Detta kan bli möjligt genom att forskare på Chalmers och Volvo utvecklar system av artificiell intelligens med kameror, i Volvos fabriker, där information från kamerorna är robotarnas huvudsakliga informationskälla. Forskare från Chalmers har under en längre tid arbetat tillsammans med Volvo Group Truck Operations (GTO) och nu börjar visionen bli verklighet.
Flexibel och avancerad teknik
Visserligen är självkörande truckar ingen nyhet inom fordonsindustrin, men än så länge använder de i regel rätt simpel teknik – som att följa en magnetslinga eller en tejpremsa i golvet. Den styrning och övervakning av fabrikens materialflöden som Volvo Lastvagnar nu skissar på blir betydligt mer flexibel och avancerad.
– I grunden är det behovet av mer miljövänliga transporter som driver utvecklingen, berättar Knut Åkesson, biträdande professor i automation på institutionen för elektroteknik på Chalmers tekniska universitet och den som leder arbetet från Chalmers sida.
Det är idag inte givet vilken teknik som skall ersätta dieselmotorn och inom Volvo Group jobbar man parallellt med att utveckla flera alternativ. Att tillverka lastbilar med flera olika drivlinor i samma fabrik innebär att mängden komponenter som krävs för att tillverka dessa ökar kraftigt. Detta i sin tur medför att att behovet av effektivisering av interna transporter ökar.
– Här ser vi att en typ av självkörande transportrobotar kan ge oss den flexibilitet i att nyttja golvytan i fabriken på bästa sätt och samtidigt också ge oss den effektivitet vi måste ha i våra interna transporter säger Per-Lage Götvall, senior forskningsledare på Volvo GTO och den som leder arbetet inom Volvogruppen.
Under flera år har Knut Åkesson och hans team jobbat nära Volvo GTO för att ta fram systemet GPSS (Generic Photogrammetry based Sensor System), bildanalys med hjälp av maskininlärning. Ett samarbete som har varit mycket värdefullt och roligt.
Om arbetet med att ta fram systemet GPSS och dess transportrobotar blir så lyckosamt som Volvo tror kommer det att innebära en markant förändring av fabrikernas interna transportflöden, från den traditionella ”fiskbenslayouten” till mer ”Just-in-time”. Systemet förväntas sedan implementeras i de flesta av Volvos mer än 30 fabriker världen över.
Effektivitet och säkerhet
Men det är ingen trivial uppgift att skapa ett trafiksystem där i slutändan hundratals självkörande transportrobotar ska kunna fungera effektivt, säkert och friktionsfritt i en miljö där människor och material ständigt befinner sig i rörelse.
– Jämfört med den vanliga vägtrafiken så utgör fabriksgolvet ändå en begränsad och kontrollerad miljö och liksom i trafiken, där gemensamma regler gör att allt fungerar kan liknande principer fungera även i fabrik. Det innebär att alla transportrobotar kan styras och koordineras av ett "allvetande" system, förklarar Knut Åkesson.
Att planera alla materialtransporter i tid och rum, utifrån vad produktionen kräver, är en viktig del av systemet. Därtill kommer att förhindra att transportrobotar kör i vägen för varandra.
– Men sedan tillkommer alla de dynamiska hindren, i form av människor och traditionella gaffeltruckar, som systemet inte kan styra över, tillägger Knut Åkesson.
Trafikövervakningssystem och maskininlärning
Det är här GPSS-tekniken kommer in. Tanken är att kamerorna i taket ska detektera och klassificera alla statiska och rörliga hinder på fabriksgolvet och därmed guida transportrobotarna till deras destination utan att kollisioner och olyckor sker. Kamerorna blir robotflottans gemensamma "ögon".
– Om en människa gör något oväntat, som att plötsligt gå åt sidan, så ska trafikövervakningssystemet omedelbart upptäcka detta och se till att den transportrobot som befinner sig intill agerar så att en olycka undviks, säger Knut Åkesson.
Maskininlärning
Det som överhuvud taget gör ett sådant här trafikövervakningssystem möjligt idag är de senaste årens snabba utveckling av datorers förmåga att tolka bilder. Det sker med hjälp av maskininlärning och så kallade artificiella neuronnät – det vill säga självlärande algoritmer som successivt tränas för att klara av sina uppgifter. Lite på samma sätt som den mänskliga hjärnan fungerar.
– Vi försöker också lära systemet att förutsäga hur människor kommer att röra sig de närmaste sekunderna. Det gör att vi i realtid kan optimera hur robottruckarna ska röra sig i varje unik situation som uppstår, allt baserat på informationen från kamerorna, säger Knut Åkesson.
