BR112021014213A2 - Método e sistema para aprimorar desempenho de operador por gamificação de robô - Google Patents

Método e sistema para aprimorar desempenho de operador por gamificação de robô Download PDF

Info

Publication number
BR112021014213A2
BR112021014213A2 BR112021014213-4A BR112021014213A BR112021014213A2 BR 112021014213 A2 BR112021014213 A2 BR 112021014213A2 BR 112021014213 A BR112021014213 A BR 112021014213A BR 112021014213 A2 BR112021014213 A2 BR 112021014213A2
Authority
BR
Brazil
Prior art keywords
operator
robot
performance
display device
interactive display
Prior art date
Application number
BR112021014213-4A
Other languages
English (en)
Inventor
Michael Charles Johnson
Sean Johnson
Luis Jaquez
Bruce Welty
Karen Leavitt
Original Assignee
Locus Robotics Corp.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Locus Robotics Corp. filed Critical Locus Robotics Corp.
Publication of BR112021014213A2 publication Critical patent/BR112021014213A2/pt

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1694Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697Vision controlled systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398Performance of employee with respect to a job function
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1615Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
    • B25J9/162Mobile manipulator, movable base with manipulator arm mounted on it
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1679Programme controls characterised by the tasks executed
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Manipulator (AREA)

Abstract

método e sistema para aprimorar desempenho de operador por gamificação de robô. trata-se de métodos e sistemas que são fornecidos para aprimorar o desempenho de operador por meio da gamificação de robô, sendo que o método inclui estacionar um robô em uma localização posta dentro de um espaço de navegação, identificar, por um sensor em comunicação eletrônica com um dispositivo de exibição interativa, um operador localizado dentro de uma zona próxima do robô para adquirir um item a ser retirado, receber, no dispositivo de exibição interativa, dados de desempenho de operador associados à aquisição do item e, gerar, no dispositivo de exibição interativa em resposta aos dados de desempenho de operador recebidos, pelo menos uma representação gráfica do êxito do operador dentro de um ambiente de acompanhamento de desempenho gamificado.

