안녕하세요 여러분, 최근 창고 자동화 공간을 어슬렁거리셨다면 아마도 사람들이 AMR(자율 이동 로봇)이 골치 아픈 문제를 해결할 솔루션인 것처럼 과대평가하는 것을 들어보셨을 것입니다. 하지만 현실적으로 생각해 봅시다. 어떤 장비도 완벽할 수는 없습니다. 그렇죠? 오늘 저는 분주한 창고에서 품목을 집거나 떨어뜨리고, 마케팅 허풍을 줄이고, 우리가 본 것처럼 실제 세계의 물건을 던지는 데 있어 이러한 AMR이 실제로 얼마나 정확한지 분석하고 싶습니다.창고 내 AMR지난 몇 년간 공급업체.


먼저 한 가지만 분명히 합시다. 여기서 정확성은 단순히 "로봇이 상자를 가져갔나요?"가 아닙니다. 조금 더 계층화되어 있습니다. 위치 정확도(정확한 선반이나 낙하 구역으로 이동할 수 있습니까?), 배치 정확도(물건을 쓰러뜨리거나 컨베이어 벨트에 잘못 정렬하지 않고 품목을 내려놓을 수 있습니까?), 반복성(망치지 않고 100회 연속으로 동일한 선택/배치를 수행할 수 있습니까?)이 있습니다. 많은 사람들이 이것을 혼동하므로 먼저 그 문제부터 풀어보겠습니다.
우리가 로봇을 처음 테스트했을 때 우리는 위치 정확도가 가장 중요하다고 생각했습니다. 밝혀졌나요? 가깝지도 않아요. 초기에는 잘못된 배치에 대해 계속해서 불평하는 고객이 있었고 우리는 "우리 로봇의 정확도가 ±10mm에 도달했는데 왜 이런 일이 발생하는 걸까요?"라고 생각했습니다. 알고 보니 낙하 구역에 약간의 결함이 있어서 로봇의 비전 시스템이 이를 보완할 수 없었습니다. 바로 여기서 위치 지정과 정밀도의 차이가 나타났습니다. 시장에 나가면 "±Xmm 정확도"라는 말을 주변에서 들을 수 있지만(포지셔닝) 실제 척도는 몇 시간의 논스톱 작업에 걸쳐 그 정밀도가 얼마나 일관적인가입니다.
이제 정확도에 영향을 미치는 주요 요소에 대해 이야기해 보겠습니다. 이는 모든 경우에 적용되는 일률적인 수치가 아니기 때문입니다. 첫째, 센서 기술이다. 대부분의 AMR은 LIDAR, 카메라, 때로는 초음파 센서를 혼합하여 사용합니다. 그렇죠? LIDAR는 창고 매핑에 적합하지만 카메라는 특정 품목을 선택하는 데 필요한 시각적 세부 정보를 추가합니다. 예를 들어,이동식 로봇 AGV내비게이션에 자기 테이프나 QR 코드만 사용하는 경우 정확도는 일반적으로 약 ±15-20mm로 고정되어 있습니다. 하지만 실시간 카메라 피드백이 포함된 SLAM(동시 위치 파악 및 매핑)으로 업그레이드한다면 어떨까요? 그러면 오류가 크게 줄어듭니다. 우리의AMR 모바일 로봇line은 3D LIDAR와 머신 비전을 사용하므로 포지셔닝 정확도는 약 ±5mm, 배치 정밀도는 약 ±3mm입니다. 그러나 여기에 문제가 있습니다. 그것은 이상적인 조건에 있다는 것입니다. 먼지, 머리 위의 밝은 조명 또는 미끄러운 물건으로 인해 시야가 흐려질 수 있습니다.
