Digitální dvojče: Za hranicemi simulace

Peter MacLeod hovořil s Andy Ingram-Teddem z Ocado, aby zjistil, jak nejmodernější živé digitální dvojčata odstraňují odhadování z provozu skladů.

Ocado Intelligent Automation (OIA) se nikdy nebojilo rozsahu. Ale v mé konverzaci s Andy Ingram-Teddem, viceprezidentem pokročilých technologií, poukazuje na to, že rozsah není hlavní příběh. Příběhem je, co s tím děláte. Po téměř 25 letech v Ocado sledoval, jak se společnost rozrostla od úzkého raného týmu po globální organizaci s tisíci lidmi, a stále ho překvapuje stejná vnitřní energie, která poháněla první dodávky.

„Nikdy se nezpomalí,“ říká. „Vždy je něco, co se děje, vždy je nějaké nové dobrodružství, vždy je nějaká nová mise.“

Tento rytmus je důležitý, protože ovlivňuje, jak OIA, divize skupiny Ocado, která své technologie nabízí zákazníkům po celém světě, přemýšlí o nasazení automatizace. Ingram-Tedd je otevřený ohledně známého mýtu: že robotika je jednoduše náhrada lidí stroji. Jeho pohled je, že přesnější je to vidět jako systémové návrhy a vzájemnou interakci mezi lidmi, softwarem a hardwarem.
„Spousta lidí se mě ptá, jestli vyvíjíme roboty, jestli vytlačujeme lidi z práce,“ říká. „Ale máme dnes více zaměstnanců než kdy dřív. Děláme víc a stáváme se efektivnějšími.“

Simulace, dodává, je disciplína, která vás nutí brát tu interakci vážně.

Simulace vs. Digitální dvojčata

Pokud existuje jedno téma, které Ingram-Tedd chce, aby si čtenáři odnesli, je to rozdíl mezi simulací a digitálními dvojčaty a proč jsou často zaměňovány. Simulace, podle jeho definice, je prediktivní model používaný před tím, než něco existuje ve fyzickém světě. Digitální dvojče se stává digitálním dvojčetem až poté, co je sklad postaven a funguje, protože je neustále sladěno s realitou pomocí skutečných provozních dat.

Simulace je to, čeho dosáhnete, když selžou tabulky. Základní procesy lze přibližně modelovat s předpoklady o čase a pohybu. Ale jakmile hledáte vysokou průchodnost a vysoké využití napříč mnoha pohybujícími se částmi, potřebujete diskrétní simulaci událostí, modelující nespočet aktivit s počátečními body, koncovými body, časy procesů a pravidly.

„My opravdu myslíme diskrétní simulaci událostí,“ říká. „Děje se spousta věcí. Mají počáteční bod, koncový bod. To nelze jednoduše spočítat na tabulce.“

Definice Ocado jsou jednoduché. Simulace se používá před tím, než je systém postaven. Načtete předpoklady, včetně objednávek, zásob, uspořádání, rychlostí a pravidel, a poté spouštíte scénáře „co kdyby“, abyste viděli výsledky a rizika. Otázky jsou praktické: bude tento návrh fungovat, jakou velikost by měl mít, kde jsou slabá místa. Digitální dvojče je naopak digitální reprezentace skutečného fyzického systému, která zůstává sladěna s živým provozem pomocí provozních dat. Jeho hodnota spočívá v rozhodovací podpoře během provozu, včetně bezpečného testování změn a pochopení, co se stane, pokud dnes nebo zítra něco změníte.

Odstraňování odhadu

Ingram-Tedd zdůrazňuje, že simulace by neměla být o vašem nejlepším dni. Měla by být o vašem nejhorším dni. To může znamenat modelování odstávek, pozdních příjezdů vozidel nebo mezer v pracovní síle, jednotlivě nebo v kombinaci. „Jsme operátoři vlastního zařízení,“ říká. „Neodhaduji. Víme, jaké špatné věci se mohou stát. Staly se nám za posledních 25 let!“
Jakmile je místo v provozu, vstupy již nejsou předpoklady. Jsou to měření. Můžete vzít data z reálného skladu, vložit je do modelu a testovat změny konfigurace, od strategií umístění položek po načasování výdeje, rychlosti výběru a využití zdrojů. Cílem je nepřetržité zlepšování, řízené důkazy, nikoli instinktem.

