受国内汽车消费结构变化的影响,品牌厂商也在动态调整其在研发、生产、管理等方面的资金投入占比,精益化的存储配送方式在汽车零配件行业得到广泛应用,各厂商都竭力提高库容率降低单位存储成本,柔性化的无人仓储解决方案成为诸多B端客户的首选。
日前,未来机器人完成了对华南一汽车零配件厂商巨头广汽集团的无人仓储方案的项目施工。该厂商为中日合资企业,占地面积近13万平方米,员工人数超1500人,单层总库位超5000个。其主营业务包括了汽车车身冲压焊接零部件生产经营、汽车车身外覆盖件冲压模具设计与制造,汽车轮胎、汽车夹具、检具设计与制造等,有大量的搬运需求。
该厂商汽车零配件种类繁杂,厂房1楼主要为汽车车身外覆盖件的焊装车间及其成品堆存区,以一个“回”字的格局分布。在中部完成配件的冲压、焊接、质量检测等多个生产流程后,以每10-12个部件为一个料筐装好,由人工转运至旁边的临时堆存区,所有货车在对应的外月台等候装货,发往下游总装车间完成车辆组装流程。因配件的尺寸不一,厂内使用了50多种不同的料笼进行存储。
堆存区内每100平米作为一个独立的存放单元,配备2辆托盘式叉车、一台平衡重叉车完成该单元内料笼的堆叠和装车。从生产到出货,整个流程涉及到焊接工人、冲压工人、质检工人、产线至堆存区的转运工人、叉车司机以及现场的调度工人,为适应生产节拍,厂内实行三班倒的作业模式。
从企业精益化生产角度来说,企业生产活动中的存在许多浪费现象,总结下来有4点:
多余搬运:流程冗余造成的人员、货物的不必要移动;
多余等候:出货高峰期容易出现“堵车”现象,导致现场等候;因生产活动的上游不能按时交货或提供服务导致下游总装车间的工作延误,从而影响到下一轮的物料调配计划
效率不稳定:人工叉车作业过程中无法确保堆叠的精准性,前2-3层的料笼堆叠两分钟内完成,4-6层因高度和角度变动的原因,作业效率以50%的速度下降;
安全隐患大:受人为不确定因素影响,现场料笼倾倒、工人受伤等现象时有发生。
上述四个因素与现场人员的数量正相关,因而如何优化搬运流程、提高作业效率成为了未来机器人的考虑重点。
未来机器人从功能定位、流程优化、人员精简、装备升级四个方面给出解决方案:
区域调整:所有堆存区以100平米为一个单元划分功能,临近外月台的7个单元用于快速出货,只存放当天出货的料笼,其他成品统一存放到远离月台的堆存单元。
路径规划:从产线转运到堆存区设置固定路线,投放8台托盘式叉车完成转运作业,不参与货车装车作业,每台车的行驶里程不超过100米;
人机配比:每个堆存单元投放1台VisionNav平衡重式无人叉车完成自动堆叠任务,取消使用人工叉车,每个存储单元保留一位调度人员,进行三班倒作业;
技术升级:针对料笼规格不同的问题,增加无人叉车的叉臂自适应功能,使其能够在三维空间内根据料笼的距离和高低不同,实现精准叉取和堆码。
人员、设备的多方精简优化后,带来的是整体作业效率以50%的速度得到提升,经对比,有五个方面效益尤为突出:
增加有效搬运:区域调整和路径规划减少叉车的行驶里程,并减少交通堵塞带来的多余等待,每台叉车每天节省1公里的行驶里程,增加30-120分钟的有效搬运时间;
增加搬运数量:无人叉车不间歇作业,每天稳定地完成600-700个料笼的搬运和堆叠,比原来提升70%工作量;
减少人员投入:相较无人叉车,以N-1的速度减少了人工叉车和叉车司机的使用数量,节约成本并提高了作业安全系数;
提升作业效率:更精准,单位时间内的料笼堆叠数量不再受高度影响,能够保证对下游客户的供货稳定,从而使得自身生产及配送计划波动幅度降低,总体的生产效率提升70%。
因一期的料笼堆叠效益明显,目前客户已经在计划上线二期汽车轮胎的无人搬运项目。轮胎业务的搬运流程相对简单,仓库主要用作存储用途;轮胎全部使用相同规格的料笼装载,每个料笼内部放置10个轮胎,单层层高约1.5米,每个库位要求实现6层高的料笼堆叠以最大化存储空间;
此项目最大的难点在于,达到第4-6层高的堆叠时,人工叉车堆叠不准、作业效率急剧下降、不安全系数增大;在设计解决方案时,未来机器人投入了9米堆高的VisionNav前移式无人叉车,每个流程平均耗时15分钟,使其7*24H的范畴内保持作业效率稳定。
料笼堆叠对制造行业来说,属于刚性需求,相比货架,它更有利于充分利用仓库的空间。低位的堆叠(2-3层),人工叉车的优势大于无人叉车;高位堆叠(4-6层),无人叉车更有优势;未来机器人的无人叉车的优势在于,其叉臂的自适应调整和车体的实时定位纠偏,能够保持每次叉卸货效率稳定;减少人员投入从而降低作业的危险系数,这对于大面积、大批量的厂房或仓库来说,是极大利好。
对于复杂场景的处理,未来机器人经验颇丰,到目前为止,已累计实现150多种不同料筐料笼的精准识别与自主堆叠。近期,未来机器人开始筹备新款异形件无人搬运的项目测试,除了进行叉臂自适应功能2.0版本的迭代外,还对机器人控制和感知层面的算法进行了优化升级,更多精彩,将在后续的案例更新中具体体现,敬请期待。