的特定操作(即,入库、取回、拾取、放置等)的。槽交互时间通常不是特定于为特定部位中的操作指定的特定物料搬运车辆的。
另外,车队大小估计器引擎1500还可包括第二逻辑部分1518,第二逻辑部分1518生成作为物料搬运车辆的车队工作流模型1520和运动学与能量模型1522的函数的车队大小。一般来说,工作流表示可在具有或没有操作人员的情况下由车辆执行的循环任务集合。通常,工作流将以它开始的相同状态结束。工作流内的任务可包括驾驶并升高任务、枢转任务、负载搬运器横移任务、槽交互任务和负载改变任务(以上更详细描述的)。车辆的运动学和能量模型可被呈现为从车辆规格构建的简化的运动学模型,并且通常包含卡车的不同功能的运动和能量消耗数据,例如,驾驶特性、升高特性、枢转特性和负载搬运器横移特性。
根据本公开的各方面,将要执行涉及每个工作流的平均时间和能量消耗的若干主要计算,包括:每个货架槽的平均值、每个任务的平均值和整体平均值。工作流内的任务可被独立计算为:(i)平均槽交互时间,其通常是恒定的并且不消耗能量;(ii)平均横移进入/出去时间和能量,其通常也是恒定的;(iii)平均枢转时间和能量,其基于该任务是来自下一个槽的相对侧的槽的可能性有多大而与一次枢转的时间和能量成比例;以及(iv)平均驾驶时间,其被计算为所有“来自”槽和“去往”槽之间的所有驾驶组合的总和,并且可与这些槽正被使用的可能性成比例,如以上更详细描述的。
车队大小估计器引擎1500的第二逻辑部分1518可被配置成从自主操作特征变量、车辆配置变量和在图形用户界面处输入的附加模拟变量生成车队工作流程模型1520和运动学和能量模型1522。另外,车队大小估计器引擎1500还可被配置成从配置模型的配置数据1514和运动学和能量数据1516生成车队工作流模型1520和运动学和能量模型1522。配置数据1514可表示物料搬运车辆、仓库或二者的配置特性。
车队大小估计器引擎1516通过将仓库模型1506、操作模型1508、车辆规格1510和工作流程参数1512与配置数据1514和运动学和能量数据1516结合来生成车队工作流模型1520和运动学和能量模型1522。随后,车队大小估计器引擎1518利用车队工作流模型和运动学和能量模型在非固定计算装置处生成车队大小估计1516。
在操作中,车队大小估计器引擎1500的第三逻辑部分1524利用配置数据1514在非固定计算装置(平板、智能电话、膝上型计算机等)处生成车队大小估计。如图15中示出的,第一逻辑部分1604、第二逻辑部分1518和第三逻辑部分1524是分立的逻辑部分。然而,车队估计器工具150的两个或全部三个逻辑部分可以是相同的分立逻辑、由相同处理器执行或其组合。
配置数据1514表示物料搬运车辆、仓库或二者的配置特性,并且可被选择以补充上述车辆配置和附加模拟变量。车队大小估计1516是车辆配置变量和在图形用户界面处输入的附加模拟变量的函数。如下面进一步详细描述的,车队大小估计1516也可以是作为自主操作特征变量(例如,上述的自动定位变量)的函数而生成的。
更具体地,车队估计器工具1500的架构被配置成使得图形用户界面、车队大小估计器引擎1516和配置模型1514形成具有被动模型和无状态控制器的模块化模型视图控制器架构。模型视图控制器架构非常适合于实现用户界面,并且方便地将责任划分给工具的三个模块化部分,其中,在这些模块化部分之间具有抽象接口,从而允许某部分被具有不同行为的另一个部分取代,而不改变其他部分。例如,该架构允许在不同平台上模块化使用用户界面、数据库和XML的可互换性等。因为车队估计器工具1500的用户将仅仅选择配置而不一定会创建任何新数据,所以模型可以是被动和不可变的。另外,为了简化交互和责任,所有接口都可以是无状态的。
例如,而不是作为限制,在本公开的构思的一个实现方式中,车队大小估计器引擎1500从车队工作流模型和运动学和能量模型中提取表示每日车辆工作流时间tW、每日车辆再充电时间tR、每日车辆通道改变时间tC、班次操作时间tS和每日班次数量S的值,以大致根据以下公式或其数学等同物来计算车队大小估计N:
可根据以下公式来计算每日车辆工作流时间tW,
tW=(tAP×PIN)+(tAR×POUT)
其中,tAP表示平均入库时间,PIN是表示每日托盘进入数量的用户输入,tAR表示平均取回时间,POUT是表示每日托盘出去数量的用户输入。平均入库和取回时间tAP和tAR可被表示为
以及
其中,t是任务,而r是货架槽。
可根据以下公式来计算每日车辆再充电时间tR,
tR=(tBΔ×R)
其中,tBΔ表示电池改变时间,而R表示每日再充电的次数,可根据以下公式来计算R,
其中,VΔ表示每日的电荷消耗,VT表示可用的电池容量,而B表示车辆的电池容量,即,每个车辆的电池数量。可根据以下公式来计算每日的电荷消耗VΔ,
VΔ=(VΔP×PIN)+(VΔR×POUT)
其中,VΔP表示平均入库电荷消耗,VΔR表示平均取回电荷消耗,PIN表示每日托盘进入数量,而POUT表示每日托盘出去数量。平均入库和取回电荷消耗VΔP和VΔR可被表示为
以及
可根据以下公式来计算每日车辆通道改变时间tC,
其中,PIN表示每日托盘进入数量,而POUT表示每日托盘出去数量,WA是表示每次通道改变的工作流的数量的用户输入,而tC’表示可根据以下公式计算的单个通道改变时间:
其中,d是表示通道中心之间的距离的用户输入,而s表示通道改变速度。
设想到,车队大小估计器引擎1500可利用自主操作特征变量,以各种方式指示生成车队大小估计1526,从而反映车辆数量N的增加或减少。例如,在自主操作特征包括其中起重车或其他类型的物料搬运车辆对其自身进行自主定位以访问仓库储存隔间的操作模式的情况下,设想到,自动化操作将导致操作效率提高,因此减少车队大小估计N。在其他情况下,设想到,自主操作特征将包括其中起重车或其他类型的物料搬运车辆以较低效率方式进行操作的操作模式,从而导致车队大小估计的增加。在任何情况下,设想到,自主定位可包括(i)用于物料搬运车辆的驾驶和物料搬运机制的车辆控制架构的自主控制,(ii)自动选择去往仓库存储隔间的行驶路径,或(iii)二者。还设想到,自主操作特征可包括其中物料搬运车辆的行驶速度和/或物料搬运机制被自主控制的操作模式。
当图形用户界面被设置为用于选择自动定位或某种其他类型的自主操作特征模式时,车队大小估计器引擎1500被配置成除了服务于关于仓库配置、车辆操作和车辆配置的查询之外,还服务于关于使用或不使用来自图形用户界面的自主操作特征的查询。然后,车队估计器引擎1500可被配置成利用其逻辑1524从所服务的查询和配置模型40的配置数据中提取表示以下各项的值:每日车辆工作流时间tW、每日车辆再充电时间tR、每日车辆通道改变时间tC、班次操作时间tS和每日班次数量S及其组合。通常,所提取的值tW、tR、tC和tS中的一个或更多个将在功能上取决于对于使用或不使用自助操作特征的查询结果。例如,如果启用了自动定位,则如果自动定位提高了操作效率,则每日车辆工作流时间tW和每日车辆通道改变时间tC都将减少,在这种情况下,车队大小估计也将减少。