Ptám se, proč OIA vytváří vlastní simulační nástroje. Ingram-Tedd tvrdí, že balíčky od třetích stran jsou užitečné, ale nedostačující pro modelování složitosti Ocado systému založeného na mřížce, kde software určuje, kde a kdy uložit, načíst a sekvenovat zásoby, zatímco roboti se pohybují nad hustým skladovým prostorem. „Nepoužíváme třetí stranu a existuje na to velmi důležitý důvod,“ říká. „Neexistuje žádný hotový simulační balíček, který by to dokázal.“

Ocado od roku 2008 vyvíjí vlastní simulační schopnosti interně. Klíčové je, že software, který pohání simulaci, je totožný se softwarem, který řídí výrobní provoz. Tento těsnější vztah mezi modelem a realitou, říká, podporuje lepší rozhodnutí při návrhu a větší důvěru před tím, než se investuje kapitál.

Stejně důležité je, že simulace je od začátku do konce. Nezastavuje se u pohybu robotů. Rozšiřuje se na dopravníky, palety, vozidla, lidi a robotický výběr, protože optimalizace má smysl pouze na úrovni celého ekosystému.

„Skutečná optimalizace nastává, když vložíte všechny subsystémy a modelujete je dohromady,“ říká. „Integrace přináší složitost a simulace vám pomáhá pochopit dopad každého návrhu.“

Infrastrukturní optimalizace

Praktická hodnota spočívá v tom, že simulace proměňuje otázky návrhu na ověřitelné scénáře. Jeden příklad je vztah mezi počtem robotů a dosažitelnou průchodností. Spusťte řadu případů paralelně a můžete nakreslit, kde začínají klesající výnosy, a identifikovat optimální bod, za nímž další investice přinášejí malý nebo žádný přínos.

Tento stejný přístup platí i pro stanice na výběr. Stanice OIA jsou modulární a simulace může zkoumat, jak změny uspořádání ovlivňují jak průchodnost, tak výkon operátora. Cílem je zabránit plýtvání lidským časem a zároveň umožnit stanici nedostatečně zásobovat operátora prací.

V jedné ukázce, o které se v rozhovoru mluvilo, Ingram-Tedd uvádí údaj o výkonu při výběru, který bude mnoha čtenářům znít neuvěřitelně: 1072 jednotek za hodinu na stanici. Rychle dodává, že to není dlouhodobé provozní slibování. Vybudování systému kolem maximálního výkonu člověka je riskantní, pokud lidé nemohou udržet takové tempo, a vede k zbytečným investicím do předchozích zdrojů. Rozumnějším provozním cílem by mohlo být 600 až 700 jednotek za hodinu, což je stále výrazně nad běžnými průmyslovými očekáváními.

Co často narušuje automatizaci, není průměrný případ, ale výjimečný: zvláštní produkty, nepohodlné prezentace nebo vzácné poruchové režimy, které se stále často vyskytují při vysokém objemu. V robotice a automatizační technice jsou tyto případy známé jako okrajové případy, neobvyklé nebo extrémní situace mimo běžné provozní podmínky, které je třeba stále bezpečně a spolehlivě zvládnout. „Nemůžete mít roboty takovéto v živém provozu, pokud neumí řešit okrajové případy,“ věří Ingram-Tedd.

Budoucnost vypadá slibně

Kromě potravinářského průmyslu OIA aplikuje svou platformu i v jiných odvětvích. Ingram-Tedd zdůrazňuje velký projekt s McKessonem v Kanadě – zatím ještě neaktivní, ale brzy – který popisuje jako velký systém v Montrealu navržený ke zvýšení produktivity při zlepšení sledovatelnosti, odpovědnosti a bezpečnosti. Tvrdí, že farmaceutická distribuce sdílí mnoho rysů s potravinami, ale s přísnějšími požadavky na shodu, zejména kolem sledovatelnosti balení a šarží. Naznačuje významné zisky v produktivitě, ale upozorňuje, že existují zákaznické úpravy, které jsou důvěrné.

Také mi upozornil, že vzájemná výlučnost skončila ve většině trhů, kde Ocado provozuje své technologie s partnery, což otevírá dveře pro návrat Ocado do některých nejvyspělejších trhů elektronického obchodu po období exkluzivních dohod.

Na konci rozhovoru Ingram-Tedd stručně zmínil novou technologii výběru, která má být představena v roce 2026, a kterou popisuje jako významný krok vpřed. Logistics Business měl možnost získat předběžný pohled na koncept, ale detaily zůstávají tajné před veřejným uvedením na MODEX na jaře. Doufáme, že se k tomu vrátíme v budoucím vydání, jakmile bude OIA připravena o tom mluvit naplno.

Prozatím je jeho poselství konzistentní. Ať už jde o to, kolik robotů nasadit, jak navrhnout stanici na výběr nebo jak integrovat další vlnu automatizace, rozdílem není jediný robot. Rozdílem je schopnost přesně modelovat složité systémy, učit se z reálných operací a neustále se zlepšovat.