Description

MÉTODO E SISTEMA PARA APRIMORAR DESEMPENHO DE OPERADOR POR GAMIFICAÇÃO DE ROBÔ REFERÊNCIA CRUZADA A PEDIDOS RELACIONADOS
[001] O presente pedido reivindica prioridade do Pedido n° U.S. 16/252.856, depositado em 21 de janeiro de 2019, que é uma continuação em parte do Pedido n° U.S. 15/239.133, depositado em 17 de agosto de 2016, intitulado “OPERATOR ROBOT INTERACTION USING OPERATOR INTERACTION PREFERENCES”, que é uma continuação do Pedido n° U.S. 14/815.+110, depositado em 31 de julho de 2015, agora a Patente n° U.S. 10/198.706 concedida em 5 de janeiro 2019, intitulada “OPERATOR IDENTIFICATION AND PERFORMANCE TRACKING”; em que o conteúdo dos pedidos mencionados são incorporado ao presente documento a título de referência.
CAMPO DA INVENÇÃO
[002] A presente invenção refere-se à gamificação de robô e, mais particularmente, à gamificação de robô para aprimoramento de desempenho do operador.
ANTECEDENTES DA INVENÇÃO
[003] Pedir produtos pela internet para entrega em domicílio é uma maneira extremamente popular de fazer compras. Atender a tais pedidos de maneira oportuna, precisa e eficiente é logisticamente desafiador, para dizer o mínimo. Clicar no botão “fechar pedido” em um carrinho de compras virtual cria um “pedido”. O pedido inclui uma listagem de itens que devem ser remetidos a um endereço particular. O processo de “atender” envolve buscar ou “retirar” fisicamente esses itens em um armazém grande, empacotá-los e remetê-los ao endereço designado. Portanto, uma meta importante do processo de atender ao pedido é remeter muitos itens no menor tempo possível.
[004] O processo de atender ao pedido ocorre tipicamente em um armazém grande que contém muitos produtos, incluindo aqueles listados no pedido. Dito isso, entre essas tarefas do atendimento ao pedido está se deslocar no armazém para encontrar e coletar os vários itens listados em um pedido. Além disso, os produtos que serão, por fim, remetidos primeiramente precisam ser recebidos no armazém e armazenados ou “colocados” em compartimentos de armazenamento em uma ordem por todo o armazém para que possam ser recuperados prontamente para a remessa.
[005] Em um armazém grande, os bens que estão sendo entregues e pedidos podem ser armazenados no armazém muito longe um do outro e podem estar espalhados entre muitos outros bens. Em um procedimento de atendimento ao pedido com o uso apenas de operadores humanos para posicionar e retirar os bens é necessário que os operadores andem muito, o que pode ser ineficiente e demorado. Visto que a eficiência do processo de atendimento é uma função do número de itens remetidos por tempo unitário, o aumento de tempo reduz a eficiência.
[006] Além disso, devido à natureza repetitiva e de ritmo rápido da retirada no armazém, operadores humanos podem ser suscetíveis a aborrecimento, desengajamento moral, fadiga e erro induzido por pressa. Todos esses sintomas podem reduzir ainda mais a eficiência na realização da retirada.
BREVE SUMÁRIO DA INVENÇÃO
[007] A fim de aumentar a eficiência da retirada, os robôs podem ser usados para realizar funções dos seres humanos ou podem ser usados para suplementar as atividades humanas. Por exemplo, os robôs podem receber a ordem de “colocar” vários itens em várias localizações espalhadas por todo o armazém ou de “retirar” itens de várias localizações para empacotamento e remessa. A retirada e a colocação podem ser feitas pelo robô sozinho ou com o auxílio de operadores humanos. Por exemplo, no caso de uma operação de retirada, o operador humano retiraria itens das prateleiras e os colocaria nos robôs ou, no caso de uma operação de colocação, o operador humano retiraria os itens do robô e os colocaria nas prateleiras.
[008] Conforme explicado acima, tais eficiências podem ser reduzidas ou estar ameaçadas, caso os operadores humanos sucumbam a comportamentos redutores de eficiência, tais como aborrecimento, desengajamento moral, fadiga e erro induzido por pressa. Consequentemente, o gerenciamento ativo do envolvimento, interesse e desempenho do operador humano podem aumentar a eficiência de retirada.
[009] Desse modo, visto que os robôs interagem com operadores humanos, os robôs podem ser configurados para apresentar gamificação do processo de retirada para envolver ainda mais o operador e para prevenir ou reduzir sintomas que prejudicam o desempenho, tais como aborrecimento, desengajamento moral, fadiga e erro induzido por pressa.
[010] No presente documento, são fornecidos métodos e sistemas para gamificação de robô para aprimoramento de desempenho de operador.
[011] Em um aspecto, a invenção fornece um método para aprimorar o desempenho de operador por gamificação de robô. O método inclui estacionar um robô em uma localização posta dentro de um espaço de navegação. O método também inclui identificar, por um sensor em comunicação eletrônica com um dispositivo de exibição interativa, um operador localizado dentro de uma zona próxima do robô para adquirir um item a ser retirado. O método também inclui receber, no dispositivo de exibição interativa, dados de desempenho de operador associados à aquisição do item. O método também inclui gerar, no dispositivo de exibição interativa em resposta aos dados de desempenho de operador recebidos, pelo menos uma representação gráfica da aquisição de operador dentro de um ambiente de acompanhamento de desempenho gamificado.
[012] Em algumas modalidades, a etapa de identificação também inclui ler, pelo sensor, uma etiqueta de ID do operador. Em algumas modalidades, a etiqueta de ID é pelo menos uma dentre uma etiqueta de RFID passiva, uma etiqueta de RFID ativa, um transceptor Bluetooth ou um aviso de comunicação à curta distância (NFC). Em algumas modalidades, o sensor é pelo menos um dentre um leitor de RFID, um transceptor Bluetooth ou um transceptor de NFC. Em algumas modalidades, a etapa de identificação também inclui capturar, pelo sensor, uma imagem facial do operador. Em algumas modalidades, a etapa de identificação também inclui comparar a imagem facial capturada a um banco de dados de reconhecimento de imagem. Em algumas modalidades, o sensor é pelo menos um dentre uma câmera digital, uma câmera de vídeo digital, um sensor de imagem, um dispositivo de carga acoplada (CCD) ou um sensor de CMOS. Em algumas modalidades, a etapa de identificação também inclui capturar, por meio do sensor, pelo menos um dentre impressão de voz do operador, um padrão retiniano do operador ou um padrão de impressão digital do operador. Em algumas modalidades, a etapa de identificação também inclui comparar o parâmetro capturado dentre pelo menos uma dentre uma impressão de voz do operador, um padrão retiniano do operador ou um padrão de impressão digital do operador a um banco de dados de identificação de usuário correspondente. Em algumas modalidades, o sensor é pelo menos um dentre um dispositivo de imageamento, uma câmera, uma câmera de vídeo, um sensor de áudio, um dispositivo de varredura de retina, um dispositivo de varredura de impressão digital, um dispositivo de varredura infravermelha, um dispositivo de varredura de código de barras ou um leitor de RFID.
[013] Em algumas modalidades, a etapa de geração também inclui exibir pelo menos um prêmio no dispositivo de exibição interativa. Em algumas modalidades, o pelo menos um prêmio é gerado em resposta a uma conquista alcançada pelo operador. Em algumas modalidades, a conquista inclui pelo menos um dentre um número predefinido de unidades retiradas pelo operador, uma taxa de retirada do operador predefinida, um número predefinido de unidades retiradas dentro do espaço de navegação, uma taxa de retirada agregada predefinida dentro do espaço de navegação ou um número predefinido de unidades retiradas sem realizar varredura em uma unidade errônea. Em algumas modalidades, a etapa de geração também inclui exibir pelo menos um medidor de desempenho no dispositivo de exibição interativa. Em algumas modalidades, o medidor de desempenho é configurado para indicar desempenho de operador em relação a uma meta ou padrão de desempenho. Em algumas modalidades, o medidor ou padrão de desempenho inclui pelo menos um dentre um número predefinido de unidades retiradas pelo operador, uma taxa de retirada do operador predefinida, um número predefinido de unidades retiradas dentro do espaço de navegação, uma taxa de retirada agregada predefinida dentro do espaço de navegação ou um número predefinido de unidades retiradas sem realizar varredura em uma unidade errônea. Em algumas modalidades, o medidor de desempenho é pelo menos um dentre um medidor de mostrador virtual, uma área de iluminação codificada por cores, um medidor de barras segmentadas ou um medidor de barra sólida. Em algumas modalidades, a etapa de geração também inclui exibir pelo menos um gráfico de classificação no dispositivo de exibição interativa. Em algumas modalidades, o gráfico de classificação é configurado para indicar o desempenho de operador em relação a um ou mais outros operadores com relação a uma métrica competitiva. Em algumas modalidades, a meta ou padrão de desempenho inclui pelo menos um dentre tempo médio mais rápido entre tarefas de retirada, tempo médio mais rápido para concluir uma tarefa de retirada, taxa de retirada, dias consecutivos de comparecimento do operador, unidades consecutivas retiradas sem realizar varredura em um item errôneo ou a maioria dos robôs com os quais houve interação em um dia.
[014] Em outro aspecto, a invenção fornece um sistema para aprimorar o desempenho do operador por gamificação de robô. O sistema inclui um robô estacionado em uma localização posta dentro de um espaço de navegação. O sistema também inclui um dispositivo de exibição interativa em comunicação eletrônica com o robô. O sistema também inclui um sensor em comunicação eletrônica com o dispositivo de exibição interativa. O dispositivo de exibição interativa inclui um processador. O dispositivo de exibição interativa também inclui uma memória que armazena instruções que, quando executadas pelo processador, fazem com que o dispositivo de exibição interativa identifique um operador localizado dentro de uma zona próxima do robô para adquirir um item a ser retirado. O dispositivo de exibição interativa também inclui uma memória que armazena instruções que, quando executadas pelo processador, fazem com que o dispositivo de exibição interativa receba dados de desempenho de operador associados à aquisição do item. O dispositivo de exibição interativa também inclui uma memória que armazena instruções que, quando executadas pelo processador, fazem com que o dispositivo de exibição interativa gere, no dispositivo de exibição interativa em resposta aos dados de desempenho de operador recebidos, pelo menos uma representação gráfica da aquisição do operador dentro de um ambiente de acompanhamento de desempenho gamificado.
[015] Esses e outros recursos da invenção ficarão evidentes a partir da descrição detalhada e das Figuras anexas, nas quais:
BREVE DESCRIÇÃO DAS FIGURAS
[016] A Figura 1 é uma vista plana superior de um armazém de atendimento a pedido;
[017] A Figura 2A é uma vista em elevação frontal de uma base de um dos robôs usados no armazém mostrado na Figura 1;
[018] A Figura 2B é uma vista em perspectiva de uma base de um dos robôs usados no armazém mostrado na Figura 1;
[019] A Figura 3 é uma vista em perspectiva do robô nas Figuras 2A e 2B equipado com uma armadura e estacionado na frente de uma prateleira mostrada na Figura 1;
[020] A Figura 4 é um mapa parcial do armazém da Figura 1 criado com o uso de radar a laser no robô;
[021] A Figura 5 é um fluxograma que retrata o processo para localizar marcadores fiduciais dispersos por todo o armazém e armazenar postos de marcador fiducial;
[022] A Figura 6 é uma tabela da identificação fiducial para mapeamento de posto;
[023] A Figura 7 é uma tabela da localização de compartimento para mapeamento de identificação fiducial;
[024] A Figura 8 é um fluxograma que retrata SKU de produto para o processo de mapeamento de posto;
[025] A Figura 9 é um diagrama de blocos que ilustra uma arquitetura de um computador do tipo tablet do robô mostrado na Figura 3;
[026] A Figura 10 é um fluxograma de um procedimento executado pelo computador do tipo tablet mostrado na Figura 9;