虽然将特定自主操作特征模式的使用或不使用与特定车队大小估计相连接的特定数学关系可根据实践本公开构思的那些人的特定偏好而变化,但是要注意,所提取的值tW、tR、tC和tS的功能依赖性可使得大致根据以下公式或其数学等同物来计算车队大小估计N,
其中,α1、α2、α3和α4表示使用或不使用自主操作特征向所提取的值施加可测量变化的程度。还设想到,上述关系中呈现的所提取的值中的一些值可等于1,从而表示使用或不使用自主操作特征没有向所提取的值施加可测量变化的情况。
转到图16A至图16C,特别地转到图16A,示出了用于将输入输入到车队估计器工具中的示例图形用户界面(GUI)1600。GUI 1600的左上部包括指示仓库1602、操作1604和卡车1606的三个标签,以允许用户将输入分别输入到仓库模型(1506,图15)、操作模型(1508,图15)和车辆规格(1510,图15)中。如图16A中所示,选择仓库标签1602;因此,示出的是用于仓库的参数。例如,用户可以输入通道的数量、下隔间的数量、层数等。另外,用户可输入关于仓库中的货架的输入(例如,垂直梁间隔、是否存在底梁、梁长度、每个梁的托盘数量等)。此外,示出了用于拾取和放下的参数。当用户输入了输入时,仓库的图形表示1608被显示在左边。
图16B示出当选择操作标签1604时的GUI 1600。例如,用户可输入针对以下各项的输入:用于入库或取回的平均时间、槽交互时间、混杂任务时间、收入槽、操作(例如,能量和货币成本)等。注意,GUI 1600的左边部分1608可改变,以示出操作值的变化。
另外,操作标签1604被选定的图形用户界面1600可另外被配置成提示用户输入主用户效能变量,该主用户效能变量表示与物料搬运车辆相关联的操作人员的技能水平。该主用户效能变量在“操作人员技能水平”字段中被表示为“中级(65%)”。图8示出三个可用的主用户效能变量的集合:即“初级(55%)”、“中级(65%)”和“专家(75%)”,表示特定车辆操作人员可被预期以根据其最佳操作参数来操作车辆的程度。当然,设想到,这些变量可假定供车队大小估计器引擎使用的各种绝对值。
以这种方式,车队大小估计器引擎可被配置成生成进一步作为主用户效能变量的函数的车队大小估计(1526,图15)。更具体地,以使用车队中的车辆为目标的个人的特定技能水平将主要影响用于生成车队大小估计的操作模型和工作流参数。车辆车队的特定用户在这些操作和工作流约束条件下操作的有效性将导致车队大小估计的相应增加或减少。
例如,各种变量可影响与特定物料搬运车辆在特定仓库中的操作相关联的操作和工作流特性。这些特征可以包括:(i)每日搬运的托盘数量和托盘的平均负载重量,(ii)槽交互时间,(iii)混杂任务时间,(iv)槽使用参数,以及(vi)操作参数(诸如,每班次的操作小时数和每日班次数量)。
车队大小估计器引擎1600还可使用上述槽使用参数来通知车队大小估计。具体地,图形用户界面可被配置成提示用户输入通道使用参数,该通道使用参数指示物料搬运车辆访问位于通道的不同槽区域中的存储隔间的相对程度。例如,槽(在本文中也称为储存隔间)被赋予两种不同的入库/出库装载站配置(例如,最快槽、最慢槽、中等槽等)。
图形用户界面可被配置成提示用户输入通道改变参数,该通道改变参数指示在将要执行通道改变之前要在通道中移动的负载的数量。例如,在执行通道更改之前要移动的负载的数量的值为1.0可能会产生一个车队大小估计。相比之下,在执行通道改变之前要移动的负载数量的值为3.0可能会产生更低的车队大小估计,这表示与在执行通道改变之前移动多个负载相关联的增加的效率。
图16C示出卡车标签1606被选定的GUI 1600,所以用户可输入车辆规格的参数。例如,这些参数可包括卡车系列,是否使用自动定位、电池尺寸、通道末端控制(EAC)、EAC距离、EAC速度、速度限制等。如同其他标签一样,GUI 1600的左边部分1608根据这些参数的输入值而改变。
另外,在标签1602、1604、1606中的任一个中,根据参数的值来更新窗口1610,该窗口1610示出车队大小估计和所估计的每次充电的电池运行时间。
计算机***概述
参考图17,示意性框图示出用于实现本文中描述的各种方法的示例性计算机***1700。示例性计算机***1700包括与***总线1708连接的一个或更多个(硬件)微处理器(μP)1702和对应的(硬件)存储器(例如,随机存取存储器1704和/或只读存储器1706)。信息可通过适当的桥1710在***总线1708和总线1740之间传递,以与各种输入/输出装置进行通信。例如,本地总线1712用于将***装置(诸如,贮存器1714(例如,硬盘驱动器);可移动媒体存储装置1716(例如,闪存驱动器、DVD-ROM驱动器、CD-ROM驱动器、软盘驱动器等);I/O装置(诸如,输入装置1718(例如,鼠标、键盘、扫描仪等)、输出装置1720(例如,监视器、打印机等));以及网络适配器1722)与一个或更多个微处理器(μP)1702进行接口连接。以上列出的***装置是通过例示的方式给出的,而不是旨在限制性的。其他***装置可适当地集成到计算机***1700中。
微处理器1702控制示例性计算机***1700的操作。此外,微处理器1702中的一个或更多个执行指示微处理器1702实现本文中的方法的计算机可读代码(例如,存储在存储器1704、1706、贮存器1714、可***到可移动介质存储器1716中的可移动介质或其组合中)。
本文中的方法和处理可被实现为在计算机***(例如,图1的处理装置102中的一个或更多个)、诸如参考图3描述的车辆计算机的特定计算装置或其组合上执行的机器可执行方法。
因此,示例性计算机***或其组件可实现本文中更详细阐述的方法和计算机可读存储装置。其他计算机配置也可实现本文中更详细阐述的方法和计算机可读存储装置。可以用一种或更多种编程语言的任意组合来编写用于执行本发明的各方面的操作的计算机程序代码。程序代码可完全在计算机***1700上或部分在计算机***1700上执行。在后一种情况下,远程计算机可通过任何类型的网络连接(例如,使用计算机***1700的网络适配器1722)连接到计算机***1700。
在实现本公开的计算机方面时,可利用计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质、计算机可读存储介质或其组合。此外,计算机可读存储介质实际上可被实现为一个或更多个不同的介质。
计算机可读信号介质本身就是暂态传播信号。计算机可读信号介质可包括其中所包含的计算机可读程序代码,例如作为基带中的传播数据信号或作为载波的一部分。更具体地,计算机可读信号介质不涵盖计算机可读存储介质。
