Seberapa akuratkah AMR dalam mengambil dan menempatkan barang di gudang?

Nov 03, 2026

Tinggalkan pesan

Emma Davis
Emma Davis
Emma adalah seorang desainer produk senior di Jiangsu Linya Technology Co., Ltd. Dengan pengalaman lebih dari 8 tahun dalam desain robot, ia sangat terlibat dalam menciptakan produk robot inovatif yang memenuhi berbagai kebutuhan pengguna. Desainnya dikenal karena fungsionalitas dan antarmuka yang ramah pengguna.

Hai semuanya, jika akhir-akhir ini Anda sering berkeliaran di ruang otomasi gudang, Anda mungkin pernah mendengar orang-orang memuji AMR—robot bergerak otonom—seolah-olah mereka adalah solusi untuk setiap sakit kepala pengambilan dan penempatan. Namun jujur ​​saja: tidak ada peralatan yang sempurna, bukan? Hari ini, saya ingin menguraikan seberapa akurat sebenarnya AMR ini dalam hal mengambil dan menjatuhkan barang di gudang yang sibuk, memotong hambatan pemasaran, dan memasukkan beberapa barang dunia nyata yang telah kita lihat sebagaiAMR di Gudangpemasok selama beberapa tahun terakhir.

Warehouse AMRAGV AMR Robots

Pertama, mari kita luruskan satu hal: keakuratan di sini bukan sekadar “apakah robot berhasil mendapatkan kotaknya?” Ini sedikit lebih berlapis. Anda memiliki akurasi posisi (dapatkah item dipindahkan ke rak atau zona jatuhkan yang tepat?), ketepatan penempatan (dapatkah item tersebut diletakkan tanpa menjatuhkan barang atau tidak sejajar dengan ban berjalan?), dan kemampuan pengulangan (dapatkah item tersebut melakukan pengambilan/tempat yang sama 100 kali berturut-turut tanpa membuat kesalahan?). Banyak orang yang mencampuradukkan hal ini, jadi mari kita uraikan dulu.

Saat kami pertama kali menguji robot kami, kami mengira keakuratan posisi adalah segalanya. Ternyata? Bahkan tidak dekat. Awalnya, kami memiliki klien yang terus mengeluh tentang kesalahan penempatan, dan kami seperti “robot kami mencapai akurasi ±10mm—mengapa ini terjadi?” Ternyata zona penurunannya memiliki sedikit ketidaksempurnaan, sehingga sistem penglihatan robot tidak dapat mengimbanginya. Di situlah perbedaan antara pemosisian dan presisi terasa bagi kami. Jika Anda berada di pasar, Anda akan mendengar istilah seperti “akurasi ±X mm” (itulah penentuan posisi), namun ukuran sebenarnya adalah seberapa konsisten presisi tersebut selama berjam-jam kerja tanpa henti.

Sekarang, mari kita bahas tentang faktor-faktor utama yang memengaruhi keakuratan—karena ini bukanlah angka universal. Pertama, teknologi sensor. Kebanyakan AMR menggunakan campuran LIDAR, kamera, dan terkadang sensor ultrasonik, bukan? LIDAR sangat bagus untuk memetakan gudang, tetapi kamera menambahkan detail visual yang diperlukan untuk memilih item tertentu. Misalnya, aRobot Seluler AGVyang hanya menggunakan pita magnetik atau kode QR untuk navigasi akan memiliki akurasi yang cukup tetap—biasanya sekitar ±15-20mm. Tetapi jika Anda meningkatkan ke SLAM (lokalisasi dan pemetaan simultan) dengan umpan balik kamera waktu nyata? Itu menurunkan kesalahan. KitaRobot Seluler AMRgaris menggunakan LIDAR 3D dan visi mesin, jadi kami melihat akurasi posisi sekitar ±5mm, dan presisi penempatan sekitar ±3mm. Tapi inilah masalahnya: itu dalam kondisi ideal. Debu, lampu terang di atas kepala, atau benda yang licin dapat mengganggu penglihatan.