[027] A Figura 11 é um diagrama de blocos que ilustra uma arquitetura de um computador do tipo tablet alternativo do robô mostrado na Figura 3;
[028] A Figura 12 é um diagrama que ilustra uma tela de gamificação exemplificativa gerada no computador do tipo tablet do robô mostrado na Figura 3;
[029] A Figura 13 é um diagrama de blocos de um sistema de computação exemplificativo implantado no robô da Figura 3; e
[030] A Figura 14 é um diagrama de rede de uma rede distribuída exemplificativa que pode ser utilizada em uma operação em armazém descrita no presente documento.
DESCRIÇÃO DETALHADA DA INVENÇÃO
[031] A revelação e os vários recursos e detalhes vantajosos da mesma são explicados mais completamente com referência às modalidades não limitativas e exemplos que são descritos e/ou ilustrados nos desenhos anexos e detalhados na descrição a seguir. Deve ser verificado que os recursos ilustrados nos desenhos não estão necessariamente em escala, e os recursos de uma modalidade podem ser empregues com outras modalidades conforme o versado na técnica reconhecerá, mesmo que não esteja explicitamente declarado no presente documento. As descrições de componentes e técnicas de processamento bem conhecidos podem ser omitidas de modo a não obscurecer não necessariamente as modalidades da revelação. Os exemplos usados no presente documento servem apenas para facilitar o entendimento de como a revelação pode ser praticada e para possibilitar, também, que as pessoas de habilidade na técnica pratiquem as modalidades da revelação. Consequentemente, os exemplos e modalidades no presente documento não devem ser interpretados como limitativos do escopo da revelação. Ademais, deve ser observado que referências numéricas semelhantes representam partes semelhantes ao longo das diversas vistas dos desenhos.
[032] A invenção se refere à gamificação de robô para desempenho aprimorado de operador. Embora não limitada a qualquer aplicação de robô em específico, uma aplicação adequada na qual a invenção pode ser usada é atendimento ao pedido. O uso de robôs no presente pedido será descrito para fornecer contexto para o mecanismo de zona, porém não se limita a essa aplicação.
[033] Referindo-se à Figura 1, um armazém de atendimento a pedido 10 típico inclui prateleiras 12 preenchidas com os vários itens que podem estar incluídos em um pedido. Em operação, um fluxo de entrada de pedidos 16 do sistema de gerenciamento em armazém 15 chega em um servidor de pedidos 14. O servidor de pedidos 14 pode priorizar e agrupar pedidos, entre outras coisas, para atribuição aos robôs 18 durante um processo de indução. À medida que os robôs são induzidos pelos operadores, em uma estação de processamento (por exemplo, estação 100), os pedidos 16 são atribuídos e comunicados aos robôs 18, de maneira sem fio, para execução. Será entendido pelas pessoas versadas na técnica que o servidor de pedidos 14 pode ser um servidor separado com um sistema de software distinto configurado para interoperar com o servidor de sistema de gerenciamento em armazém 15 e software de gerenciamento em armazém, ou a funcionalidade de servidor de pedidos pode ser integrada no software de gerenciamento em armazém e executada no sistema de gerenciamento em armazém 15.
[034] Em uma modalidade preferencial, um robô 18, mostrado nas Figuras 2A e 2B, inclui uma base sobre rodas autônoma 20 que tem um radar a laser 22. A base 20 também é dotada de um transceptor (não mostrado), que possibilita que o robô 18 receba instruções do servidor de pedidos 14 e/ou de outros robôs e transmita dados aos mesmos, e de um par de câmeras ópticas digitais 24a e 24b. A base de robô também inclui uma porta de carregamento elétrico 26 para recarregar as baterias que alimenta a base sobre rodas autônoma 20. A base 20 também é dotada de um processador (não mostrado) que recebe dados do radar a laser e câmeras 24a e 24b para capturar informações representativas do ambiente do robô. Há uma memória (não mostrada) que opera com o processador para realizar várias tarefas associadas à navegação dentro do armazém 10, assim como para navegar até o marcador fiducial 30 colocado nas prateleiras 12, conforme mostrado na Figura 3. O marcador fiducial 30 (por exemplo, um código de barras bidimensional) correspondente ao compartimento/localização de um item pedido. A abordagem de navegação da presente invenção é descrita detalhadamente com relação à Figuras 4-8. Os marcadores fiduciais também são usados para identificar estações de carregamento, e a navegação até tais marcadores fiduciais de estação de carregamento é igual à navegação até o compartimento/localização dos itens pedidos. Enquanto os robôs navegam até uma estação de carregamento, uma abordagem de navegação mais precisa é usada para ancorar o robô a uma estação de carregamento.
[035] Referindo-se à Figura 2B, a base 20 inclui uma superfície superior 32 na qual uma cesta ou compartimento pode ser armazenado para transportar itens. É mostrado, também, um acoplamento 34 que se engata em qualquer uma dentre uma pluralidade de armaduras intercambiáveis 40, dentre as quais uma é mostrada na Figura 3. A armadura particular 40 na Figura 3 é dotada de um apoio para cesta 42 (nesse caso, uma prateleira) para transportar uma cesta 44 que recebe itens, e um apoio para computador do tipo tablet 46 (ou computador do tipo laptop/outro dispositivo de entrada de usuário) para sustentar um computador do tipo tablet 48. Em algumas modalidades, a armadura 40 sustenta uma ou mais cestas para transportar itens. Em outras modalidades, a base 20 sustenta uma ou mais cestas para transportar itens recebidas. Conforme usado no presente documento, o termo “cesta” inclui, sem limitação, retentor de carga, compartimentos, gaiolas, prateleiras, hastes nas quais os itens podem ser pendurados,
estojos, caixotes, estantes, estandes, cavalete, recipientes, caixas, tubos, vasos e repositórios.
[036] Com a atual tecnologia de robô, a retirada rápida e eficiente de itens de uma prateleira e a colocação dos mesmos na cesta 44 é tecnicamente desafiadora devido às dificuldades funcionais associadas à manipulação robótica de objetos. Desse modo, atualmente, uma maneira mais eficiente de retirar itens é usar um operador local 50, que é tipicamente humano, para realizar a tarefa de remover fisicamente de uma prateleira 12 um item pedido e colocá-lo no robô 18, por exemplo, in cesta 44. O robô 18 comunica o pedido ao operador local 50 por meio do computador do tipo tablet 48 (ou computador do tipo laptop/outro dispositivo de entrada de usuário), que o operador local 50 pode ler ou transmitindo-se o pedido a um dispositivo manual usado pelo operador local 50.
[037] Após receber um pedido 16 do servidor de pedidos 14, o robô 18 prossegue para uma primeira localização no armazém, por exemplo, conforme mostrado na Figura 3. O robô assim o faz com base no software de navegação armazenado na memória e executado pelo processador. O software de navegação se baseia nos dados em relação ao ambiente, conforme coletados pelo radar a laser 22, em uma tabela interna na memória que identifica a identificação fiducial (“ID”) do marcador fiducial 30 correspondente a uma localização no armazém 10 na qual um item particular pode ser encontrado, e nas câmeras 24a e 24b para navegar.
[038] Após chegar à localização correta (posto), o robô 18 estaciona na frente de uma prateleira 12 na qual o item é armazenado e espera que um operador local 50 recupere o item da prateleira 12 e o coloque na cesta 44. Caso tenha outros itens a serem recuperados, o robô 18 prossegue para essas localizações. Em seguida, o item (ou itens) recuperados pelo robô 18 são entregues a uma estação de processamento 100, Figura 1, onde são empacotados e remetidos. Embora tenha sido descrita com relação a essa Figura como tendo capacidade para induzir e descarregar/empacotar robôs, a estação de processamento 100 pode ser configurada de modo que os robôs sejam ou induzidos ou descarregados/empacotados em uma estação, isto é, podem estar limitados à realização uma única função.
[039] Será entendido pelas pessoas versadas na técnica que cada robô pode estar atendendo a um ou mais pedidos, e cada pedido pode consistir em um ou mais itens. Tipicamente, alguma forma de otimização de rota seria incluída para aumentar a eficiência, porém isso está além do escopo da presente invenção e, portanto, não é descrito no presente documento.
[040] A fim de simplificar a descrição da invenção, um único robô 18 e operador 50 são descritos. No entanto, conforme torna-se evidente a partir da Figura 1, uma típica operação de atendimento inclui muitos robôs e operadores trabalhando juntos no armazém para atender a um fluxo contínuo de pedidos.
[041] A abordagem de navegação básica da presente invenção, assim como o mapeamento semântico de uma SKU de um item a ser recuperado de um ID fiducial/posto associados a um marcador fiducial no armazém no qual o item está localizado, é descrita detalhadamente a seguir com relação às Figuras 4-8.
[042] Com o uso de um ou mais robôs 18, é necessário que um mapa do armazém 10 seja criado, e é necessário que a localização de vários marcadores fiduciais espalhados por todo o armazém seja determinada. Para tal, à medida que percorrem o armazém, um ou mais dos robôs 18 constroem/atualizam um mapa 10a, Figura 4, utilizando seu radar a laser 22 e localização e mapeamento simultâneos (SLAM), o que é um problema computacional de construir ou atualizar um mapa de um ambiente desconhecido. Métodos populares de solução aproximada de SLAM incluem o filtro de partículas e o filtro Kalman estendido. A abordagem SLAM GMapping é a abordagem preferencial, porém qualquer abordagem de SLAM adequada pode ser usada.
[043] O robô 18 utiliza seu radar a laser 22 para criar um mapa 10a do armazém 10 à medida que o robô 18 percorre por todo o espaço identificando espaço aberto 112, paredes 114, objeto 116 e outros obstáculos estáticos, tais como prateleira 12, no espaço, com base nas reflexões que recebe à medida que o radar a laser realiza varredura do ambiente.
[044] Durante a construção do mapa 10a (ou atualização posterior do mesmo), um ou mais robôs 18 navega por todo o armazém 10 com o uso de câmera 26 para realizar varredura do ambiente a fim de localizar marcadores fiduciais (códigos de barra bidimensionais) dispersos por todo o armazém em prateleiras próximas dos compartimentos, tais como 32 e 34, Figura 3, nos quais os itens são armazenados. Os robôs 18 usam um ponto de partida ou origem conhecidos para referência, tal como a origem 110. Quando um marcador fiducial, tal como o marcador fiducial 30, Figuras 3 e 4, é localizado pelo robô 18 com o uso de sua câmera 26, a localização no armazém em relação à origem 110 é determinada.
[045] Com o uso dos codificadores sobre rodas e sensores de orientação, o vetor 120 e a posição do robô no armazém 10 podem ser determinadas. Com o uso da imagem capturada de um marcador fiducial/código de barras bidimensional e seu tamanho conhecido, o robô 18 pode determinar a orientação relacionada e distância do robô do marcador fiducial/código de barras bidimensional, o vetor 130. Com os vetores 120 e 130 conhecidos, o vetor 140, entre a origem 110 e o marcador fiducial 30, podem ser determinados. A partir do vetor 140 e da orientação determinada do marcador fiducial/código de barras bidimensional em relação ao robô 18, o posto (posição e orientação) definido pelo quatérnio (x, y, z, ω) para o marcador fiducial 30 pode ser determinado.
[046] O fluxograma 200, Figura 5, que descreve o processo de localização do marcador fiducial é descrito. Isso é realizado em um modo de mapeamento inicial e conforme o robô 18 encontra novos marcadores fiduciais no armazém durante a realização da retirada, colocação e/ou outras tarefas. Na etapa 202, o robô 18 que usa a câmera 26 captura uma imagem, na etapa 204, pesquisa marcadores fiduciais dentro das imagens capturadas. Na etapa 206, caso um marcador fiducial seja encontrado na imagem (etapa 204), é determinado se o marcador fiducial já está armazenado na tabela fiducial 300, Figura 6, que está localizada na memória 34 do robô 18. Caso as informações fiduciais já estejam armazenadas na memória, o fluxograma retorna para a etapa 202 para capturar outra imagem. Caso não esteja na memória, o posto é determinado de acordo como processo descrito acima e na etapa 208, é adicionado à tabela de consulta fiducial em relação ao posto 300.