计算机可读存储介质是可保留和存储供指令执行***、设备或装置(例如,本文中更全面阐述的计算机或其他处理装置)使用或与其结合使用的程序(指令)的有形装置/硬件。注意,计算机可读存储介质不涵盖计算机可读信号介质。因此,本文中使用的计算机可读存储介质将不被解释为暂态信号本身,诸如无线电波或通过传输介质自由传播的其他电磁波。
计算机可读存储介质的具体示例(非穷举列表)包括下面各项:硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存存储器、便携式计算机存储装置、诸如压缩盘只读存储器(CD-ROM)或数字视频盘(DVD)的光学存储装置或前述的任何适当组合。具体地,计算机可读存储介质包括诸如计算机可读存储装置(例如,存储器)的计算机可读硬件。
这里,计算机可读存储装置和计算机可读硬件是非暂态的物理有形实现方式。非暂态的意思是,不同于将自然地不复存在的暂态传播信号本身,定义要求保护的主题的计算机可读存储装置或计算机可读硬件的内容持续存在,直到受到外部动作的作用为止。例如,加载到随机存取存储器(RAM)中的程序代码在本文中被认为是非暂态的,因为内容将持续存在直到例如通过去除电力、通过重写、删除、修改存储器等而受到作用。此外,由于硬件包括对应计算机***的物理元件或组件,因此硬件本身并不涵盖软件。
本文中使用的术语只是出于描述特定实施例的目的,而不是旨在限制本发明。如本文中使用的,单数形式“一”、“一个”和“该”也旨在包括复数形式,除非上下文另外清楚地指出。还应该理解,本说明书中使用的术语“包括”和/或“包含”指定存在所述特征、整体、步骤、操作、元件和/或组件,但并不排除存在或附加一个或更多个其他特征、整体、步骤、操作、元件、组件和/或其组。
已经出于例示和描述的目的给出了本公开的描述,但是该描述并不旨在是穷尽的或将本发明限于所公开的形式。在不偏离本发明的范围和精神的情况下,许多修改形式和变形形式对于本领域的普通技术人员而言将是明显的。
已经如此详细地并且通过参考实施例描述了本申请的发明,将明显的是,在不偏离随附权利要求书限定的本发明的范围的情况下,可以进行修改和变型。
Claims (35)
1.一种用于调节工业车辆性能的***,所述***包括:
处理引擎,所述处理引擎包括耦接到存储器的处理器,其中,所述处理器执行存储在存储器中的程序代码,所述程序代码指示所述处理器:
接收工业车辆的运动学功能;
接收所述工业车辆在其中操作的环境的一个或更多个约束条件;
计算所述工业车辆的选定运动学功能的参数的组合回调曲线,其中,所述处理器通过执行程序代码进行以下步骤来计算所述组合回调曲线:
获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一回调曲线;
获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二回调曲线;以及
通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线;
基于所述运动学功能、所述环境的约束条件和所述组合回调曲线来生成所述工业车辆的运动学模型;
通过定义所述工业车辆在所述环境内的任务来定义工作流模型,其中,所述任务是基于所述运动学模型的;
接收表征与所定义的工作流模型相关联的作业的作业规范;
基于所述作业规范将所述运动学模型应用于所述工作流模型,以评估所述工业车辆的性能并且确定结果;以及
基于所述结果执行预定动作,并且基于所述预定动作将控制数据加载到选定工业车辆的信息链接装置中。
2.根据权利要求1所述的***,其中:
所述处理器为工业车辆车队中的选定工业车辆生成工业车辆的所述运动学模型;以及
所述处理器执行所述预定动作,以便将所述工业车辆车队中的所述选定工业车辆分配给任务,以减少所述选定工业车辆上的机械应力。
3.根据权利要求1所述的***,其中:
所述处理器为工业车辆车队中的选定工业车辆生成工业车辆的所述运动学模型;以及
所述处理器执行所述预定动作,以便将所述工业车辆车队中的选定工业车辆分配给任务,以平衡整个所述工业车辆车队中的工业车辆上的机械应力。
4.根据权利要求1所述的***,其中:
所述处理器为工业车辆车队中的选定工业车辆生成工业车辆的运动学模型,所述运动学模型包括电池充电;以及
所述处理器执行所述预定动作,以便将所述工业车辆车队中的所述选定工业车辆分配给任务,以优化所述选定工业车辆的电池充电。
5.根据权利要求1所述的***,其中:
所述处理器为工业车辆车队中的选定工业车辆生成工业车辆的运动学模型,所述运动学模型包括电池充电;以及
所述处理器执行所述预定动作,以便将所述工业车辆车队中的所述选定工业车辆分配给任务,以针对选定班次优化整个所述车队中的工业车辆的电池充电。
6.根据权利要求1所述的***,其中:
所述处理器为工业车辆车队中的选定工业车辆生成工业车辆的运动学模型,所述运动学模型包括电池寿命;以及
所述处理器执行所述预定动作,以便将所述工业车辆车队中的所述选定工业车辆分配给任务,以优化所述选定工业车辆的电池寿命。
7.根据权利要求1所述的***,其中:
所述处理器为工业车辆车队中的选定工业车辆生成所述工业车辆的运动学模型,所述运动学模型包括电池寿命;以及
所述处理器执行所述预定动作,以便将所述工业车辆车队中的所述选定工业车辆分配给任务,以针对选定班次优化整个所述车队中的工业车辆的电池寿命。
8.根据权利要求1所述的***,其中:
所述处理器接收作业规范,以便接收表征所述环境内的行驶路径和操作以进行所述操作的作业规范;以及
所述处理器基于所述作业规范将所述运动学模型应用于所述工作流模型,以评估工业车辆性能,并且确定结果,以便基于所述作业规范的行驶路径将所述运动学模型应用于所述工作流模型,以评估工业车辆性能并且确定结果。
9.一种评估工业车辆性能的计算机执行的处理,所述处理包括:
识别工业车辆的运动学功能;
接收所述工业车辆在其中操作的环境的一个或更多个约束条件;
通过以下步骤来计算所述工业车辆的选定运动学功能的参数的组合回调曲线:
获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一回调曲线;
获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二回调曲线;以及
通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线;
基于所述运动学功能、所述环境的约束条件和所述组合回调曲线来生成所述工业车辆的运动学模型;
通过定义所述工业车辆在所述环境内的任务来定义工作流模型,其中,所述任务是基于所述运动学模型的;
接收表征与所定义的所述工作流模型相关联的作业的作业规范;
基于所述作业规范将所述运动学模型应用于所述工作流模型,以评估所述工业车辆的性能并且确定结果;以及