그런 다음 환경 자체가 있습니다. 창고는 지저분하고 혼란스러운 곳입니다. 팔레트가 고르지 않게 쌓이고, 바닥 타일이 움직이고, 사람과 다른 로봇이 이리저리 움직입니다. 이것이 바로 많은 기본 AGV(자동 가이드 차량)가 여기서 어려움을 겪는 이유입니다. 고정된 경로를 따르기 때문에 무언가가 QR 코드나 자기 테이프를 막으면 충돌하거나 정지합니다. 잠깐만, 명확히 해보자: AGV vs. AMV? 아니요, AGV와 AMR입니다. AGV에는 물리적 가이드가 필요하고 AMR은 자유롭게 탐색합니다. 우리의AGV AMR 로봇기존 AGV 설정에서 전환하는 클라이언트의 격차를 해소합니다. 가상 경로(예: AMR)를 따르거나 사전 정의된 가이드를 따르는 것이 더 쉬우면 레거시 인프라를 사용하더라도 정확성이 일관되게 유지됩니다. 우리는 고객이 AGV에서 Warehouse AMR 라인으로 전환하고 로봇이 공간의 작은 변화에 적응할 수 있기 때문에 첫 달에 선택 오류를 70% 줄이는 것을 보았습니다.
또 다른 큰 문제는 아이템 유형과 페이로드입니다. 선반에 깔끔하게 놓여 있는 표준 10파운드 상자를 선택하는 경우 정확성은 쉽습니다. 하지만 직물 롤 더미나 깨지기 쉬운 유리병과 같이 불규칙한 모양의 품목을 취급하는 경우에는 어떻게 해야 합니까? 네비게이션뿐만 아니라 로봇의 엔드 이펙터("그리퍼" 또는 흡입 컵)가 매우 중요한 부분이 바로 여기에 있습니다. 우리는 얼마 전에 오래된 로봇이 소파 쿠션을 떨어뜨리는 문제로 어려움을 겪고 있는 가구 소매업체와 협력했습니다. 표준 흡입 엔드 이펙터를 압력 센서가 있는 맞춤형 엔드 이펙터로 교체한 결과 배치 정확도가 82%에서 98%로 향상되었습니다. 이제 로봇은 쿠션이 중간에 한쪽으로 치우쳐 있는지 확인하고 쿠션을 놓기 전에 그립을 조정할 수 있습니다. 페이로드도 한몫합니다. 무거운 품목은 로봇의 움직임을 약간 덜 안정적으로 만들기 때문에 제어 소프트웨어를 조정하여 보상하도록 조정합니다: 느린 가속, 더 빈번한 위치 확인. 500kg이 넘는 페이로드의 경우 정확도는 ±7mm로 떨어질 수 있지만 이는 사람의 실수(선택의 약 3~5%, 로봇의 0.5% 미만)보다는 훨씬 낫습니다.
잠깐, 실험실 수치뿐만 아니라 실제 데이터에 대해 이야기해 보겠습니다. 연중무휴 24시간 내내 12개의 창고 AMR을 실행하는 전자상거래 고객이 있는데, 작년 평균 선택 정확도는 99.2%입니다. 문제가 발생한 유일한 경우는 스토리지 레이아웃을 이동하고 로봇의 지도를 업데이트하지 않은 경우였습니다. 간단한 수정으로 2시간이 걸렸고 정확도가 바로 회복되었습니다. 또 다른 고객: 품목이 온도에 민감하고 정확히 4°C 구역에 배치되어야 하는 제약 창고입니다. 그들은 AMR의 배치 오류율이 0.1%라고 보고했는데, 이는 이전 수동 팀(주로 잘못된 영역에 잘못된 배치로 인해 2.3% 오류가 발생함)보다 훨씬 낮습니다. 시트에 적힌 사양이 아니라 실제 창고 KPI와 관련된 정확성이 바로 차이를 만드는 요소입니다.
하지만 솔직히 말해서 AMR은 100% 정확하지 않습니다. 자동화는 없습니다. 우리가 보는 가장 큰 실수는 로봇의 핵심 정확도가 아니라 설정 또는 통합 문제에서 비롯됩니다. 예를 들어, 창고 관리 시스템(WMS)이 AMR에 잘못된 피킹 좌표를 보내는 경우 이는 로봇 오류가 아니라 소프트웨어 통합 오류입니다. 한때 고객의 WMS가 선반 위치에서 10cm 떨어져 있어서 로봇 자체는 완벽했음에도 불구하고 모든 선택이 잘못되었습니다. 그렇기 때문에 우리가 팔 때창고 내 AMR솔루션을 제공하기 위해 단순히 로봇을 넘겨주는 것이 아니라 매핑, 센서 교정 및 WMS 통합을 지원합니다. 정확한 AMR은 나머지 창고와 올바르게 통신하는 경우에만 작동합니다.