[047] Na tabela de consulta 300, que pode ser armazenada na memória de cada robô, estão incluídos para cada marcador fiducial uma identificação fiducial, 1, 2, 3 etc. e um posto para o marcador fiducial/código de barras associado a cada identificação fiducial. O posto consiste nas coordenadas x,y,z no armazém ao longo da orientação ou do quatérnio (x,y,z, ω).
[048] Em outra tabela de consulta 400, Figura 7, que também pode ser armazenada na memória de cada robô, está uma listagem das localizações de compartimento (por exemplo, 402a-f) dentro do armazém 10, que estão correlacionadas a um ID fiducial 404 específico, por exemplo, número “11”. As localizações de compartimento, nesse exemplo, consistem em sete caracteres alfanuméricos. Os primeiros seis caracteres (por exemplo, L01001) pertencem à localização de prateleira dentro do armazém e o último caractere (por exemplo, A-F) identifica o compartimento particular na localização de prateleira. Nesse exemplo, há seis localizações de compartimento diferentes associadas a um ID fiducial “11”. Pode haver um ou mais compartimentos associados a cada ID/marcador fiducial.
[049] As localizações de compartimento alfanuméricas podem ser entendidas por um ser humano, por exemplo, o operador 50, Figura 3, como correspondentes a uma localização física no armazém 10 onde os itens estão armazenados. No entanto, elas não têm significado para o robô
18. Por meio do mapeamento das localizações para os IDs fiduciais, o robô 18 pode determinar o posto do ID fiducial com o uso das informações na tabela 300, Figura 6, e, em seguida, navegar para o posto, conforme descrito no presente documento.
[050] O pedido processo de atendimento, de acordo com a presente invenção, é retratado no fluxograma 500, Figura 8. Na etapa 502, do sistema de gerenciamento em armazém 15 o servidor de pedidos 14 obtém um pedido, que pode consistir em um ou mais itens a serem recuperados. Deve ser observado que o processo de atribuição de pedido é muito complexo e não é abrangido pelo escopo da revelação. Tal processo de atribuição de pedido é descrito no Pedido de Patente Número de Série U.S. 15/807.672 de propriedade conjunta, intitulado Order Grouping in Warehouse Order Fulfillment Operations, depositado em 1° de setembro de 2016, que é incorporado no presente documento a título de referência em sua totalidade. Deve ser verificado, também, que os robôs podem ter arranjos de cestas que permitem que um único robô execute múltiplos pedidos, um por compartimento ou contentor. Exemplos de tais arranjos de cestas são descritos no Pedido de Patente Número de Série U.S. 15/254.321, intitulado Item Storage Array for Mobile Base in Robot Assisted Order-Fulfillment Operations, depositado em 1º de setembro de 2016, que é incorporado no presente documento a título de referência em sua totalidade.
[051] Ainda se referindo à Figura 8, na etapa 504, o número de SKU (ou números de número de SKU) dos itens é/são determinado/determinados pelo sistema de gerenciamento em armazém 15, e a partir do número de SKU (ou números de SKU) a localização de compartimento (ou localizações de compartimento) é/são determinada/determinadas na etapa 506. Uma lista de localizações de compartimento para o pedido é,
então, transmitida ao robô 18. Na etapa 508, o robô 18 correlaciona as localizações de compartimento aos IDs fiduciais, e a partir dos IDs fiduciais o posto de cada ID fiducial é obtido na etapa 510. Na etapa 512, o robô 18 navega para o posto, conforme mostrado na Figura 3, onde um operador pode retirar o item a ser recuperado do compartimento apropriado e colocá-lo no robô.
[052] As informações específicas para o item, tais como o número de SKU e a localização de compartimento, obtidas pelo sistema de gerenciamento em armazém 15/servidor de pedidos 14, podem ser transmitidas ao computador do tipo tablet 48 no robô 18 de modo que o operador 50 possa ser informado sobre os itens particulares a serem recuperados quando o robô chega em cada localização de marcador fiducial.
[053] Com o mapa de SLAM e o posto dos IDs fiduciais conhecidos, o robô 18 pode navegar prontamente para qualquer um dos IDs fiduciais com o uso de várias técnicas de navegação de robô. A abordagem preferencial envolve definir uma rota inicial para o posto de marcador fiducial, dado o conhecimento do espaço aberto 112 no armazém 10 e as paredes 114, prateleiras (tais como a prateleira 12) e outros obstáculos 116. À medida que começa a atravessar o armazém com o uso de seu radar a laser 26, o robô determina se há quaisquer obstáculos em sua trajetória, fixo ou dinâmico, tal como outros robôs 18 e/ou operadores 50, e atualiza de maneira iterativa a trajetória até o posto do marcador fiducial. O robô recalcula a rota aproximadamente a cada 50 milissegundos, buscando constantemente a trajetória mais eficiente e eficaz para ao mesmo tempo que evita obstáculos.
[054] Com a técnica de mapeamento de SKU/ID fiducial de produto até o ID fiducial combinada com a técnica de navegação de SLAM, ambas as técnicas descritas no presente documento, os robôs 18 podem navegar, de maneira muito eficiente e eficaz, o espaço do armazém sem ter que usar abordagens de navegação mais complexas usadas tipicamente que envolvem linhas de grade e marcadores fiduciais intermediários para determinar a localização dentro do armazém.
IDENTIFICAÇÃO E RASTREAMENTO DE DESEMPENHO DE OPERADOR
[055] Conforme aplicado acima, após chegar à localização correta (posto), o robô 18 estaciona na frente de uma prateleira 12 na qual o item é armazenado e espera que um operador local 50 recupere o item da prateleira 12 e o coloque na cesta 44. Referindo-se, agora, às Figuras 9 e 10, para cada interação de retirada entre o robô 18 e o operador local 50, o robô 18 pode ser configurado para identificar o operador local 50 e acompanhar o desempenho de retirada associado à interação de retirada.
[056] Em particular, após o robô 18 ser estacionado na localização posta correta próxima do fiducial 30, o robô 18 pode interrogar um relógio de banco de dados de um banco de dados em comunicação com o robô 18 para determinar o tempo no qual o robô 18 estacionado no posto próximo do marcador fiducial 30 (etapa 601 do método 600 da Figura 10). O robô pode, então, criar um registro no banco de dados do tempo de chegada ao posto (etapa 603). Em algumas modalidades, em vez de interrogar o relógio de banco de dados, o robô 18 pode fazer um temporizador de banco de dados comece a marcar o tempo. De todo modo, a meta é determinar quanto tempo o robô 18 é mantido esperando.
[057] Em algumas modalidades, o banco de dados em comunicação com o robô 18 pode ser um banco de dados independente remoto. Em algumas modalidades, o banco de dados pode ser incorporado em uma memória do WMS 15 ou o servidor de pedidos 14. Em algumas modalidades, o banco de dados pode ser incorporado no computador do tipo tablet 48. Em tais modalidades, um processador de computador do tipo tablet 52 pode, então, interrogar um relógio de computador do tipo tablet 54 para determinar o tempo em que o robô 18 estacionado no posto próximo do marcador fiducial 30 (etapa 601 do método 600 da Figura 10). O processador de computador do tipo tablet 52 pode, então, criar um registro 56 em uma memória de computador do tipo tablet 58 do tempo de chegada no posto (etapa 603). Em algumas modalidades, em vez de interrogar um relógio de computador do tipo tablet 54, o processador de computador do tipo tablet 52 pode, então, fazer com que um temporizador de computador do tipo tablet 60 comece a marcar o tempo.
[058] De modo geral, após o robô 18 ser estacionado no posto, o operador local 50 verá o robô 18 e caminhará em direção ao mesmo. Em seguida, o operador local 50 inspeciona o computador do tipo tablet 48 para determinar qual item devem ser recuperados, recuperar o item da prateleira 12 e colocá-lo no robô 18, por exemplo, na cesta 44. Em algumas modalidades, após a conclusão da tarefa de retirada, após o item ser colocado no robô 18, o robô 18 pode reinterrogar o relógio de banco de dados ou parar o temporizador de banco de dados para determinar um tempo de permanência gasto no posto.
[059] Em algumas modalidades, o robô 18 pode incluir um sensor de proximidade 62. Em algumas modalidades, o sensor de proximidade 62 pode ser configurado para detectar qualquer operador local 50 que se aproxima do robô 18. Conforme mostrado adicionalmente na Figura 3, após a entrada do operador local 50 em uma zona de proximidade 66 quem torno do robô 18, o sensor de proximidade 62 pode detectar uma etiqueta 64 portada ou usada pelo operador local 50 (etapa 605). Tais etiquetas 64 podem incluir etiquetas de RFID ativas ou passivas, dispositivos Bluetooth, dispositivos de comunicações à curta distância (NFC); celulares, telefones inteligentes e quaisquer outros dispositivos.
[060] Referindo-se, novamente, às Figuras 9 e 10, visto que o operador local 50 que porta a etiqueta 64, o sensor de proximidade 62, então, comunica as informações em relação à etiqueta 64 ao banco de dados (etapa 607). Em seguida, o banco de dados atualiza o registro para documentar as informações de identificação associadas à etiqueta 64. Caso desejado, o robô também pode registrar um tempo no qual o operador local 50 entrou na zona (etapa 609).
[061] O operador local 50, então, inspeciona o computador do tipo tablet 48 para aprender qual item ou itens devem ser retirados. Alternativamente, o robô 18 (por exemplo, por meio do computador do tipo tablet 48) pode transmitir informações em relação a um item a ser retirado a um dispositivo manual usado pelo operador local 50. Em seguida, o operador local 50 recupera o item ou itens da prateleira 12 e coloca o item ou itens na cesta 44, nesse momento, o robô 18 indica conclusão da tarefa e ou reinterroga o relógio de banco de dados ou para o temporizador de banco de dados para determinar o tempo de permanência do robô 18 nesse posto. Em seguida, o operador local 50 sai da zona 66.
[062] Em algumas modalidades, a localização posta do robô 18 pode ser posicionada de modo que o operador local 50 não tenha de sair da zona 66 para recuperar o item. Com essa finalidade, e de modo mais geral, o tamanho da zona 66 pode variar dependendo da aplicação particular. Por exemplo, em algumas modalidades, a zona 66 pode ter aproximadamente um a dois metros de diâmetro centralizado na localização do robô
18.
[063] Caso desejado, o sensor de proximidade 62 pode detectar o afastamento do operador local 50 (e, caso aplicável, a etiqueta anexa 64) da zona 66 (etapa 611) e atualizar o registro 56 para refletor o tempo de afastamento (etapa 613). Após o operador local 50 sair da zona 66, o robô 18, em seguida, se move para o próximo destino (etapa 615), que pode ser outra prateleira 12 ou uma estação de empacotamento para fechar o pedido.
[064] Em outras modalidades, mostradas na Figura 11, o operador local 50 não precisa portar uma etiqueta de identificação 64 para que o robô 48 detecte o operador local 50 dentro da zona 66. Em vez disso, o computador do tipo tablet 48 é acoplado a um sistema de identificação integrado 86. Por exemplo, conforme mostrado na Figura 11, o sistema de identificação integrado 86 inclui um sistema de identificação 88 configurado para receber informações de identificação de um dispositivo de reconhecimento de usuário 90 e configurado adicionalmente para consultar um banco de dados de identificação 92 para identificar o operador local 50. Por exemplo, em algumas modalidades, o dispositivo de reconhecimento de usuário 90 pode incluir um ou mais dentre um dispositivo de imageamento (por exemplo, que tem um sensor de imagem, tal como um dispositivo de carga acoplada (CCD) ou um sensor de CMOS), uma câmera, uma câmera de vídeo, um sensor de áudio, um dispositivo de varredura de retina, um dispositivo de varredura de impressão digital, um dispositivo de varredura infravermelho, um dispositivo de varredura de código de barras ou combinações dos mesmos. Em algumas modalidades, o banco de dados de identificação 92 pode incluir um banco de dados de reconhecimento facial, um banco de dados retiniano, um banco de dados de padrão de voz, um banco de dados de impressão digital, um banco de dados de código de barras ou combinações dos mesmos.
