在今年的Logimat展会上,西门子在“智能内部流程——体验流程”环节展示了一个物流中心的数字孪生。物流行业如今正处于快速变化的环境之中:对能源效率和可持续性的需求不断提高、还面对着劳动力短缺和网络安全威胁的挑战。西门子在内部物流行业整个价值链领域的自动化和数字化产品组合非常丰富,可以帮助机器制造商、仓库运营商应对这些挑战。
为此,Siemens Digital Enterprise产品组合中的数字化和自动化解决方案以及Siemens Xcelerator Portfolio的物联网软硬件涵盖了仓库运营的方方面面,如收货、运输、存储、拣选、包装和出货。全自动物流系统可以加快仓库运营、优化流程、降低成本并减少失误,实现更高的吞吐量。
这些都将在这次展会上通过西门子纽伦堡物流中心的数字孪生展示。该中心每天处理1.2万个订单、2.2万个送货品类、27台堆垛机和3公里的自动传送带,为全球2.5万家客户提供服务。通过这个案例,客户可以在展会上详细了解仿真场景是如何帮助优化的,例如如何通过优化排班实现生产力最大化。
它还展示了如何用数字孪生帮助识别瓶颈和峰值负载以优化物流,以及如何通过这种方式保持吞吐量和仓库整体绩效,实现接近100%的履行率。现实世界和数字世界之间的无缝交互提高了仓库的生产力和灵活性,持续性地降低了成本和能源消耗,从而减少了碳足迹。
新功能:基于人工智能的机器人自动拣选
Simatic Robot Pick AI是西门子物流产品组合中的新成员,这款使用了机器学习的3D图像处理软件专门用于机器人解决方案,该软件也将在Logimat上展示。这款软件能让机器人能够按照拣选任务抓取仓库中的任何物品,无论形状和大小如何。经过预训练的深度学习算法让该功能可以识别出最适合的3D拾取位置,并将其提供给机器人执行。它会在尽可能短的时间内计算出可靠的拾取姿势,让高通量系统不会发生内部碰撞。
该系统无需额外进行基于CAD的培训,应用程序在类似平板电脑的工控机上的计算时间不超过1.5秒,让系统可以每小时完成超过1000次拣选。错误率平均不到2%,和人类相当。未来,人工智能控制的拣选机器人可以提供更多灵活性,以便在动态变化的情况下及时处理形状、尺寸和包装类型不同的物品,从而减轻劳动力短缺的影响,提高仓库的运营效率。Simatic Robot Pick AI可以与TIA Portal自动化平台无缝集成,借助Simatic Robot Library,该工控机系统可以同机器人建立标准化通信。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。