Waarom RTLS onmisbaar is voor AGV- en AMR-fleets

In geautomatiseerde omgevingen is RTLS  nuttig omdat het helpt om items en assets binnen een faciliteit te lokaliseren, zodat iedereen weet waar alles en iedereen is, en… dat is in grote lijnen het verhaal.  Hoewel dat allemaal waar en nuttig is, mist het iets. RTLS pakt fundamenteel problemen aan waarvan je misschien niet eens weet dat ze bestaan, of die niet zichtbaar zijn in een rapportagedashboard.

Voor heftrucks richt RTLS zich op gedragsanalyse en menselijke verantwoordelijkheid. We gaan hier dieper op in in onze blog over heftrucktracking→.

De problemen die gepaard gaan met AGV’s en AMR’s zijn veel minder direct zichtbaar dan andere. Ze zitten in de details van de operatie. Beide voertuigen hebben een idee van hun eigen locatie in een faciliteit, dus dat is niet het probleem. Het probleem is dat ze niet het volledige plaatje kennen, de waarheid, van de faciliteit waarin ze navigeren. RTLS lost dit op en vult de kennislacunes die deze voertuigen anders nooit zouden kennen.

‍

‍

De verkeerde manier om over RTLS voor geautomatiseerde fleets te denken

Stel je een magazijnvloer voor. Stellingen vol dozen. Een heftruck in de hoek. Een medewerker die tussen de rekken beweegt. Een autonome mobiele robot navigeert in de buurt.

In de ene versie heeft de medewerker vraagtekens boven zijn hoofd. Ze zoeken plank voor plank, zonder systeem dat hen begeleidt. De AGV voltooit zijn ronde volgens schema, voor zover iemand kan zien. De AMR navigeert zelfverzekerd. En toch blijft de doorvoer achter, is er een opstopping in een staging area en kan niemand precies aanwijzen waarom.

In de andere versie draait Pozyx RTLS door de hele faciliteit. De medewerker is getagd en gelokaliseerd. De werkelijke positie van de AGV wordt in realtime vergeleken met de verwachte positie. De zelfgerapporteerde locatie van de AMR wordt naast een onafhankelijke ground truth gelegd. Wanneer de werkelijkheid afwijkt van het plan, weet het systeem dat meteen, niet pas aan het einde van de shift wanneer iemand merkt dat de cijfers niet kloppen.

‍

‍

Het verschil is niet dat assets elkaar kunnen zien. Het is dat de faciliteit nu beschikt over een onafhankelijke bron van waarheid die geen enkel onboard-systeem van een voertuig kan leveren.

AGV’s: het probleem is onzichtbare kwetsbaarheid

AGV’s volgen vaste routes met magnetische tape, vloermarkeringen of laserreflectoren. Omdat het pad vooraf bepaald is, is hun locatie bijna een formaliteit. Je weet globaal waar een AGV zou moeten zijn op basis van de route die hij rijdt en hoe lang hij al onderweg is.

Juist dat maakt AGV-fleets stilletjes kwetsbaar op manieren die zonder RTLS moeilijk te detecteren zijn.

Het echte probleem is niet weten waar de AGV is. Het is niet weten wanneer de werkelijkheid van het plan is afgeweken.

Een AGV die een ronde in vier minuten zou moeten afronden en er zeven over doet, is ergens tegenaan gelopen. Een blokkade. Een verkeersconflict met een handmatige heftruck die op de route is beland. Een mechanische vertraging die uitmondt in een storing. De eigen lokalisatie van de AGV vertelt je dat hij bij checkpoint 4 van 12 is. Die vertelt je niet dat hij drie minuten achterloopt, dat de vertraging op het punt staat een opstopping bij het pickstation te veroorzaken, of dat dit de derde keer is dat dit op dinsdagmiddag gebeurt wanneer een bepaald leveringspatroon gangpad 7 blokkeert.

RTLS geeft je continue positiedata, los van de eigen route-logica van de AGV. Daardoor kun je op elk moment de kloof volgen tussen waar de AGV is en waar hij zou moeten zijn. In die kloof zit operationele intelligentie. Daarmee kun je een oplopende vertraging opvangen voordat die een gemiste SLA wordt, routeconflicten identificeren die alleen onder specifieke verkeersomstandigheden optreden, en de historische patroonherkenning opbouwen die voorspellend ingrijpen mogelijk maakt.