基于所述结果执行预定动作。
10.根据权利要求9所述的计算机执行的处理,其中:
接收所述工业车辆在其中操作的环境的一个或更多个约束条件包括接收所述工业车辆在其中操作的仓库的约束条件;以及
基于所述作业规范将所述运动学模型应用于所述工作流模型以确定结果包括基于所述工业车辆的运动学模型、所述工作流模型和所述仓库的约束条件来执行所述工作的模拟;以及
基于所述结果执行预定动作包括基于所述模拟来确定所述仓库的所述工业车辆类型的最佳车辆数量。
11.根据权利要求9所述的计算机执行的处理,其中:
接收所述工业车辆在其中操作的环境的一个或更多个约束条件包括接收所述工业车辆在其中操作的仓库的约束条件;
基于所述作业规范将所述运动学模型应用于所述工作流模型以确定结果包括:基于所述工业车辆的运动学模型、所述工作流模型和所述仓库的约束条件来执行所述作业的模拟;以及
基于所述结果执行预定动作包括基于所述模拟来确定对于所述仓库的任务的最佳时间安排。
12.根据权利要求11所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型包括基于所述运动学功能、所述环境的约束条件、所述回调曲线以及所述工业车辆在执行所述任务时消耗的预测能量来生成所述工业车辆的运动学模型;以及
基于所述模拟来确定对于所述仓库的任务的最佳时间安排包括基于所消耗的预测能量和所述模拟来确定对于所述仓库的任务的最佳时间安排。
13.根据权利要求11所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型包括基于所述运动学功能、所述环境的约束条件、所述回调曲线以及所述工业车辆执行所述任务的预测时间来生成所述工业车辆的运动学模型;以及
基于所述模拟来确定对于所述仓库的任务的最佳时间安排包括基于所述预测时间和所述模拟来确定对于所述仓库的任务的最佳时间安排。
14.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型包括生成特定类型的工业车辆的运动学模型;
接收作业规范还包括通过无线网络从信息链接装置接收信息,其中,所述信息链接装置被安装到所述特定类型的工业车辆中的工业车辆,并且所述信息对应于在所述环境中运行的工业车辆;以及
基于所述结果执行预定动作包括:
将由所述信息链接装置收集的信息与模拟的结果进行比较;以及
如果所述比较超出阈值,则更新所述特定类型的工业车辆的运动学模型。
15.根据权利要求9所述的计算机执行的处理,其中:
生成工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型;
接收作业规范还包括通过无线网络从信息链接装置接收信息,其中,所述信息链接装置被安装到所述选定工业车辆并且所述信息对应于在所述环境中运行的选定工业车辆;以及
基于所述结果执行预定动作包括:
将所述信息与所述结果进行比较;以及
如果所述比较超出阈值,则更新所述选定工业车辆的运动学模型。
16.根据权利要求9所述的计算机执行的处理,还包括:
接收特定于操作人员的参数;
其中:
生成工业车辆的运动学模型包括基于所述运动学功能、所述环境的约束条件、所述回调曲线和所述特定于操作人员的参数来生成所述工业车辆的运动学模型。
17.根据权利要求9所述的计算机执行的处理,还包括:
接收性能调整参数;
其中:
生成工业车辆的运动学模型包括基于所述运动学功能、所述环境的约束条件、所述回调曲线和所述性能调整参数来生成所述工业车辆的运动学模型。
18.根据权利要求17所述的计算机执行的处理,其中,基于所述结果执行预定动作包括基于所述结果向所述工业车辆传送性能调整指令,以修改所述工业车辆的性能。
19.根据权利要求18所述的计算机执行的处理,其中,向所述工业车辆传送所述性能调整指令还包括通过无线网络向安装到所述工业车辆的信息链接装置传送所述性能调整指令。
20.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型;以及
基于所述结果执行预定动作包括将所述工业车辆车队中的所述选定工业车辆分配给任务,以减少所述选定工业车辆上的机械应力。
21.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型;以及
基于所述结果执行预定动作包括将所述工业车辆车队中的选定工业车辆分配给任务,以平衡整个所述工业车辆车队中的工业车辆上的机械应力。
22.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型,所述运动学模型包括电池充电;以及
基于所述结果执行预定动作包括将所述工业车辆车队中的所述选定工业车辆分配给任务,以优化所述选定工业车辆的电池充电。
23.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型,所述运动学模型包括电池充电;以及
基于所述结果执行预定动作包括将所述工业车辆车队中的选定工业车辆分配给任务,以针对选定班次优化整个所述车队的工业车辆的电池充电。
24.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型,所述运动学模型包括电池寿命;以及
基于所述结果执行预定动作包括将所述工业车辆车队中的所述选定工业车辆分配给任务,以优化所述选定工业车辆的电池寿命。
25.根据权利要求9所述的计算机执行的处理,其中:
生成所述工业车辆的运动学模型还包括生成工业车辆车队中的选定工业车辆的运动学模型,所述运动学模型包括电池寿命;以及
基于所述结果执行预定动作包括将所述工业车辆车队中的选定工业车辆分配给任务,以针对选定班次优化整个所述车队中的工业车辆的电池寿命。
26.根据权利要求9所述的计算机执行的处理,其中:
接收表征与所定义的工作流模型相关联的作业的作业规范包括接收表征所述环境内的行驶路径和操作以进行所述操作的作业规范;以及
基于所述作业规范将所述运动学模型应用于所述工作流模型以评估工业车辆性能并且确定结果包括:基于所述作业规范的行驶路径将所述运动学模型应用于所述工作流模型,以评估工业车辆性能并且确定结果。
27.根据权利要求9所述的计算机执行的处理,其中:
基于所述环境的至少一个约束条件来计算所述组合回调曲线。
28.根据权利要求9所述的计算机执行的处理,其中:
独立于所述环境的约束条件来计算所述组合回调曲线。
29.根据权利要求9所述的计算机执行的处理,其中:
获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一回调曲线包括获得制动期间速度相对于叉子高度的回调曲线;
获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二回调曲线包括获得在进行正常且未受约束的操作时速度相对于叉子高度的回调曲线;以及