Lalu ada lingkungan itu sendiri. Gudang adalah tempat yang berantakan dan kacau. Palet ditumpuk tidak rata, ubin lantai bergeser, orang dan robot lain bergerak. Itu sebabnya banyak AGV dasar (kendaraan berpemandu otomatis) kesulitan di sini—mereka mengikuti jalur yang tetap, jadi jika ada sesuatu yang menghalangi kode QR atau pita magnetiknya, mereka akan mogok atau berhenti. Tunggu, tapi mari kita perjelas: AGV vs. AMV? Tidak, AGV vs. AMR. AGV membutuhkan panduan fisik, AMR bernavigasi dengan bebas. KitaRobot AGV AMRmenjembatani kesenjangan tersebut bagi klien yang melakukan transisi dari penyiapan AGV lama—mereka dapat mengikuti jalur virtual (seperti AMR) atau tetap berpegang pada panduan yang telah ditentukan jika itu lebih mudah, sehingga akurasi tetap konsisten meskipun mereka menggunakan infrastruktur lama. Kami telah melihat klien beralih dari AGV ke lini AMR Gudang kami dan mengurangi kesalahan pengambilan sebesar 70% di bulan pertama, hanya karena robot dapat beradaptasi dengan perubahan kecil di ruangan.

Masalah besar lainnya: jenis item dan muatan. Jika Anda memilih kotak standar seberat 10 pon yang tertata rapi di rak, akurasinya mudah. Namun bagaimana jika Anda menangani benda yang bentuknya tidak beraturan—seperti tumpukan gulungan kain atau botol kaca yang rapuh? Di sinilah efektor akhir robot (“gripper” atau mangkuk pengisap) sangat berperan, bukan hanya navigasi. Kami bekerja dengan pengecer furnitur beberapa waktu lalu yang berjuang dengan robot lama mereka yang menjatuhkan bantal sofa. Kami menukar efektor ujung isap standarnya dengan efektor khusus yang dilengkapi sensor tekanan, dan akurasi penempatannya meningkat dari 82% menjadi 98%. Robot sekarang dapat mengetahui apakah bantalannya miring di tengah-tengah dan menyesuaikan cengkeramannya sebelum meletakkannya. Muatan juga berperan—benda yang lebih berat membuat pergerakan robot sedikit kurang stabil, jadi kami menyesuaikan perangkat lunak kontrol kami untuk mengimbanginya: akselerasi yang lebih lambat, pemeriksaan posisi yang lebih sering. Untuk muatan yang beratnya lebih dari 500kg, keakuratannya mungkin turun hingga ±7mm, namun hal tersebut masih jauh lebih baik daripada kesalahan manusia (yaitu sekitar 3-5% dari pengambilan, vs. robot kami yang kurang dari 0,5%).

Tunggu, mari kita bicara tentang data dunia nyata, bukan hanya angka lab. Kami memiliki klien di e-niaga yang menjalankan 12 AMR Gudang kami 24/7, dan selama setahun terakhir, akurasi pengambilan rata-rata mereka adalah 99,2%. Satu-satunya saat mereka mengalami masalah adalah ketika mereka memindahkan tata letak penyimpanan dan tidak memperbarui peta robot—perbaikan sederhana, memerlukan waktu 2 jam, dan akurasi segera pulih kembali. Klien lain: gudang farmasi tempat barang-barang sensitif terhadap suhu dan harus ditempatkan tepat di zona 4°C. Mereka melaporkan bahwa AMR mereka memiliki tingkat kesalahan penempatan sebesar 0,1%, yang jauh lebih rendah dibandingkan tim manual lama mereka (yang memiliki tingkat kesalahan 2,3%, sebagian besar disebabkan oleh kesalahan penempatan di zona yang salah). Hal itulah yang membuat perbedaan—akurasi yang terkait dengan KPI gudang yang sebenarnya, bukan hanya spesifikasi di atas kertas.

Namun jujur ​​saja: AMR tidak 100% akurat. Tidak ada otomatisasi. Kesalahan terbesar yang kami lihat bukan berasal dari akurasi inti robot, namun dari masalah penyiapan atau integrasi. Misalnya, jika sistem manajemen gudang (WMS) mengirimkan koordinat pengambilan yang salah ke AMR, itu bukan kesalahan robot—itu kesalahan integrasi perangkat lunak. Kami pernah memiliki klien yang WMS-nya meleset 10cm di lokasi rak, jadi semua pilihan mereka salah, meskipun robotnya sendiri sempurna. Itu sebabnya ketika kita menjualAMR di Gudangsolusinya, kami tidak hanya menyerahkan robot—kami membantu pemetaan, kalibrasi sensor, dan integrasi WMS. AMR yang akurat hanya berfungsi jika mereka berkomunikasi dengan seluruh gudang Anda dengan benar.