Voor AGV’s die VDA5050 ondersteunen, leest het Pozyx Platform hun positiedata rechtstreeks in via MQTT en koppelt die aan het verwachte routegedrag. Voor systemen die dat niet doen, levert een UWB-tag op het voertuig dezelfde continue positiestroom zonder protocolafhankelijkheid. Hoe dan ook is de waarde niet de locatie zelf, maar de detectie van afwijkingen die continue locatie mogelijk maakt.

Voor een diepere blik op hoe VDA5050 en omlox in de praktijk samenwerken, inclusief protocolarchitectuur en wat dit betekent voor multi-vendor implementaties, lees onze volledige uitleg →

‍

AMR’s: het probleem is dat de kaart van de robot veroudert

AMR’s zijn de meest geavanceerde voertuigen op de vloer. Ze gebruiken LiDAR, camera’s en ultrasone sensoren om met SLAM, Simultaneous Localization and Mapping, hun eigen interne kaart van de omgeving op te bouwen en te onderhouden. Hun zelfgerapporteerde positie is vaak zeer nauwkeurig ten opzichte van die kaart. Waarom is RTLS dan belangrijk?

Omdat de kaart waarop de AMR vertrouwt niet actueel blijft.

De fysieke omgeving verandert voortdurend. Een pallet wordt verplaatst naar een tijdelijke staging area. Er wordt tijdens een weekendherinrichting een nieuwe palletstelling toegevoegd. Halverwege de shift wordt een onderhoudsbarrière geplaatst. Een batch inkomende goederen wordt geparkeerd in een gangpad dat om 6 uur ’s ochtends nog vrij was. De op SLAM gebaseerde kaart van de AMR was nauwkeurig toen die werd opgebouwd, maar verslechtert in realtime terwijl de fysieke werkelijkheid eromheen verandert. De robot kan een perfect nauwkeurige positie rapporteren ten opzichte van zijn eigen interne model, terwijl dat model niet langer weerspiegelt wat er werkelijk op de vloer staat.

Dit leidt tot twee specifieke faalmodi die moeilijk te herkennen zijn vanuit de eigen data van de AMR.

• Positiedrift in dynamische omgevingen. Terwijl de AMR zich opnieuw lokaliseert tegen een kaart met verouderde herkenningspunten, stapelen kleine fouten zich op. De robot denkt dat hij op de ene plek is, maar de fysieke werkelijkheid is net anders. In een omgeving met lage dichtheid maakt dat nauwelijks uit. In een faciliteit met hoge dichtheid, krappe doorgangen, AGV’s op vaste routes en medewerkers die dezelfde gangpaden delen, is net iets anders precies waar botsingen en bijna-ongelukken ontstaan.
• LiDAR is reactief, terwijl RTLS voorspellend is. De LiDAR van de AMR detecteert dynamische obstakels absoluut; dat is een van de kernfuncties. Maar hij detecteert ze binnen het sensorbereik, meestal een paar meter, waarna de robot reageert: hij vertraagt, stopt of kiest een andere route. Een medewerker die vanuit 30 meter afstand via een blind kruispunt op de AMR afloopt, bestaat voor de sensoren van de robot niet totdat die dichtbij genoeg is om te registreren. Op operationele snelheden is dat een reactief systeem dat op de rand van zijn marge werkt.

RTLS weet al dat de medewerker 30 meter verderop is en dichterbij komt, nog voordat de AMR überhaupt sensordata over hem heeft. Die extra tijd maakt het mogelijk dat de fleetcontroller de robot omleidt of op een waypoint vasthoudt voordat er een conflict ontstaat, niet pas nadat LiDAR al een noodstop heeft geactiveerd. Een noodstop omdat LiDAR iemand op 3 meter afstand detecteerde, is een coördinatiefout die toevallig veilig werd opgevangen. RTLS voorkomt dat die coördinatiefout überhaupt ontstaat. Het onderscheid is niet detectie versus geen detectie; het is het verschil tussen een faciliteit die op conflicten reageert en een faciliteit die ze voorkomt.