[065] Independentemente da metodologia de identificação do operador local, o robô 18 pode associar a retirada, e quaisquer dados de desempenho do operador local associados, a um ID de operador local e/ou contra de operador local correspondentes. Os dados coletados pelo computador do tipo tablet 48 podem ser, então, transmitidos ao sistema de gerenciamento em armazém 15 e/ou ao servidor de pedidos 14 ou em tempo real, à medida que são adquiridos, ou periodicamente para associação a dados de desempenho de operador local armazenados em associação ao ID/conta do operador local. Os dados então coletados fornecem uma base para acompanhar, incentivar e, potencialmente, recompensar o desempenho do operador local 50 assim como quaisquer outros operadores locais que interagiram com o robô 18.
[066] Além de avaliar o desempenho, os dados coletados pelo computador do tipo tablet 48, em particular, dados de identificação de operador local, podem ser usados pelo sistema de gerenciamento em armazém 15 para fins de segurança, caso seja um operador local autorizado, o operador local 50 está autorizado a operar em uma região particular do armazém ou para um operador local particular. Ademais, os dados de identificação podem ser usados para definir preferência para o operador local 50, tais como idioma usado pelo computador do tipo tablet 48.
[067] Com ampla base em sistema, os dados correspondentes a uma pluralidade de interações entre uma pluralidade de robôs 18 e uma pluralidade de operadores locais 50 (por exemplo, como em um armazém que tem uma frota de robôs 18 que interagem, cada um, uma pluralidade de operadores locais retiradores de armazém 50 em várias localizações dentro do armazém). Desse modo, por exemplo, todos os outros robôs 18, conforme retratado na Figura 1, também coletam dados de operadores 50 com os quais interagem e transmitem os dados para o servidor de gerenciamento 84. Desse modo, esses dados estão disponíveis para gerenciar para impedir que um operador local 50 não supervisionado tenha um desempenho insuficiente ou, em contrapartida, para fornecer uma base para recompensar um operador local 50 para que tenha um bom desempenho.
[068] Os dados coletados pelo robô 18 e transmitidos ao sistema de gerenciamento em armazém 15 indicam a atividade do operador local incluem informações em relação a um ou mais dentre o seguinte: a quantidade de tempo para um operador para entrar na zona 66 após o robô 18 chegar no posto, a quantidade de tempo que o operador 50 leva para sair da zona 66 após o operador entrar na zona, e a quantidade de tempo que o operador 50 leva para realizar uma função definida, tal como retirar um item da prateleira 12 e colocar no robô 18 ou retirar um item do robô 18 e colocá-lo na prateleira 12.
[069] Com o uso de tais dados, o sistema de gerenciamento em armazém 15 pode ser configurado para acompanhar a eficiência local do operador com base, pelo menos em parte, nas informações coletadas que indicam a atividade local do operador. O servidor de gerenciamento 15 pode ser configurado para manter a estatística do armazém com base, pelo menos em parte, nessas informações. A eficiência do operador e outras estatísticas coletadas/computadas podem ser usadas como um incentivo para aumentar o desempenho do operador ou, de outras maneiras, pelo gerenciamento. Por exemplo, visto que um posto particular está associado a um tempo anormalmente longo para que os operadores realizem uma função de retirada, a um tempo anormalmente longo entre a entrada e a saída de operador da zona 66 ou a um tempo anormalmente longo no posto e entrada do operador da zona 66, o servidor de gerenciamento 15 e/ou servidor de pedidos 14 podem atualizar a localização posta para aprimorar a proximidade às localizações correspondentes de prateleira e/ou aprimorar a visibilidade do robô.
GAMIFICAÇÃO DE ROBÔ
[070] Conforme explicado acima, devido à natureza repetitiva e de alto ritmo da retirada de armazém, operadores humanos, tais como o operador local 50, podem estar suscetíveis a aborrecimento, desengajamento moral, fadiga e erro induzido por pressa, desse modo, impactando negativamente a eficiência e saída geral do armazém. A fim de reduzir e impedir tais sintomas, em algumas modalidades, a gamificação dos robôs 18 pode ser implantada para envolver os operadores
50 cognitivamente, recompensar os operadores 50 por aquisições e fornecer competição entre os operadores 50. Em particular, a gamificação serve para aprimorar a consciência do desempenho operador em tempo real, a fim de encorajar os usuários de modo a terem um desempenho de alto nível e fornecer potencial para incentivos.
[071] Conforme mostrado na Figura 12, a gamificação, em algumas modalidades, pode ser apresentada ao operador 50 pelo menos parcialmente por meio de uma tela 700 do computador do tipo tablet 48. Em particular, conforme mostrado, por exemplo, na Figura 12, a tela 700 pode incluir um ou mais indicadores de desempenho atual do funcionário correspondente ao operador 50. Tais indicadores de desempenho podem incluir, por exemplo, prêmios 701, um medido de desempenho 703, um gráfico de classificação (corrida de cavalo) 705, uma porção de iluminação codificada com cores 707 ou combinações dos mesmos. Ficará mais evidente que os elementos de exibição 700 mostrado na Figura 12 servem a título de ilustração apenas e que dados de texto adicional, dados numéricos, gráficos alternativos ou outros objetos relacionados à gamificação podem ser fornecidos ao operador em algumas modalidades. Por exemplo, o operador 50, em algumas modalidades, pode consultar uma ou mais dentre uma taxa de retirada mais alta de todos os tempos (unidade por hora) alcançada por qualquer operador na instalação, uma taxa de retirada mais alta de todos os tempos alcançada pelo operador 50, uma taxa de retirada mais alta alcançada por qualquer operador 50 na instalação por um dia, uma semana, um mês, um trimestre, um ano ou qualquer outra janela de tempo, uma taxa de retirada mais alta alcançada pelo operador por um dia, uma semana, um mês um trimestre, um ano ou qualquer outra janela de tempo, um número mais de unidades retiradas por qualquer operador na instalação em uma hora, um dia, uma semana, um mês um trimestre, um ano ou qualquer outra janela de tempo, um número mais alto de unidades retiradas pelo operador 50 em uma hora, um dia, uma semana, um mês um trimestre, um ano ou qualquer outra janela de tempo, taxa de retirada média do operador 50, número de unidades retiradas pelo operador 50 de todos os tempos, taxa média de retirada de todos operadores, total de unidades retiradas na instalação por todos os operadores, seja de todos os tempos ou em um dia, uma semana, um mês um trimestre, um ano ou qualquer outra janela de tempo, taxa de retirada agregada média na instalação de todos os operadores, seja de todos os tempos ou em um dia, uma semana, um mês um trimestre, um ano ou qualquer outra janela de tempo ou quaisquer outros dados de desempenho adequados. Embora muitos dos dados de desempenho dados descritos acima seja medido com relação ao termo geral “unidades” retiradas, ficará evidente, tendo em vista a presente revelação, que o termo “unidades”, conforme usado no presente documento, salvo quando indicado de outro modo, pode se referir a unidades de produto retiradas individuais reais, a um número de linha de pedido retiradas, a um número total de pedidos retirados ou a qualquer outro quantificador adequado para avaliar o volume de retirada.
[072] O operador 50 pode ser recompensado com os prêmios 701, em algumas modalidades, mediante o alcance de uma ou mais conquistas. As conquistas podem incluir, por exemplo, um número de unidades retiradas (por exemplo, 1000, 10000, 100000, 1000000 ou qualquer outro número de unidades) pelo operador 50 ou a instalação como um todo, um dentre o operador
50 ou a instalação como um todo que mantém uma taxa de retirada predefinida durante um ou mais períodos de tempo predefinido, alcance de uma melhor taxa de retirada pessoal pelo operador 50 ou pela instalação com um todo, assiduidade perfeita pelo operador 50, condução sem erros da (por exemplo, não retirar um item errado) por um dentre o operador 50 ou a instalação como um durante um período predeterminado de tempo ou quaisquer outras conquistas ou alcances adequados.
[073] O medidor de desempenho 703, em algumas modalidades, pode indicar o desempenho do operador 50 em relação a uma ou mais dentre as metas específicas do operador ou padrões, metas ou padrões da instalação, desempenho em par ou combinações dos mesmos. por exemplo, um usuário pode ter uma taxa-alvo de retirada de 80 u/h (unidades por hora), que pode ser associada a uma indicação de desempenho médio ou intermediário (por exemplo, “MÉDIO” no medidor de desempenho 703 mostrado na Figura 12). O medidor de desempenho 703 pode, então, se basear na real taxa de retirada do operador 50, indicar se o desempenho é “RUIM”, “INSUFICIENTE”, “MÉDIO”, “BOM” ou “EXCELENTE”. Por exemplo, em algumas modalidades, RUIM pode ser qualquer taxa de retirada inferior a 65 u/h, INSUFICIENTE pode ser qualquer taxa de retirada entre 65 a 75 u/h, MÉDIO pode ser qualquer taxa de retirada entre 75 a 85 u/h, BOM pode ser qualquer taxa de retirada entre 85 a 95 u/h e EXCELENTE pode ser qualquer taxa de retirada maior que 95 u/h. No entanto, ficará evidente, tendo em vista a presente revelação, que o medidor de desempenho 703 pode ser qualquer gráfico adequado (por exemplo, um medidor de mostrador conforme mostrado, uma barra segmentada, uma barra sólida ou qualquer outro gráfico adequado) e pode incluir cor, escala de cinzas,
texto, imagens ou qualquer número e combinação dos mesmos para transportar uma situação de desempenho do operador 50. Ficará mais evidente, tendo em vista a presente revelação, que, embora mostrado como incluindo cinco categorias de desempenho, identificadas como “RUIM”, “INSUFICIENTE”, “MÉDIO”, “BOM” e “EXCELENTE”, o medidor de desempenho 703 pode ter qualquer número de segmentos, categorias, outros indicadores de desempenho ou combinações dos mesmos e que esses segmentos categorias, outros indicadores de desempenho ou combinações dos mesmos podem ser não rotulados ou rotulados com qualquer rótulo desejado.
[074] Semelhante ao medidor de desempenho 703, a porção de iluminação codificada com cor 707 também pode ser usada para indicar o desempenho de um operador 50 e/ou a instalação como um todo (ou um subconjunto dos mesmos). Em particular, em vez de um gráfico de medidor de mostrador, conforme mostrado, com relação ao medidor de desempenho 703, a porção de iluminação codificada com cor 707 pode mudar a cor em relação ao desempenho que é medido. Por exemplo, para indicar desempenho “RUIM”, a porção de iluminação pode ficar vermelha, para indicar desempenho “INSUFICIENTE”, a porção de iluminação pode ficar laranja, para indicar desempenho “MÉDIO”, a porção de iluminação pode ficar amarela, para indicar “BOM” desempenho, a porção de iluminação pode ficar amarelo-verde, ou para indicar “EXCELENTE” desempenho, a porção de iluminação pode ficar verde. No entanto, ficará evidente, tendo em vista a presente revelação, que qualquer número de categorias e/ou cores podem ser usados em conformidade com várias modalidades.
[075] O gráfico de classificação ou “corrida de cavalo” 705 pode ser configurado para indicar, em tempo real, uma classificação de um número predeterminado de operadores com relação a uma métrica competitiva particular. Por exemplo, conforme mostrado na Figura 12, o gráfico de classificação 705 é exibido como uma tabela que indica, para os primeiros 10 operadores e o operador atual 50, o nome do operador, cada desempenho do operador com relação à métrica competitiva (por exemplo, taxa de retirada conforme mostrado) e, opcionalmente, um prêmio ou mensagem associados a cada classificação de operador. Conforme mostrado na Figura 12, o operador 50 é classificado fora dos 10 primeiros devido ao fato de que a taxa de retirada do operador 50 é inferior à dos Funcionários A-J.
