AGV和移動機器人專家Kollmorgen在系統(tǒng)級別和車載單個 AGV 上測量 AGV 系統(tǒng)的性能。他收集了有關電機驅動器、激光掃描儀、定位、交通和障礙物干擾的信息，從而找到有助于改進產品和系統(tǒng)配置的趨勢和模式。

該數(shù)據(jù)可以測量生產力或每日利用率趨勢的高低，并可以用于優(yōu)化路線、增加吞吐量和計算更智能的資源利用率。對于最終用戶來說，這意味著更低的成本和更高的收入。收集到的數(shù)據(jù)還可以為可能干擾 AGV 性能的外部過程提供重要線索。

Kollmorgen說：“人工神經(jīng)網(wǎng)絡是一種基于人腦結構的計算模型，我們的腦細胞或神經(jīng)元通過復雜的神經(jīng)網(wǎng)絡相連。簡單來說，如果輸入的信號足夠強，神經(jīng)元就會被激發(fā)，并且信號將繼續(xù)傳遞到神經(jīng)元所連接的下一組細胞。通過這種方式，我們大腦中所有不同神經(jīng)元之間的連接結構將決定信號的傳播方式，當我們學習新事物時，大腦內部的連接就會被重組。在人工神經(jīng)網(wǎng)絡中，信號是用數(shù)字代替的。”

能否舉例說明該系統(tǒng)將如何從物流環(huán)境中的數(shù)據(jù)中識別正確的信號？

Kollmorgen回答道：“設計 AGV 系統(tǒng)可能是一項復雜的任務，這需要大量的技能和經(jīng)驗。例如，在設計道路網(wǎng)絡時，可能有數(shù)以萬計的單獨網(wǎng)絡需要配置。當然，在這期間很容易犯錯誤，而且通常只有在模擬中運行系統(tǒng)后才會發(fā)現(xiàn)此類錯誤。因此，我們目前正在開發(fā)可以直接分析道路網(wǎng)絡的工具，以便用戶獲得更即時的反饋。在內部測試中，我們發(fā)現(xiàn)用戶在錯誤配置中找到根本原因的時間提高了 5 倍。”