Faktor lain: pemeliharaan. Jika Anda tidak membersihkan sensor LIDAR setiap minggu, debu akan menumpuk dan mengganggu navigasi. Jika roda rusak dan tidak dikalibrasi, odometri robot (cara melacak jarak) akan hilang. Kami memiliki program check-in bulanan untuk klien, dan kami telah melihat bahwa robot dengan perawatan rutin memiliki akurasi 5% lebih tinggi dibandingkan robot yang diabaikan. Ini tidak seperti mesin yang berjalan selamanya tanpa tune-up—AMR memerlukan perawatan dasar, seperti halnya forklift.

Sekarang mari kita bandingkan dengan manusia, karena itulah tolak ukur yang paling banyak digunakan oleh gudang. Pemetik manusia memiliki tingkat kesalahan rata-rata 2-5% untuk pengambilan, sebagian besar disebabkan oleh kelelahan, gangguan, atau salah membaca label. AMR? Data kami menunjukkan bahwa mereka mencatat tingkat kesalahan 0,3-0,8% untuk pengambilan dan tempat, yaitu siang dan malam. Namun akurasi bukanlah segalanya—kecepatan juga penting. Klien kami khawatir bahwa AMR terlalu lambat, namun dengan pembaruan perangkat lunak terbaru kami, kami dapat mengatasi masalah tersebutRobot Seluler AMRdapat memilih dan menempatkan 120 item per jam, sama seperti pemetik manusia terbaik, dengan kesalahan yang jauh lebih sedikit.

Tunggu, bagaimana dengan gudang kecil? Banyak orang mengira AMR hanya untuk fasilitas besar. Tapi kami sudah memasangnyaRobot Seluler AGVsistem di gudang di bawah 10.000 kaki persegi, dan akurasinya masih sekitar 98,5%. Karena ruangan kecil sekalipun bisa menimbulkan kekacauan, dan AMR beradaptasi dengan hal tersebut. AGV lama yang mengandalkan jalur tetap akan menabrak palet di gudang kecil, namun AMR hanya mengubah rute—tidak ada waktu henti, tidak ada inventaris yang hilang.

Jadi, untuk menyimpulkan pertanyaan keakuratannya: AMR jauh lebih akurat daripada yang orang-orang anggap, tetapi hanya jika Anda memperhitungkan semua variabelnya. Bukan hanya robot itu sendiri—tetapi juga lingkungan, integrasi, pemeliharaan, dan cara Anda mencocokkan robot yang tepat dengan kasus penggunaan Anda. Jika Anda menangani kotak standar di gudang yang dipetakan dengan baik, Anda akan melihat akurasi 99%+. Jika Anda berhadapan dengan bentuk aneh atau ruang sempit, Anda masih bisa mendapatkan 98% jika memilih model yang tepat (seperti model kamiRobot AGV AMRyang menyeimbangkan fleksibilitas dengan keandalan).

Jika Anda bosan menghitung kesalahan pengambilan, berurusan dengan pekerja yang terganggu, atau mengkhawatirkan kerusakan inventaris akibat penempatan yang berantakan, mungkin inilah saatnya untuk melihat AMR untuk gudang Anda. Kami telah membantu banyak klien memangkas tingkat kesalahan dan mempercepat operasi mereka, dan kami dengan senang hati akan menjelaskan bagaimana solusi kami dapat bekerja untuk ruangan Anda. Hubungi kami untuk mengobrol tentang kebutuhan spesifik Anda—tanpa basa-basi penjualan, cukup diskusi nyata tentang bagaimana kami dapat membantu.


Referensi:

  1. Federasi Robotika Internasional. (2023). Laporan Robotika Dunia: Robot Industri & Robot Bergerak.
  2. Dewan Pendidikan dan Penelitian Gudang (WERC). (2022). Laporan Tolok Ukur Akurasi Gudang: Otomatisasi vs. Operasi Manual.
  3. Transaksi IEEE pada Ilmu dan Teknik Otomasi. (2021). “Metrik Akurasi untuk Robot Seluler Otonom di Lingkungan Logistik.”
  4. Industri Penanganan Material (MHI). (2023). Tren Otomatisasi Gudang: Adopsi AMR dan Data Kinerja.
Kirim permintaan
Kirim permintaan