Bij AMR’s gaat het niet om het lokaliseren van de robot. De robot lokaliseert zichzelf. RTLS levert een onafhankelijke ground truth die de perceptuele blinde vlekken van de AMR niet overneemt, een referentie die buiten het eigen model van de wereld van de robot bestaat en waarmee dat model kan worden gevalideerd en gecorrigeerd.

In de praktijk op het Pozyx Platform worden AMR-positiedata uit VDA5050 ingelezen en samengevoegd in de uniforme Omlox-locatielaag, samen met UWB-data van elke andere assetcategorie. Dit betekent dat het systeem kan signaleren wanneer de zelfgerapporteerde positie van een AMR significant afwijkt van de UWB-geankerde ground truth, een signaal dat SLAM-drift optreedt, dat de interne kaart van de robot mogelijk moet worden bijgewerkt, of dat er een omgevingsverandering heeft plaatsgevonden die de robot nog niet heeft verwerkt.

‍
Wat volledige zichtbaarheid van de faciliteit echt mogelijk maakt

Met RTLS dat tegelijkertijd draait over AMR’s, AGV’s, handmatige voertuigen en getagde medewerkers, worden een paar dingen mogelijk die dat eerder niet waren.

• Detectie van afwijkingen
  De werkelijke positie van elke AGV wordt continu vergeleken met het verwachte routegedrag. Vertragingen, blokkades en conflicten worden in realtime zichtbaar, niet in het volgende shiftverslag.

• Onafhankelijke ground truth voor AMR’s
  Het Pozyx Platform biedt een positiereferentie die buiten het SLAM-model van een individuele robot bestaat, waardoor cross-validatie en vroege detectie van kaartdrift mogelijk worden voordat die operationele problemen veroorzaakt.

• Dynamisch assetbewustzijn
  Getagde medewerkers, handmatige heftrucks en trekker-treinen verschijnen in dezelfde locatielaag als geautomatiseerde voertuigen, waardoor AMR’s en fleetcontrollers context krijgen over dynamische obstakels die onboard sensoren alleen niet kunnen bieden totdat het bijna te laat is.

• Inzicht in verkeerspatronen
  Heatmaps op basis van continue tracking van meerdere assets onthullen de interactiepatronen tussen geautomatiseerd en handmatig verkeer die geen enkele voertuigdataset zou kunnen blootleggen: het specifieke gangpad, het specifieke tijdvenster en de specifieke combinatie van voertuigtypen die een terugkerende bottleneck veroorzaakt.

• Handhaving van veiligheid met echte context  
  Nabijheidswaarschuwingen die afgaan wanneer een AMR een getagde medewerker nadert, zijn niet alleen afstandsgebaseerde meldingen. Met volledige context van de faciliteit begrijpt het systeem of die medewerker daar hoort te zijn, of de AMR een alternatieve route heeft en of vertragen of stoppen de juiste reactie is.

‍

Nauwkeurigheid met autonome robots

De zin waarmee Pozyx’ eigen productvideo eindigt, vat het goed samen: nauwkeurigheid met autonome robots. Niet locatiegegevens. Nauwkeurigheid, het soort dat voortkomt uit een onafhankelijke, faciliteitbrede referentie die geen enkel onboard-systeem van een robot voor zichzelf kan creëren.

De route-logica van je AGV vertelt je waar hij zou moeten zijn. RTLS vertelt je wanneer dat niet zo is. Het SLAM-model van je AMR vertelt hem waar hij is. RTLS vertelt je wanneer dat model van de werkelijkheid is afgeweken.

Dat is een ander en beter verdedigbaar verhaal dan dat alles alles kan zien op een kaart. Het is het pleidooi voor RTLS als de fundamentele intelligentielaag die grootschalige automatisering met gemengde fleets beheersbaar maakt, niet alleen zichtbaar.

RTLS geeft je geautomatiseerde voertuigen niet een locatie die ze niet hebben. Het geeft hen, en jou, een bron van waarheid die hun eigen systemen structureel niet kunnen produceren.

Klaar om te zien hoe volledige zichtbaarheid van de faciliteit er in de praktijk uitziet? Pozyx ondersteunt VDA5050, omlox, UWB, BLE en GPS: één platform voor elke asset op je vloer. Boek vandaag nog een demo.

‍

‍