通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线包括:在叉子高度定义公共坐标轴的情况下,在所述第一回调曲线覆盖到所述第二回调曲线上时取最小点。
30.根据权利要求9所述的计算机执行的处理,其中:
获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一回调曲线包括获得在沿着路径行驶时速度相对于距离的回调曲线;
获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二回调曲线包括获得在通道速度受限制区域的末端中的速度相对于距离的第二回调曲线;以及
通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线包括:在路径距离定义公共坐标轴的情况下,在所述第一回调曲线覆盖到所述第二回调曲线上时取最小点。
31.一种评估工业车辆性能的计算机执行的处理,所述处理包括:
识别所述工业车辆的运动学功能;
接收所述工业车辆在其中操作的环境的至少一个约束条件;
通过以下步骤来计算所述工业车辆的选定运动学功能的参数的组合回调曲线:
获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一曲线;
获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二曲线;以及
通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线;
基于所述运动学功能、所述环境的约束条件和所述回调曲线来生成工业车辆的运动学模型;以及
通过定义所述工业车辆在所述环境内的任务来生成工作流模型,其中,所述任务是基于所述运动学模型的。
32.根据权利要求31所述的计算机执行的处理,还包括:
接收表征所述环境内的行驶路径和操作以进行所述操作的作业规范,其中,所述操作与所定义的工作流模型相关联;
基于所述作业规范的行驶路径,将所述运动学模型应用于所述工作流模型,以确定结果;以及
基于所述结果执行预定动作。
33.一种评估工业车辆性能的计算机执行的处理,所述处理包括:
接收工业车辆的作业规范;以及
通过以下步骤来模拟所述作业规范:
将所述作业规范分解成工作流模型,所述工作流模型定义所述工业车辆在与所述操作的执行相关联的环境内的任务;
通过以下步骤将所述任务与生成的运动学模型相关联:
识别所述工业车辆的运动学功能;
接收所述工业车辆在其中操作的环境的约束条件;
计算所述工业车辆的选定运动学功能的参数的回调曲线;以及
基于所述作业规范的行驶路径,将所述运动学模型应用于所述工作流模型,以确定结果。
34.根据权利要求33所述的计算机执行的处理,其中:
接收工业车辆的作业规范包括:接收表征所述工业车辆遵循的环境内的行驶路径和操作以执行所述操作的作业规范。
35.根据权利要求33所述的计算机执行的处理,还包括通过以下步骤计算所述工业车辆的选定运动学功能的参数的回调曲线:
获得包含所述工业车辆的选定运动学功能的参数的第一方面的第一曲线;
获得包含所述工业车辆的选定运动学功能的参数的第二方面的第二曲线;以及
通过在沿着所述第一回调曲线和所述第二回调曲线的公共坐标轴的点处选择所述第一回调曲线和所述第二回调曲线的最小值来计算所述组合回调曲线。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562243953P | 2015-10-20 | 2015-10-20 | |
US62/243,953 | 2015-10-20 | ||
US201662303780P | 2016-03-04 | 2016-03-04 | |
US201662304122P | 2016-03-04 | 2016-03-04 | |
US62/303,780 | 2016-03-04 | ||
US62/304,122 | 2016-03-04 | ||
PCT/US2016/057888 WO2017070330A1 (en) | 2015-10-20 | 2016-10-20 | Adjusting industrial vehicle performance |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108140157A true CN108140157A (zh) | 2018-06-08 |
CN108140157B CN108140157B (zh) | 2023-04-14 |
Family
ID=57209938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680059631.8A Active CN108140157B (zh) | 2015-10-20 | 2016-10-20 | 用于评估和调节工业车辆性能的计算机执行的处理和*** |
Country Status (9)
Country | Link |
---|---|
US (4) | US10429831B2 (zh) |
EP (1) | EP3365844B1 (zh) |
KR (1) | KR20180073588A (zh) |
CN (1) | CN108140157B (zh) |
AU (2) | AU2016342176A1 (zh) |
BR (1) | BR112018006540A2 (zh) |
CA (1) | CA2998535A1 (zh) |
MX (1) | MX2018004593A (zh) |
WO (1) | WO2017070330A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696915A (zh) * | 2019-01-07 | 2019-04-30 | 上海托华机器人有限公司 | 一种测试方法和*** |
CN112824312A (zh) * | 2019-11-21 | 2021-05-21 | 雷蒙德股份有限公司 | 基于任务分类的物料搬运车辆行为修改 |
CN113222449A (zh) * | 2021-05-27 | 2021-08-06 | 湖北文理学院 | 标准化作业有效执行度评估方法及装置 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102669321B1 (ko) * | 2015-05-25 | 2024-05-28 | 크라운 이큅먼트 코포레이션 | 산업용 차량 피드백을 제공하는 방법 및 산업용 차량 환경에서의 머신-실행가능한 방법 |
