UWB工业实时定位系统-实时叉车跟踪优化内部物流

Eliko RTLS 的 5 个新功能

– 小型通用标签 – 标签缩小了两倍以上。这种设计不仅可以方便地将它们放入口袋中，而且还可以将标签牢固地固定在机器人或叉车上。

– 以太网和 Wi-Fi 连接锚点 – 无论您需要永 久设置还是临时设置，我们都能满足您的需求。我们的锚点具有 PoE 和 Wi-Fi 功能，可用于博物馆、展览、贸易展览和其他临时场所。

– 增强的跟踪 – 我们使单元格大小更加灵活，以便您可以添加最多 10 个锚点，以确保即使在困难的环境中也能进行可靠的跟踪。这也意味着，如果您有很多跟踪对象，准确性不会降低。

– 扩展的 UWB 范围 – UWB 无线电技术需要专用的 RTLS 基础设施，这使得该技术更加昂贵。我们扩展了可靠范围（实际范围可能是可靠范围的两倍以上），以便您需要更少的设备来覆盖您的区域。只需 4 个锚点，您就可以跟踪超过 2500 平方米/27000 平方英尺的开放空间中的物体。

– 完整的 RTLS 设置 – 公司需要的不仅仅是 UWB 设备来开始开发其室内定位应用。因此，我们通过提供完整的 RTLS 设置让您的工作变得更加轻松。我们的系统配备了设备、运行我们软件的 RTLS 服务器、Wi-Fi 模块和电缆。就开始追踪吧。

机器学习主要通过两个方式使室内定位技术受益：它既可以应用于定位系统本身，也可以应用于定位系统的输出数据。

Eliko 提供精 确的 室内定位系统 以及应用程序。虽然它从根本上提供了被跟踪对象的位置信息，但我们可以通过更多洞察来扩展系统。此外，我们可以定义路径和运动模式、估计速度并测量事件和过程的持续时间。这些数据使我们能够构建应用程序并分析和解决各种工业环境中的问题。例如，我们可以优化资产的位置、路径或布局。所有这些都需要数据分析和对底层流程细节的了解。 

机器学习算法可用于提高 RTLS 性能和准确性

挑战： 当您在空房间中使用 RTLS 技术时，可以轻松测量正确的位置坐标。然而，在现实世界中，跟踪区域经常存在障碍物。墙壁、人、机器和其他资产都会影响位置坐标的准确性。 

解决方案： 我们可以使用机器学习算法来提高测量的可靠性和准确性。通过收集数据，我们可以训练算法来检测和分类不同的 LOS（视距）和非 LOS 情况。这使我们能够根据分类丢弃、称重甚至纠正测量结果。因此，在视线 (LOS) 测量并不总是可行的复杂环境中，机器学习算法可以减少不准确的测量，从而提高系统性能。 

通过匹配模式和预测行为来优化制造流程

挑战： 工业 4.0 背后的主要理念之一是提高制造的灵活性和效率。这需要了解底层流程的细节。因此，有些流程需要实时跟踪，以便为决策者提供准确的数据。然而，分析和读取收集到的数据以进行决策是一个挑战。 

解决方案： 根据系统生成的位置数据，我们可以训练机器学习算法来匹配模式并预测行为。因此，第二个应用程序位于数据侧。例如，通过分析访问制造材料的路径和频率，系统可以（实时）建议在 制造或仓库中存储这些材料的最 佳位置。这将帮助工人减少寻找和访问特定材料卷或托盘所花费的时间。 

总之，一方面坐标误差校正和另一方面输出数据分析是机器学习在室内定位系统中有益的两个主要原因。借助这些机器学习算法，可以显着提高工业 4.0 的制造效率。

Eliko 的 RTLS 标签电池可持续使用长达六个月

更详细地说，新功能和更新显着改善了电池的充电周期。首先，我们为标签添加了动态测距功能。此外，我们还优化了标签的功耗。因此，标签的电池寿命最多可延长三倍，具体取决于定位频率。

以下是一些当前电池寿命示例：

l  每秒更新率 – 4 周；

l  每分钟更新率 – 6 个月。

RTLS 标签虽小但功能强大

如您所知，所有 RTLS 解决方案都需要一个标签将其附加到您想要跟踪的对象上。这些标签与 RTLS 锚网络通信，实时计算物体的精 确位置。 

Eliko RTLS 2.0标签的主要特点：

l  轻便紧凑，尺寸为 63x42x13 mm；

l  使您能够以 5-30 厘米的精度定位物体；

l  距锚点的操作距离可达 70 米；

l  使您能够定位对象，从每分钟一次到每秒最多 300 次；

l  配备锂离子充电电池，一次充电可持续使用六个月；

l  带有多种附件选项。

分别设置睡眠和活动模式的更新速率

我们的室内定位系统 Eliko RTLS 2.0 使您能够根据您的需求设置标签的更新率（定位频率）。您可以使用 Eliko RTLS Manager 或 API 命令修改更新速率。最近添加的动态范围选项意味着您可以分别设置睡眠和活动模式的更新速率。为空闲模式添加另一个更新速率将有助于延长标签的电池寿命。

适合大面积设置

Eliko RTLS 使用超宽带 (UWB) 无线电技术上的飞行时间 (ToF) 定位方法来始终提供可靠且精 确的位置测量。尽管众所周知 ToF 比到达时间差 (TdoA) 更耗电，但它也是一种更稳健的技术。

我们相信，这些改进使 Eliko RTLS 2.0 标签的功耗成为市场上使用强大 ToF 定位方法的同类系统中功耗最 低的系统之一。因此，在需要可靠且一致的精度的大型工业环境中使用 Eliko RTLS 将使您受益匪浅。由于大规模用例通常需要更多标签，因此较少的充电频率提供了更多便利。