Förbättrad arbetsmiljö och hållbarhet
Men hur kommer det då att kännas att vistas i en arbetsmiljö där människor och robotar arbetar så nära varandra, och är det faktum att Volvo använder sig av kameror något som kan bli ett problem?
– Eftersom de bilder och filmer som genereras av kamerorna endast kommer att analyseras av datorer och inte alls ses av ett mänskligt öga ser vi kamerorna mer som ”optiska sensorer” snarare än kameror, men visst, i grunden är det digitala kameror vi använder, säger Per-Lage Götvall.
– I de diskussioner vi har haft med fackliga företrädare på Volvo har alla varit positiva till att Volvo driver utvecklingen. I projektet är vi också måna med att berörda personalkategorier får vara med i utformningen av GPSS, och de som är med är alla väldigt positiva till det vi gör, fortsätter Per-Lage Götvall.
Knut Åkesson tillägger att det yttersta syftet med "att ge ögon åt fabriken" är att kunna styra den bättre och därmed också att få den att samarbeta bättre mellan de människor och robotar som arbetar där.
– Man skulle kunna se det som en fråga om förbättrad arbetsmiljö och därmed även som en hållbarhetsfråga, säger Knut Åkesson.
– Optimering av logistiken är också viktig ur ett hållbarhetsperspektiv. Syftet är att förbruka så lite resurser som möjligt. Exempelvis ska transportrobotarna köra kortast möjliga väg och därmed minimera energiåtgången, fortsätter Knut Åkesson.
Testmiljö
Mycket av den algoritmutveckling som forskarna arbetar med äger rum i en del av Volvo Lastvagnars fabrik i Tuve på Hisingen som kallas Pilot plant - ett slags experimentfabrik i fabriken där nya produkter och tillverkningsmetoder testas och utvecklas.
Där kan forskarna testa att transportrobotarna verkligen uppför sig på det sätt som de alltmer finslipade algoritmerna syftar till i en realistisk miljö.
Knut Åkesson tror att det dröjer några år innan Volvo Lastvagnar är redo att införa det nya logistiksystemet i produktionen.
– Tanken är att det ska kunna införas i små steg. Först i pilot plant, sedan i en mindre del av fabriken och slutligen i hela lastvagnsfabriken.
Per-Lage Götvall tillägger:
– Eftersom det är en helt ny teknik och ett nytt sätt att ”umgås” med autonoma robotar så kräver ”försiktighetsprincipen” att vi tar små steg och löpande utvärderar vad som sker. Som en del i detta har vi industridoktoranden Atieh Hanna. Hennes forskningsområde är att se hur vi kan utveckla säkra men effektiva system och metoder för arbetsgrupper där autonoma robotar ingår som en naturlig del.
Om samarbetet
Samarbetet mellan Chalmers och Volvo Lastvagnar har pågått under olika projektfaser sedan hösten 2019 och har involverat en handfull seniora forskare, tre doktorander samt ett stort antal studenter på master- och kandidatnivå.
För Chalmers del löper den nuvarande projekttiden fram till sommaren 2023, men en fortsättning kan inte uteslutas.
Fakta
- Samarbetet mellan Chalmers och Volvo AB kring framtidens lastbilsfabrik ingår i det långvariga partnerskap som senast i februari 2022 förnyades med ytterligare tre år.
- Projektet löper nu vidare hos Chalmers under namnet AIMCor (AI-enhanced Mobile Manipulation Robot for Core Industrial Applications).
- Initiativtagare och huvudansvarig på Volvo Lastvagnar är Per-Lage Götvall, senior forskningsledare på företaget.
- Forskare och ingenjörer på Volvo som är delaktiga i utvecklingen av GPSS är docent Kristoffer Bengtsson, Adamya Shukla, industridoktoranderna Erik Brorsson och Atieh Hanna.
- Chalmersforskare som är eller har varit involverade är förutom Knut Åkesson bland andra Yiannis Karayiannidis och Emmanuel Dean samt de tre doktoranderna Sabino Francesco Roselli, Ze Zhang, Endre Eres samt nyligen disputerade Martin Dahl.
Text: Sandra Tavakoli och Björn Forsman
För mer information, kontakta:
Knut Åkesson, biträdande professor i automation på institutionen för elektroteknik, Chalmers
knut.akesson@chalmers.se
Per-Lage Götvall, senior forskningsledare, Volvo Lastvagnar
per-lage.gotvall@volvo.com