CN108140157B (zh) | 2015-10-20 | 2023-04-14 | 克朗设备公司 | 用于评估和调节工业车辆性能的计算机执行的处理和*** |
WO2017161798A1 (zh) * | 2016-03-25 | 2017-09-28 | 深圳增强现实技术有限公司 | 智能穿戴设备、基于其的工作辅助方法和*** |
US11087639B2 (en) * | 2016-04-04 | 2021-08-10 | The Raymond Corporation | Systems and methods for vehicle simulation |
DE102016221690A1 (de) * | 2016-11-04 | 2018-05-09 | Audi Ag | Verfahren zum Übertragen von Datenpaketen zwischen einem Ethernet und einem Bussystem in einem Kraftfahrzeug sowie Gatewayvorrichtung und Kraftfahrzeug |
US10735691B2 (en) * | 2016-11-08 | 2020-08-04 | Rockwell Automation Technologies, Inc. | Virtual reality and augmented reality for industrial automation |
US10866631B2 (en) | 2016-11-09 | 2020-12-15 | Rockwell Automation Technologies, Inc. | Methods, systems, apparatuses, and techniques for employing augmented reality and virtual reality |
CN108229867A (zh) * | 2016-12-13 | 2018-06-29 | 杭州海康机器人技术有限公司 | 物料整理任务生成、物料整理方法及装置 |
IT201800002718A1 (it) * | 2018-02-15 | 2019-08-15 | Italcarrelli S R L | Veicolo semovente per la movimentazione di cavalletti porta-lastre |
US10830634B2 (en) * | 2018-03-06 | 2020-11-10 | Deere & Company | Fill level detection and control |
US20200042919A1 (en) * | 2018-08-03 | 2020-02-06 | The Boeing Company | Aircraft component demand forecasting |
JP6554218B1 (ja) * | 2018-08-22 | 2019-07-31 | 三菱ロジスネクスト株式会社 | 配備数決定装置および配備数決定方法 |
US10647333B1 (en) * | 2018-08-31 | 2020-05-12 | Uatc, Llc | Vehicle operator awareness system |
EP3696744A1 (en) * | 2019-02-13 | 2020-08-19 | Robert Bosch GmbH | Safeguarding resources of physical entites in a shared environment |
FR3095424A1 (fr) * | 2019-04-23 | 2020-10-30 | Safran | Système et procédé de surveillance d’un moteur d’aéronef |
US20200377111A1 (en) * | 2019-05-30 | 2020-12-03 | Honda Motor Co., Ltd | Trainer system for use with driving automation systems |
CN112131697B (zh) * | 2019-06-06 | 2024-06-07 | 上海汽车集团股份有限公司 | 一种智能集卡的仿真测试方法、装置及平台 |
CA3101748A1 (en) | 2019-12-06 | 2021-06-06 | The Raymond Corporation | Battery management systems and methods |
EP3907679B1 (en) | 2020-05-08 | 2023-09-13 | Accenture Global Solutions Limited | Enhanced robot fleet navigation and sequencing |
US11352012B1 (en) * | 2021-01-25 | 2022-06-07 | Samsara Inc. | Customized vehicle operator workflows |
US20220351133A1 (en) * | 2021-05-03 | 2022-11-03 | Accenture Global Solutions Limited | Modeling dynamic material flow in generative design using topological maps |
US20230419208A1 (en) * | 2022-06-24 | 2023-12-28 | Caterpillar Inc. | Systems and methods for managing assignments of tasks for work machines using machine learning |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0523142A1 (en) * | 1990-04-06 | 1993-01-20 | Sevcon Ltd | SPEED REGULATOR SYSTEM. |
US20060074707A1 (en) * | 2004-10-06 | 2006-04-06 | Schuette Thomas A | Method and system for user management of a fleet of vehicles including long term fleet planning |