[076] Embora retratado como uma tabela, ficará evidente, tendo em vista a presente revelação, que o gráfico de classificação ou “corrida de cavalo” 705 pode ser configurado em qualquer gráfico adequado, tal como, por exemplo, um gráfico de barras horizontais, um gráfico de corrida de cavalo virtual, um gráfico de corrida de atletismo, um gráfico de corrida de automóveis, uma lista, qualquer outro gráfico adequado ou combinações dos mesmos. Ficará evidente, tendo em vista a presente revelação, que, embora mostrado como correlacionado à taxa de retirada na Figura 12, a métrica competitiva pode ser associada a quaisquer resultados de dados de desempenho, tais como, por exemplo, tempo médio mais rápido entre tarefas de retirada (isto é, tempo entre a conclusão de uma tarefa de retirada em um primeiro robô e o começo de outra tarefa de retirada em outro robô ou no mesmo robô), tempo médio mais rápido para concluir uma tarefa de retirada (isto é, tempo entre o começo e conclusão de uma tarefa de retirada em um robô), taxa de retirada, assiduidade em dias consecutivos, unidades consecutivas retiradas sem realizar varredura de um item errado, a maior parte de robôs com os quais houve interação em um dia ou qualquer outra métrica adequada.
[077] A gamificação de robô pode fornecer adicionalmente um mecanismo de recompensa/recompensa para reconhecer os alcances do operador. Conforme mostrado na Figura 12, aos Funcionários A-J classificados no topo 10 no gráfico de classificação 705 (na corrida de cavalo) pode ser fornecida uma recompensa, bonificação ou mensagem de incentivo (aconselhamento) de acordo com as classificações respectivas. Alternativamente, ser classificado por uma hora, turno, dia, semana, mês, trimestre ou ano particular pode fornecer ao operador 50 um número alocado de pontos de recompensa, que podem ser redimidos posteriormente, por exemplo, repouso remunerado, cartões-presente, produtos, bônus de compensação, contribuições 401k ou HSA etc. A nível de instalação ou nível de empresa, a competição pode ocorrer entre múltiplas unidades empresariais, instalações de armazém ou regiões geográficas. Em tais modalidades, as bonificações podem incluir, por exemplo, eventos de reconhecimento patrocinados pela empresa, festas ou excursões fora da empresa. De modo mais geral, pontos, recompensas, bonificações e aconselhamento podem ser fornecidos em resposta a qualquer resultado relacionado à gamificação, tais como, por exemplo, alcançar conquistas, receber prêmios, ser classificado ou qualquer outro resultado relacionado à gamificação.
[078] Embora descrito no presente documento como sendo exibido em um computador do tipo tablet 48 do robô 18,
será evidente, tendo em vista a presente revelação, que os dados e resultados de gamificação podem ser exibidos em qualquer dispositivo adequado incluindo uma tela. Por exemplo, a corrida de cavalo gráfico de classificação 705, em algumas modalidades, pode ser apresentada em uma ou mais telas grandes localizadas no armazém, e ao redor do mesmo, de modo que os operadores e funcionários possam acompanhar as atualizações em tempo real para as classificações sem precisa consultar um robô 18. Adicionalmente, em algumas modalidades, o robô 18 e/ou o computador do tipo tablet 48 podem estar em comunicação com um dispositivo utilizável junto ao corpo ou manual (por exemplo, um telefone móvel, um relógio inteligente, óculos de realidade aumentada, dispositivo de varredura manual, outros dispositivos adequados ou combinações dos mesmos), que podem ser usados para exibir ou, de outro modo, comunicar (por exemplo, por meio de mensagens de áudio) dados e resultados de gamificação ao operador 50.
DISPOSITIVOS DE COMPUTAÇÃO EXEMPLIFICATIVOS NÃO LIMITATIVOS
[079] A Figura 13 é um diagrama de blocos de um dispositivo de computação exemplificativo 810 que pode ser usado, ou porções do mesmo, em conformidade com várias modalidades, conforme descrito acima com referência às Figuras 1-12. O dispositivo de computação 810 inclui uma ou mais níveis legíveis por computador não transitórias para armazenar uma ou mais instruções executáveis por computador ou software para implantar modalidades exemplificativas. As mídias legíveis por computador não transitórias podem incluir, porém sem limitação, um ou mais tipos de memória de hardware, mídia tangível não transitória (por exemplo, um ou mais discos de armazenamento magnéticos, um ou mais discos ópticos, uma ou mais unidades flash) e semelhantes. Por exemplo, a memória 816 incluída no dispositivo de computação 810 pode armazenar instruções legíveis por computador e executáveis por computador ou software para realizar as operações reveladas no presente documento. Por exemplo, a memória pode armazenar aplicação de software 840 que é programada para realizar várias operações reveladas, conforme discutidos com relação às Figuras 1-12. O dispositivo de computação 810 também pode incluir processador configurável e/ou programável 812 e núcleo associado 814 e opcionalmente, um ou mais dispositivos de processamento configuráveis adicionais e/ou programáveis, por exemplo, processador (ou processadores) 812' e núcleo associado (ou núcleos associados) 814' (por exemplo, no caso de dispositivos computacionais que têm múltiplos processadores/núcleos), para executar instruções legíveis por computador executáveis e legíveis por computador ou software armazenado na memória 816 e outros programas para controlar hardware de sistema. O processador 812 e processador (ou processadores) 812' pode ser, cada um, processador de núcleo único ou processador de múltiplos núcleos (814 e 814').
[080] A virtualização pode ser empregue no dispositivo de computação 810 de modo que a infraestrutura e recursos no dispositivo de computação possam ser compartilhados dinamicamente. Uma máquina virtual 824 pode ser fornecida para lidar com um processo que é executado nos múltiplos processados de modo que o processo pareça estar usando apenas um recurso de computação em vezes de múltiplos recursos de computação. Múltiplas máquinas também podem ser usadas com um processador.
[081] A memória 816 também pode incluir uma memória de dispositivo computacional ou memória de acesso aleatório, tais como, porém sem limitação, DRAM, SRAM, EDO RAM e semelhantes. A memória 816 também pode incluir outros tipos de memória ou combinações das mesmas.
[082] Um usuário pode interagir com o dispositivo de computação 810 através de um dispositivo de exibição visual 801, tais como o monitor de computador, que pode exibir uma ou mais interfaces de usuário 802 que podem ser fornecidos em conformidade com modalidades exemplificativas. O dispositivo de computação 810 pode incluir outros dispositivos de I/O para receber entrada de um usuário, por exemplo, um teclado ou qualquer interface sensível ao toque de múltiplos pontos 818 adequada, um dispositivo apontador 820 (por exemplo, um mouse). O teclado 818 e o dispositivo apontador 820 pode ser acoplado ao dispositivo de exibição visual 801. O dispositivo de computação 810 pode incluir outros periféricos de I/O convencionais adequados.
[083] O dispositivo de computação 810 também pode incluir um ou mais dispositivos de armazenamento 834, tais como, porém sem limitação, um disco rígido, CD-ROM ou outras mídias legíveis por computador, para armazenar dados e instruções legíveis por computador e/ou software que realizam operações reveladas no presente documento. O dispositivo de armazenamento 834 exemplificativo também pode armazenar um ou mais bancos de dados para armazenar quaisquer informações adequadas necessárias para implantar modalidades exemplificativas. Os bancos de dados podem ser atualizados manual ou automaticamente em qualquer momento adequado para adicionar, apagar e/ou atualizar um ou mais itens nos bancos de dados.
[084] O dispositivo de computação 810 pode incluir uma interface de rede 822 configurada para fazer interface por meio de um ou mais dispositivos de redde 832 com uma ou mais redes, por exemplo, Rede Local (LAN), Rede de Longa Distância (WAN) ou a Internet através de uma variedade de conexões, porém sem limitação, linhas de telefone independentes, enlaces LAN ou WAN (por exemplo, 802.11, T1, T3, 56 kb, X.25), conexões de banda larga (por exemplo, ISDN, Retransmissão de Quadro, ATM), conexões sem fio, rede de área de controlador (CAN) ou alguma combinação de qualquer um ou todos dentre o supracitado. A interface de rede 822 pode incluir um adaptador de rede embutido, cartão de interface de rede, cartão de rede de PCMCIA, adaptador de rede de barramento de cartão, adaptado de rede sem fio, adaptador de rede USB, modem ou qualquer outro dispositivo adequado para fazer interface com o dispositivo de computação 810 a qualquer tipo de rede com capacidade de comunicação e realização das operações descritas no presente documento. Ademais, o dispositivo de computação 810 pode ser qualquer dispositivo computacional, tal como uma estação de trabalho, computador desktop, servidor, computador do tipo laptop, computador manual, computador do tipo tablet ou outra forma de dispositivo de computação ou telecomunicações que tem capacidade para com- municação e que tem energia de processador suficiente e capacidade de memória para realizar as operações descritas no presente documento.
[085] O dispositivo de computação 810 pode executar qualquer sistema operacional 826, tal como, por exemplo, qualquer versão do sistema operacional Microsoft® Windows® (Microsoft, Redmond, Wash.), as diferentes versões do sistemas operacionais Unix e Linux, qualquer versão do sistema operacional MAC OS® (Apple, Inc., Cupertino, Califórnia), qualquer versão do sistema operacional iOS® (Apple, Inc., Cupertino, Califórnia), qualquer versão do sistema operacional Android® (Google, Inc., Mountain View, Califórnia), qualquer sistema operacional integrado, qualquer sistema operacional em tempo real, qualquer sistema operacional de código aberto, qualquer sistema operacional proprietário ou qualquer outro sistema operacional que possa ser executado no dispositivo de computação e realizar as operações descritas no presente documento. Em modalidades exemplificativas, o sistema operacional 826 pode ser executado em modo nativo ou modo emulado. Em uma modalidade exemplificativa, o sistema operacional 826 pode ser executado em uma ou mais ocorrências de máquina com nuvem.
[086] A Figura 14 é um diagrama de blocos de dispositivo computacional exemplificativo de determinadas modalidades distribuídas. Embora as Figuras 1-12, e porções da discussão exemplificativa acima, façam referência a um sistema de gerenciamento em armazém 15 e a um servidor de pedidos 14 que operam, cada um, em um dispositivo de computação individual ou compartilhado, será reconhecido que qualquer um dentre o sistema de gerenciamento em armazém 15, o servidor de pedidos 14 e/ou o servidor de zona pode ser, de preferência, distribuídos ao longo de uma rede 905 nos sistemas de servidor separado 901a-d e possivelmente em sistemas usuário, tais como quiosque, dispositivo computador do tipo desktop 902 ou dispositivo computador móvel 903. Por exemplo, o servidor de pedidos 14 e/ou o servidor de zona podem ser distribuídos entre os computadores do tipo tablet 48 dos robôs 18. Em alguns sistemas distribuídos, os módulos de qualquer um dentre o software de sistema de gerenciamento em armazém, o servidor de pedidos software e o mecanismo de zona podem estar localizados separadamente em sistemas de servidores 901a-d e podem estar um em comunicação com o outro por toda a rede 905.
[087] Embora a descrição supracitada da invenção possibilite que uma pessoa versada na técnica produza e usa o que é considerado no presente documento como o melhor modo da mesma, as pessoas de habilidade comum entenderão e observarão a existência de variações, combinações e equivalentes das modalidades específicas e exemplos no presente documento. As modalidades descritas acima da presente invenção estão destinadas a serem exemplos apenas. Alterações, modificações e variações podem ser efetuadas às modalidades particulares pelas pessoas versadas na técnica sem que haja afastamento do escopo da invenção, que é definido apenas pelas reivindicações anexas ao presente documento. Portanto, a invenção não se limita às modalidades e aos exemplos descritos acima.