工业实时定位系统

工业 RTLS 为手动操作带来透明度。
跟踪资产、WIP 和产品以衡量流程效率和质量。通过实时警告建立安全区域并避免碰撞。

RTLS 是未来生产力和安全的支柱

进入工业4.0时代。更有效地部署设备和人员，以及更好地管理资产、材料和最终产品。具有数字安全区和可靠的实时警报和及时通知的安全工作场所。审计、监管和准时生产的透明、自动化操作。所有这些以及更多都已经可以实现。制造业的未来依赖于实时位置数据，并以工业 RTLS 作为解决方案的支柱。我们拥有所有资源来帮助您实现无缝的数字体验。

如何通过实时叉车跟踪优化内部物流

行业

工业的

背景

博世 Termotecnologia 位于葡萄牙，是热水器领域的世界 领先者。

目标

提高工厂流程的透明度

问题

物流部门很难计划他们的日程、提高效率并清楚地了解车间发生的情况

挑战

在充满金属制造机器的非视距条件下的生产环境中获得准确的跟踪结果。

解决方案

Eliko 的 UWB RTLS 网络跟踪物流车辆。

结果

博世拥有一个有用的工具来规划、持续改进和优化其内部物流。

背景

博世 Termotecnologia 位于葡萄牙，是热水器领域的世界 领先者。它也是博世集团该产品的能力中心，负责新设备的设计和开发以及生产和营销。除了创新产品外，公司在全体员工的大力支持和参与下不断改进自身流程。公司未来发展的基础在于创新实力。

目标

请简要概述您正在跟踪什么以及为什么？

我们正在使用定位系统来跟踪工厂内的叉车。它们用于将材料和/或组件从仓库运输到生产现场或在生产线之间运输。我们想要跟踪手动和自动操作的车辆。

由于我们的工厂有许多零部件、材料和成品以及大量车辆，过去很难了解车间发生的情况并实时制定计划。出于这个原因，我们决定安装这个定位系统，以便我们的内部物流团队可以更加透明地了解他们的流程。它使他们能够更快地规划、改进路线定义并提高效率。

目标

提高工厂流程的透明度，以便：

¡  加快规划时间

¡  优化路线定义

¡  减少行驶距离

¡  通过避免瓶颈提高效率

问题

物流车辆实时追踪之前的流程是怎样的？

在使用实时跟踪系统之前，我们内部物流的同事总是难以计划自己的日程、提高效率并清楚地了解车间发生的情况。

为了定义一条新路线或确认已定义路线的效率，他们需要前往车间并多次跟踪车辆，测量操作和行驶时间并确认路径是否正确。首先，这很耗时。其次，在手动操作车辆的情况下，操作员的行为往往会在观察下发生变化。我们还有一个基于 RFID 卡的系统，允许操作员确认执行的每条路线。

它有两个主要问题：第 一是我们工厂里只有两个 RFID 读取点，因此操作员需要偏离实际路线去那里；第二，这是一项手动任务，因此总是有可能操作员忘记或错过 RFID 读取，导致信息不太可靠。

物流利用这些数据不仅可以提高效率，还可以用于外部审计，因此拥有准确可靠的数据非常重要。我们现在拥有的实时跟踪系统使我们更有信心使用数据，因为信息现在是自动记录的。

在实施 UWB RTLS 之前您尝试过哪些其他解决方案？

我们主要测试了基于蓝牙和UWB的解决方案。由于内部指令，蓝牙被废弃。

挑战

您试图通过实施实时跟踪系统来解决哪些挑战？

我们在占地约 10,000 平方米的主生产大楼安装了实时跟踪系统。它还充满了制造机械，从重型压力机和充满金属的合格机器到高铝型材的装配线。第 一个重大挑战是在这些条件下获得准确的系统。即使选择了该技术，我们在某些金属密度更高、视线更短的区域仍然面临挑战。因此，我们需要策略性地放置天线（锚点），以避开尽可能多的障碍，以获得最 佳结果。

其他技术要求：

1. 在 10,000 平方米的生产/仓库场地上定位车辆在 2D 空间中的位置。

2. 定位系统的最小精度必须为 50 厘米，并且应在低视线条件下检测车辆。

3. 叉车跟踪系统必须能够同时定位多辆车辆（> 20 辆）且不影响性能。

4. 位置更新率必须至少为 1 Hz，并且系统必须通过可通过博世内部网络访问的 API 发布数据。

5. 数据必须在博世网络上收集和处理，而不是在外部云或服务器上。

6. 系统硬件必须使用以太网电缆连接到博世网络。

7. 系统必须具有可扩展性和灵活性，以便能够使用尽可能少的配置进行修改。

8. 系统设备必须具有尽可能少的连接（例如，使用 PoE 供电和以太网连接），或者在移动的情况下，设备应配备使用寿命长的电池（充电需要 >1 年） 。

输出数据定义如下：

1. 走完整条路需要多长时间

2. 每辆车按照设计路线行驶的频率

3. 每辆车到达每个交货点需要多长时间

4. 用于流量分析的热图

叉车跟踪结果

你最自豪的是什么？

投资这样的系统是一个挑战，特别是对于那些不太容易预测投资回报的用例。因此，我们的方法是从工厂内仅由六个天线组成的飞行员开始，我们可以在其中跟踪车辆的完整路线。通过如此低的投资，我们能够获得一些数据，并且在工业工程师的帮助下，我们根据数据确定了每班一名操作员的潜在优化方案。

到目前为止，我们已经扩展了跟踪区域并用 60 个锚点覆盖了它。该系统创造了工程师所没有的透明度——以前他们很难优化和提高效率。