WO2008074008A2 (en) * | 2006-12-13 | 2008-06-19 | Crown Equipment Corporation | Fleet management system |
US20100039247A1 (en) * | 2006-12-13 | 2010-02-18 | Ziegler Ronald L | Impact sensing usable with fleet management system |
CN102030263A (zh) * | 2010-12-17 | 2011-04-27 | 南开大学 | 基于运动规划的桥式吊车自适应控制方法 |
US20140046634A1 (en) * | 2012-08-13 | 2014-02-13 | Caterpillar Inc. | Facility Design and Management Systems Using Order Processing |
US20140278823A1 (en) * | 2013-03-15 | 2014-09-18 | Crown Equipment Corporation | Normalizing performance data across industrial vehicles |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10226599A1 (de) * | 2002-06-14 | 2003-12-24 | Still Wagner Gmbh & Co Kg | Verfahren zum Steuern mindestens einer Bewegung eines Flurförderzeugs |
FR2878954B1 (fr) | 2004-12-07 | 2007-03-30 | Sagem | Systeme de navigation inertielle hybride base sur un modele cinematique |
ES2732249T3 (es) * | 2009-09-25 | 2019-11-21 | Geotab Inc | Sistema, método y programa informático para simular el uso de energía de vehículo |
US9547945B2 (en) * | 2011-03-18 | 2017-01-17 | The Raymond Corporation | Integration of an autonomous industrial vehicle into an asset management system |
US9703902B2 (en) * | 2013-05-09 | 2017-07-11 | Rockwell Automation Technologies, Inc. | Using cloud-based data for industrial simulation |
KR101543156B1 (ko) | 2014-04-10 | 2015-08-07 | 현대자동차주식회사 | 차량 속도 추정 장치 및 방법 |
CN108140157B (zh) | 2015-10-20 | 2023-04-14 | 克朗设备公司 | 用于评估和调节工业车辆性能的计算机执行的处理和*** |
-
2016
- 2016-10-20 CN CN201680059631.8A patent/CN108140157B/zh active Active
- 2016-10-20 WO PCT/US2016/057888 patent/WO2017070330A1/en active Application Filing
- 2016-10-20 AU AU2016342176A patent/AU2016342176A1/en not_active Abandoned
- 2016-10-20 MX MX2018004593A patent/MX2018004593A/es unknown
- 2016-10-20 KR KR1020187012546A patent/KR20180073588A/ko active IP Right Grant
- 2016-10-20 US US15/298,460 patent/US10429831B2/en active Active
- 2016-10-20 BR BR112018006540A patent/BR112018006540A2/pt not_active Application Discontinuation
- 2016-10-20 CA CA2998535A patent/CA2998535A1/en active Pending
- 2016-10-20 EP EP16788381.8A patent/EP3365844B1/en active Active
-
2019
- 2019-09-30 US US16/587,734 patent/US11294368B2/en active Active
-
2022
- 2022-04-04 US US17/657,837 patent/US11789440B2/en active Active
- 2022-06-29 AU AU2022204611A patent/AU2022204611B2/en active Active
-
2023
- 2023-10-12 US US18/485,806 patent/US20240036564A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0523142A1 (en) * | 1990-04-06 | 1993-01-20 | Sevcon Ltd | SPEED REGULATOR SYSTEM. |
US20060074707A1 (en) * | 2004-10-06 | 2006-04-06 | Schuette Thomas A | Method and system for user management of a fleet of vehicles including long term fleet planning |
WO2008074008A2 (en) * | 2006-12-13 | 2008-06-19 | Crown Equipment Corporation | Fleet management system |
US20080154712A1 (en) * | 2006-12-13 | 2008-06-26 | Crown Equipment Corporation | Fleet management system |