Claims (19)

REIVINDICAÇÕES
1. MÉTODO PARA APRIMORAR DESEMPENHO DE OPERADOR POR GAMIFICAÇÃO DE ROBÔ, caracterizado por compreender: estacionar um robô em uma localização posta dentro de um espaço de navegação; identificar, por um sensor em comunicação eletrônica com um dispositivo de exibição interativa, um operador localizado dentro de uma zona próxima do robô para adquirir um item a ser buscado; receber, no dispositivo de exibição interativa, os dados de desempenho de operador associados à aquisição do item; e gerar, no dispositivo de exibição interativa em resposta aos dados de desempenho de operador recebidos, ao menos uma representação gráfica da aquisição do operador dentro de um ambiente de acompanhamento de desempenho gamificado.
2. MÉTODO, de acordo com a reivindicação 1, caracterizado pela etapa de identificação compreender adicionalmente: ler, pelo sensor, uma etiqueta de ID do operador.
3. MÉTODO, de acordo com a reivindicação 2, caracterizado pela etiqueta de ID ser ao menos uma dentre uma etiqueta de RFID passiva, uma etiqueta de RFID ativa, um transceptor Bluetooth ou um aviso de comunicação a curta distância (NFC).
4. MÉTODO, de acordo com a reivindicação 2, caracterizado pelo sensor ser ao menos um dentre um leitor de RFID, um transceptor Bluetooth ou um transceptor de NFC.
5. MÉTODO, de acordo com a reivindicação 1, caracterizado pela etapa de identificação compreender adicionalmente: capturar, pelo sensor, uma imagem facial do operador; e comparar a imagem facial capturada a um banco de dados de reconhecimento de imagem.
6. MÉTODO, de acordo com a reivindicação 5, caracterizado pelo sensor ser ao menos um dentre uma câmera digital, uma câmera de vídeo digital, um sensor de imagem, um dispositivo de carga acoplada (CCD) ou um sensor de CMOS.
7. MÉTODO, de acordo com a reivindicação 1, caracterizado pela etapa de identificação compreender adicionalmente: capturar, pelo sensor, ao menos uma dentre impressão de voz do operador, um padrão retiniano do operador ou um padrão de impressão digital do operador; e comparar o parâmetro capturado dentre ao menos uma dentre uma impressão de voz do operador, um padrão retiniano do operador ou um padrão de impressão digital do operador a um banco de dados de identificação de usuário correspondente.
8. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo sensor ser ao menos um dentre um dispositivo de imageamento, uma câmera, uma câmera de vídeo, um sensor de áudio, um dispositivo de varredura de retina, um dispositivo de varredura de impressão digital, um dispositivo de varredura infravermelha, um dispositivo de varredura de código de barras ou um leitor de RFID.
9. MÉTODO, de acordo com a reivindicação 1, caracterizado pela etapa de geração compreender adicionalmente: exibir ao menos um prêmio no dispositivo de exibição interativa.
10. MÉTODO, de acordo com a reivindicação 9, caracterizado pelo ao menos um prêmio ser gerado em resposta a uma conquista alcançada pelo operador.
11. MÉTODO, de acordo com a reivindicação 10, caracterizado pela conquista incluir ao menos um dentre um número predefinido de unidades retiradas pelo operador, uma taxa de retirada do operador predefinida, um número predefinido de unidades retiradas dentro do espaço de navegação, uma taxa de retirada agregada predefinida dentro do espaço de navegação ou um número predefinido de unidades retiradas sem realizar varredura em uma unidade errônea.
12. MÉTODO, de acordo com a reivindicação 1, caracterizado pela etapa de geração compreender adicionalmente: exibir ao menos um medidor de desempenho no dispositivo de exibição interativa.
13. MÉTODO, de acordo com a reivindicação 12, caracterizado pelo medidor de desempenho ser configurado para indicar desempenho de operador em relação a uma meta ou padrão de desempenho.
14. MÉTODO, de acordo com a reivindicação 13, caracterizado pela meta ou padrão de desempenho incluir ao menos um dentre um número predefinido de unidades retiradas pelo operador, uma taxa de retirada predefinida do operador, um número predefinido de unidades retiradas dentro do espaço de navegação, uma taxa de retirada agregada predefinida dentro do espaço de navegação ou um número predefinido de unidades retiradas sem realizar varredura em uma unidade errônea.
15. MÉTODO, de acordo com a reivindicação 12,
caracterizado pelo medidor de desempenho ser ao menos um dentre um medidor de mostrador virtual, uma área de iluminação codificada por cores, um medidor de barra segmentada ou um medidor de barra sólida.
16. MÉTODO, de acordo com a reivindicação 1, caracterizado pela etapa de geração compreender adicionalmente: exibir ao menos um gráfico de classificação no dispositivo de exibição interativa.
17. MÉTODO, de acordo com a reivindicação 16, caracterizado pelo gráfico de classificação ser configurado para indicar o desempenho de operador em relação a um ou mais outros operadores com relação a uma métrica competitiva.
18. MÉTODO, de acordo com a reivindicação 17, caracterizado pela meta ou padrão de desempenho incluir ao menos um dentre tempo médio mais rápido entre tarefas de retirada, tempo médio mais rápido para concluir uma tarefa de retirada, taxa de retirada, dias consecutivos de comparecimento do operador, unidades consecutivas retiradas sem realizar varredura em um item errôneo ou a maioria dos robôs com os quais houve interação em um dia.
19. SISTEMA PARA APRIMORAR DESEMPENHO DE OPERADOR POR GAMIFICAÇÃO DE ROBÔ, caracterizado por compreender: um robô estacionado em uma localização posta dentro de um espaço de navegação; um dispositivo de exibição interativa em comunicação eletrônica com o robô; e um sensor em comunicação eletrônica com o dispositivo de exibição interativa, em que o dispositivo de exibição interativa inclui:
um processador; e uma memória que armazena instruções que, quando executadas pelo processador, fazem com que o dispositivo de exibição interativa: identifique um operador localizado dentro de uma zona próxima do robô para adquirir um item a ser retirado; receber dados de desempenho de operador associados à aquisição do item; e gerar, no dispositivo de exibição interativa em resposta aos dados de desempenho de operador recebidos, ao menos uma representação gráfica da aquisição de operador dentro de um ambiente de acompanhamento de desempenho gamificado.
BR112021014213-4A 2019-01-21 2020-01-20 Método e sistema para aprimorar desempenho de operador por gamificação de robô BR112021014213A2 (pt)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/252,856 US11000953B2 (en) 2016-08-17 2019-01-21 Robot gamification for improvement of operator performance
US16/252,856 2019-01-21
PCT/US2020/014243 WO2020154212A1 (en) 2019-01-21 2020-01-20 Robot gamification for improvement of operator performance

