谁是窄道应用最优解?

日期:2024-07-26     来源:仙工智能    作者:仙工智能    浏览:2823    
0
核心提示:仙工智能基于生态合作伙伴林德车体发布了全新高品质激光 SLAM 堆高式智能叉车 SFL-CDD15。
为了最终效益提升,工厂货架越放越多,货物越堆越高,留给叉车的运行区域越来越小,传统叉车车型宽大、转弯半径过大,在密集型存储环境下逐渐暴露出诸多弊端:运行空间狭窄,人机混行场景中安全问题突出、叉车部署、应用繁琐等等。



为解决上述难题,仙工智能基于生态合作伙伴林德车体发布了全新高品质激光 SLAM 堆高式智能叉车 SFL-CDD15,窄道应用最强王者。


SFL-CDD15 内部搭载了仙工智能 SRC 移动机器人控制器,采用激光 SLAM 导航技术,现场应用更灵活;支持 AI 自适应识别和叉取,高效稳定取放运;并且在应用场景和适应性层面均有进一步延伸,不仅能灵活对接产线,满足线边场景的转运作业,还支持库区平面运输、货架堆高等需求。




SFL-CDD15 基于林德车体打造,内置仙工智能 SRC 控制器,产品竞争力 Next Level。


仙工智能提供核心模块支持,基于 SRC 控制器可实现更多高级功能,例如托盘堆垛解垛、料笼堆叠、高位货架栈板识别等,让 SFL-CDD15 现场应用没有门槛,提升应用适应性。


林德作为全球顶尖的叉车生产商,专注于各类叉车车型设计和制造,使用林德车体,为整车带来了更高的品质保障。车体高度集成化,模块化的电气设计,车体线束和结构都得到了极大的简化,便于功能拓展以及维护。




SFL-CDD15 提供灵活定制服务,精准匹配客户场景需求,车体外型提供 LOGO、货叉定制,货叉高度 2344mm、2924mm、3244mm 定制,货叉宽度 555mm、600mm、680mm 定制;内部软件层面也支持根据实际需求选择,SRC 控制器支持的高级功能均提供选配。


在狭窄的仓库通道中进行货物搬运作业时,如果叉车体积过大则难以灵活运行,不仅增加了作业的难度和风险,也限制了仓库的空间利用率。


SFL-CDD15 聚焦窄道场景的客户需求,可以轻松在窄通道稳定取放运货,车身纤细,宽度为 1128mm,轻松进入电梯,最小转弯半径为 1329mm,窄通道可以灵活行走与转弯。



▲ SFL-CDD15 转弯中,最小转弯半径 1329mm

SFL-CDD15 纤细的车身设计不仅提升了现场的灵活性,而且减少了通道的占用面积,节约更多空间,有效提升了仓库的空间利用率,使得客户能够在有限的空间内存储更多的货物。


在工厂中,不仅载具类型、颜色多样,载具本身所处的环境也非常复杂,叉车进行精准识别时会面临诸多问题:载具易受光照变化、阴天雾霾等天气因素干扰;载具外形易受到不同程度的破损或其他外物包装等。


在上述可能出现的影响因素之下,如何保障叉车能够精准识别和叉取载具呢?




仙工智能在智能叉车系统中融合了 AI 算法,无需人工手动输入载具相关信息,叉车通过 3D 深度相机自动输入相关信息,再通过 AI 学习分析决策,识别载具空间位姿,智能规划叉取路径。(关于 AI 自适应识别和叉取内容可以点击
inktype="text" imgurl="" imgdata="null" data-itemshowtype="0" tab="innerlink" data-linktype="2" hasload="1" style="text-indent: 2em;">链接跳转了解更多。)

SFL-CDD15 作为智能叉车虽无需人工参与,但是由于目前大多工厂并非全智能化,叉车应用场景依然存在大量人工作业。


在大量人机混行的场景中,SFL-CDD15 从安全配件和调度软件两方面出发做到了全方位安全防护。




SFL-CDD15 搭配 3D 避障相机实时感知周围环境,可扫描 0.2~5m 距离内的物品,并实现该范围内的物体深度数据测量,智能识别障碍物、生产设备和工作人员,自动避障确保整体安全。




统一资源调度系统 RDS 运用全局多车联合调度(G-MAPF)算法,在面向任意拓扑结构、存在任意人为干扰的场景时,通过动态全局协同规划,进行多机器人路径搜索和交通管制,可令机器人有效躲避拥堵、及时预防和解除死锁,保障安全同时优化整体运行效率。


叉车作为工厂重要物流工具,其电池续航能力直接影响整体作业效率,SFL-CDD15 以卓越的续航性能和电池快换的设计解决了客户面临的电量焦虑问题。




无论在密集的仓库货架区,还是连续作业产线边,SFL-CDD15 满电状态下可持续工作 10h,可伸缩充电头低电量自动充电;并且支持 3min 快速更换新电池,即使在高强度长时间作业情况下,SFL-CDD15 依然能够快速满电状态回归,确保了作业的连续性和高效率。

 
打赏
 
更多>同类行业资讯

推荐图文
点击排行

网站首页 DT_PATHS |  联盟简介  |  联盟章程  |  组织架构  |  网站地图 |  粤ICP备14089875号  |  网站客服

移动机器人(AGV/AMR)产业联盟 SYSTEM All Rights Reserved 版权所有

  • 微信扫一扫关注我们
  • 扫描访问手机版