또 다른 요소: 유지 관리. 매주 LIDAR 센서를 청소하지 않으면 먼지가 쌓여 내비게이션이 떨어집니다. 바퀴가 마모되어 보정되지 않으면 로봇의 주행 거리 측정(거리를 추적하는 방법)이 중단됩니다. 우리는 고객을 위한 월별 체크인 프로그램을 운영하고 있으며, 정기적으로 유지 관리하는 로봇은 방치된 로봇보다 정확도가 5% 더 높은 것을 확인했습니다. 튜닝 없이 영원히 작동하는 기계와는 다릅니다. AMR에는 지게차와 마찬가지로 기본적인 관리가 필요합니다.
이제 인간과 비교해 보겠습니다. 왜냐하면 그것이 대부분의 창고에서 사용하는 벤치마크이기 때문입니다. 사람이 선택하는 경우 평균 2~5%의 오류율이 발생하는데, 이는 대부분 피로, 산만함 또는 라벨 오독으로 인해 발생합니다. AMR? 우리 데이터에 따르면 선택 및 장소에 대한 오류율은 밤낮으로 0.3~0.8%입니다. 그러나 정확성이 전부는 아니며 속도도 중요합니다. 고객들은 AMR이 너무 느리다고 걱정했지만 최신 소프트웨어 업데이트를 통해AMR 모바일 로봇최고 수준의 인간 선택기와 마찬가지로 시간당 120개의 항목을 선택하고 배치할 수 있으며 오류도 훨씬 적습니다.
잠깐, 작은 창고는 어때요? 많은 사람들은 AMR이 대규모 시설에만 사용된다고 생각합니다. 하지만 우리는 설치했습니다.이동식 로봇 AGV10,000평방피트 미만의 창고에 있는 시스템의 정확도는 여전히 약 98.5%입니다. 작은 공간에도 어수선한 부분이 있기 때문에 AMR은 이에 적응합니다. 고정 경로에 의존했던 기존 AGV는 작은 창고의 팔레트에 충돌할 수 있지만 AMR은 경로를 변경하기만 하면 됩니다. 가동 중지 시간이나 재고 손실이 없습니다.
따라서 정확성 질문을 마무리하자면 AMR은 사람들이 인정하는 것보다 훨씬 더 정확하지만 모든 변수를 고려할 때만 가능합니다. 이는 로봇 자체만이 아니라 환경, 통합, 유지 관리 및 사용 사례에 적합한 로봇을 연결하는 방법입니다. 잘 매핑된 창고에서 표준 상자를 처리하는 경우 정확도가 99% 이상입니다. 이상한 모양이나 좁은 공간을 다루는 경우 올바른 모델을 선택하면 여전히 98%를 얻을 수 있습니다(예:AGV AMR 로봇유연성과 신뢰성의 균형을 유지합니다).
피킹 오류 계산, 주의가 산만해진 작업자 처리, 지저분한 배치로 인한 재고 손상 걱정에 지쳤다면 이제 창고용 AMR을 살펴봐야 할 때입니다. 우리는 수많은 고객이 오류율을 줄이고 작업 속도를 높이도록 도왔으며 우리 솔루션이 귀하의 공간에 어떻게 작동하는지 기꺼이 안내해 드리겠습니다. 특정 요구사항에 대해 문의하세요. 판매에 대한 허세는 없고 우리가 어떻게 도울 수 있는지에 대해 실제 이야기를 나누는 것입니다.
참고자료:
- 국제로봇연맹. (2023). 세계 로봇공학 보고서: 산업용 로봇 및 모바일 로봇.
- 창고 교육 및 연구 위원회(WERC). (2022). 창고 정확도 벤치마크 보고서: 자동화 및 수동 운영.
- 자동화 과학 및 엔지니어링에 관한 IEEE 거래. (2021). “물류 환경에서 자율 모바일 로봇의 정확도 측정.”
- 자재취급산업(MHI). (2023). 창고 자동화 동향: AMR 채택 및 성능 데이터.