CN101606176A (zh) * | 2006-12-13 | 2009-12-16 | 克朗设备公司 | 车队管理*** |
US20100039247A1 (en) * | 2006-12-13 | 2010-02-18 | Ziegler Ronald L | Impact sensing usable with fleet management system |
CN102030263A (zh) * | 2010-12-17 | 2011-04-27 | 南开大学 | 基于运动规划的桥式吊车自适应控制方法 |
US20140046634A1 (en) * | 2012-08-13 | 2014-02-13 | Caterpillar Inc. | Facility Design and Management Systems Using Order Processing |
US20140278823A1 (en) * | 2013-03-15 | 2014-09-18 | Crown Equipment Corporation | Normalizing performance data across industrial vehicles |
Non-Patent Citations (5)
Title |
---|
WU HE-QUAN等: "True stress-strain curves used in finite element vehicle model", 《2008 IEEE VEHICLE POWER AND PROPULSION CONFERENCE》 * |
任田雨等: "四连杆机构在叉车货叉前后倾装置中的运动分析", 《工程机械》 * |
林龙: "环绕式叉车操作训练虚拟现实***关键技术研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
洪嘉振等: "《理论力学》", 31 December 1999 * |
马朝选: "基于ADAMS的叉车转向动力特性分析", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696915A (zh) * | 2019-01-07 | 2019-04-30 | 上海托华机器人有限公司 | 一种测试方法和*** |
CN112824312A (zh) * | 2019-11-21 | 2021-05-21 | 雷蒙德股份有限公司 | 基于任务分类的物料搬运车辆行为修改 |
CN113222449A (zh) * | 2021-05-27 | 2021-08-06 | 湖北文理学院 | 标准化作业有效执行度评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20240036564A1 (en) | 2024-02-01 |
AU2022204611A1 (en) | 2022-07-21 |
CA2998535A1 (en) | 2017-04-27 |
MX2018004593A (es) | 2019-09-04 |
EP3365844B1 (en) | 2023-05-24 |
WO2017070330A1 (en) | 2017-04-27 |
US20170131711A1 (en) | 2017-05-11 |
CN108140157B (zh) | 2023-04-14 |
US10429831B2 (en) | 2019-10-01 |
US11789440B2 (en) | 2023-10-17 |
KR20180073588A (ko) | 2018-07-02 |
AU2016342176A1 (en) | 2018-03-15 |
AU2022204611B2 (en) | 2024-07-04 |
EP3365844A1 (en) | 2018-08-29 |
US20220221853A1 (en) | 2022-07-14 |
BR112018006540A2 (pt) | 2018-10-16 |
US11294368B2 (en) | 2022-04-05 |
US20200026271A1 (en) | 2020-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108140157A (zh) | 调节工业车辆性能 | |
US11615655B2 (en) | Dynamic industrial vehicle measure | |
AU2022201328B2 (en) | Industrial vehicle geo-feature system | |
Feillet et al. | Traveling salesman problems with profits | |
CN109154799A (zh) | 基于可定制目标的仓库布局优化 | |
CN107512515A (zh) | 无人化智能密集仓储管理方法和仓储*** | |
CN109279252A (zh) | 货物搬运***和方法 | |
CN108136898A (zh) | 用于车辆转向和运动的马达*** | |
CN107548503A (zh) | 具有平滑过滤器的动态车辆性能分析仪 | |
CN107194633A (zh) | 产品运输*** | |
CN107016519A (zh) | 基于货物管理体系的高效仓库物流*** | |
Peng | Predictive Scheduling of Collaborative Mobile Robots for Improved Crop-transport Logistics of Manually Harvested Crops | |
WO2022162803A1 (ja) | 搬送システム及び方法 | |
CN117035338B (zh) | 一种港口生产作业实时监控方法和*** | |
Li et al. | Modeling of Behavior and Interaction Analysis of Autonomous Robots in Smart Logistics Environment: A Case Study on iLoabot-M | |
Carvalho | A simulation tool for optimizing port operations | |
CN117093003A (zh) | 基于数字孪生技术的仿真***及其在物流***中的应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |