Simulering av digitala tvillingar i lager: Bortom det smarta lagret med NVIDIA Omniverse
I vår huvudserie diskuterar vi hur man optimerar befintlig lagerverksamhet med hjälp av AR, AMRoch drönare.
En betydande möjlighet ligger dock i att identifiera operativa flaskhalsar innan byggnationen påbörjas eller innan ny utrustning installeras.
Denna funktion tillhandahålls av Industrial Metaverse, och i den här spinoff-artikeln ska vi titta på vad det betyder för branschen.
Genom partnerskapet mellan industrijätten Siemens och AI-ledaren NVIDIAgår branschen från statiska 3D-modeller till fysikbaserade digitala tvillingar.
Vad är NVIDIA Omniverse?
Omniverse är ett operativsystem för 3D, byggt på tre kärnteknologier som skiljer det från vanliga visualiseringsverktyg:
"3D-HTML": Att förstå USD
Historiskt sett var det största hindret för att skapa en verklig digital tvilling filinkompatibilitet. Arkitekten använder Revit, transportbandsleverantören använder Siemens NX och robottillverkaren använder egenutvecklad CAD-programvara.
Att sammanföra dessa innebar vanligtvis timmar av smärtsam filkonvertering och betydande dataförlust.
NVIDIA Omniverse löser detta med USD (Universal Scene Description).
Tänk på USD som "HTML för 3D-världar". Ursprungligen uppfunnen av Pixar, låter det olika programvaruverktyg "publicera" sina data i en enda, delad virtuell miljö i realtid.
Det betyder att vi inte bara tittar på en statisk ögonblicksbild.
Om fastighetschefen flyttar en vägg i Revit uppdateras den digitala tvillingen direkt.
Om logistikingenjören justerar transportbandets hastighet i sitt specialiserade verktyg återspeglar simuleringen det omedelbart.
Det skapar en enda sanningskälla för den fysiska layouten.
Bortom animering: Kraften i PhysX
De flesta lagersimuleringar vi sett tidigare var i huvudsak tecknade serier: visuella representationer där en låda flyttas från A till B eftersom ett manus säger åt den att göra det.
De tog sällan hänsyn till fysikens röriga verklighet.
Omniverse använder NVIDIA PhysX, en högkvalitativ fysikmotor.
I den här miljön har objekt massa, friktion, hastighet och gravitation. Denna nivå av återgivning gör att vi kan testa säkerhetsmarginaler och mekaniska gränser virtuellt.
Det hemliga vapnet: Syntetisk data
Den kanske mest futuristiska tillämpningen av denna teknik är att träna AI-modeller.
Moderna lagerlokaler är fulla av optiska sensorer och autonoma mobila robotar (AMR) som behöver "se" och förstå världen.
Att träna dessa robotar kräver vanligtvis tusentals verkliga foton av lådor, pallar och etiketter.
Detta är långsamt, dyrt och kräver att de fysiska varorna finns närvarande.
Med Omniverse kan vi använda syntetisk datagenerering.
Vi kan skapa en digital 3D-modell av en produkt och replikera den 10 000 gånger i det virtuella lagret, och ändra belysning, vinkel och ocklusion (t.ex. delvis dold bakom en pelare) direkt.
Vi använder sedan dessa "falska" men fysiskt korrekta bilder för att träna robotens AI-hjärna.
När den fysiska roboten anländer till platsen har den redan "sett" miljontals scenarier i den digitala tvillingen och är redo att användas på dag 1.
Simuleringens värde
Att optimera ett lager innebär traditionellt betydande planerings- och potentiella omkonfigurationskostnader.
Högkvalitativ simulering möjliggör virtuell testning av flera scenarier:
- Layoutoptimering: Jämförelse av olika ställkonfigurationer för att fastställa de mest effektiva transportvägarna.
- Stresstestning: Simulering av scenarier med höga volymer (t.ex. Black Friday) för att identifiera överbelastningspunkter vid mottagningsdockor eller packstationer.
- Robotträning: Att träna AMR:er inom den digitala tvillingen gör det möjligt för dem att lära sig anläggningens layout och navigationslogik före fysisk driftsättning.
Se det i aktion och från officiella källor
Se hur dessa tekniker tillämpas i verkliga scenarier:
- Officiell partnerskapssida: Läs de officiella detaljerna om hur Siemens och NVIDIA bygger Industrial Metaverse.
- Video om partnerskapet mellan Siemens och NVIDIA: Integrering av fabriksdata med AI-visualisering.
- Amazon Robotics: Användning av digitala tvillingar för optimering av paketflöden och robotutbildning.
- Fysikdemo: En teknisk demonstration av fysikinteraktioner i en lagersimulering.
ERP-systemets roll: Datakällan
Den digitala tvillingen kräver korrekta data för att fungera effektivt.
Som jag undersökte i min tidigare analys, Din ERP visar vad som hände. Den digitala tvillingen visar vad som händer härnäst, är skillnaden avgörande:
- ERP-systemet (t.ex. Infor LN) registrerar det förflutna och hanterar nuet (historiska data, orderprofiler, lagerlogik).
- Den digitala tvillingen simulerar framtidenoch använder ERP-data för att förutsäga resultat innan de inträffar.
Utan den solida grunden av ERP-data är den digitala tvillingen bara en teoretisk modell. Tillsammans låter de dig gå från reaktiv hantering till prediktiv optimering.
Sammanfattningsvis kan den här tekniken göra det möjligt för logistikchefer att förutsäga operativa resultat med hög noggrannhet.
Genom att identifiera problem under designfasen kan organisationer säkerställa att deras anläggningar är optimerade innan den fysiska driften påbörjas.
Skriven av Andrea Guaccio
3 december 2025