Publications (1)

Publication Number Publication Date
BR112021014213A2 true BR112021014213A2 (pt) 2021-09-21

Family

ID=67213559

Family Applications (1)

Application Number Title Priority Date Filing Date
BR112021014213-4A BR112021014213A2 (pt) 2019-01-21 2020-01-20 Método e sistema para aprimorar desempenho de operador por gamificação de robô

Country Status (9)

Country Link
US (1) US11000953B2 (pt)
EP (1) EP3899827A1 (pt)
JP (1) JP2022523017A (pt)
CN (1) CN113632118A (pt)
AU (2) AU2020210796A1 (pt)
BR (1) BR112021014213A2 (pt)
CA (1) CA3127331A1 (pt)
MX (1) MX2021008745A (pt)
WO (1) WO2020154212A1 (pt)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6848934B2 (ja) * 2018-06-19 2021-03-24 株式会社ダイフク 物品搬送車
JP6844588B2 (ja) * 2018-06-26 2021-03-17 株式会社ダイフク 物品搬送車
EP3914984A4 (en) * 2019-01-23 2022-08-10 Lingdong Technology (Beijing) Co. Ltd AUTONOMOUS RADIO SYSTEM FOR A SELF-DRIVEN VEHICLE
CN112520299A (zh) * 2020-11-23 2021-03-19 山东建筑大学 钢管仓库出入库管理引导系统及地面轨道式的巡查机器人
US11681983B2 (en) * 2021-07-23 2023-06-20 6 River Systems, Llc Systems and methods for prioritizing pick jobs while optimizing efficiency
EP4125015A1 (en) * 2021-07-28 2023-02-01 Dataconsult Spolka Akcyjna Management system for goods picking and packing
US11774977B1 (en) 2022-04-04 2023-10-03 6 River Systems, Llc Systems, apparatus, and methods for optimization of autonomous vehicle workloads
DE102022206056A1 (de) * 2022-06-15 2023-12-21 BSH Hausgeräte GmbH Organisationssystem für einen Haushalt

Family Cites Families (102)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4722053A (en) * 1982-12-29 1988-01-26 Michael Dubno Food service ordering terminal with video game capability
US5875108A (en) * 1991-12-23 1999-02-23 Hoffberg; Steven M. Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
JPH07254024A (ja) 1994-03-15 1995-10-03 Hitachi Ltd 作業効率診断方法およびシステム
US5956465A (en) * 1996-04-04 1999-09-21 Nissan Motor Co., Ltd. Production facility with automatic movable body for man-machine cooperation
US6281489B1 (en) * 1997-05-02 2001-08-28 Baker Hughes Incorporated Monitoring of downhole parameters and tools utilizing fiber optics
JPH11295104A (ja) * 1998-04-14 1999-10-29 Osaka Prefecture Shakai Taiiku Kenkyusho 歩数データ管理システム、およびその出力媒体、記憶媒体
US8600551B2 (en) * 1998-11-20 2013-12-03 Intuitive Surgical Operations, Inc. Medical robotic system with operatively couplable simulator unit for surgeon training
US7966078B2 (en) * 1999-02-01 2011-06-21 Steven Hoffberg Network media appliance system and method
US20020059075A1 (en) * 2000-05-01 2002-05-16 Schick Louis A. Method and system for managing a land-based vehicle
JP2002092340A (ja) * 2000-09-19 2002-03-29 Cmd Kk 投資体験研修方法及びそのシステム
US7098793B2 (en) * 2000-10-11 2006-08-29 Avante International Technology, Inc. Tracking system and method employing plural smart tags
JP2002200359A (ja) * 2000-12-27 2002-07-16 Pioneer Electronic Corp ネットワークゲームシステム及びネットワークゲームの提供方法
US7203703B2 (en) * 2001-01-29 2007-04-10 General Motors Corporation Methods and apparatus for providing on-the-job performance support
JP2005500912A (ja) * 2001-02-27 2005-01-13 アンソロトロニックス インコーポレイテッド ロボット装置および無線通信システム
EP1262844A1 (en) * 2001-06-01 2002-12-04 Sony International (Europe) GmbH Method for controlling a man-machine-interface unit
US7607440B2 (en) * 2001-06-07 2009-10-27 Intuitive Surgical, Inc. Methods and apparatus for surgical planning
US7768549B2 (en) * 2001-06-08 2010-08-03 Honeywell International Inc. Machine safety system with mutual exclusion zone
DE10152543A1 (de) * 2001-10-24 2003-05-08 Sick Ag Verfahren und Vorrichtung zum Steuern einer sicherheitsrelevanten Funktion einer Maschine
JP2003321106A (ja) 2002-04-30 2003-11-11 Ishida Co Ltd 商品仕分けシステム、仕分け作業管理方法および仕分け作業管理プログラム
WO2004010365A2 (en) * 2002-07-19 2004-01-29 Dicut Inc. Face recognition system and method therefor
US7729511B2 (en) * 2002-09-24 2010-06-01 Pilz Gmbh & Co. Kg Method and device for safeguarding a hazardous area
US20140254896A1 (en) 2011-07-18 2014-09-11 Tiger T G Zhou Unmanned drone, robot system for delivering mail, goods, humanoid security, crisis negotiation, mobile payments, smart humanoid mailbox and wearable personal exoskeleton heavy load flying machine
US7272456B2 (en) * 2003-01-24 2007-09-18 Rockwell Automation Technologies, Inc. Position based machine control in an industrial automation environment
KR20050009912A (ko) * 2003-07-18 2005-01-26 삼성전자주식회사 성능측정 시스템
US7031802B2 (en) 2003-08-13 2006-04-18 Hewlett-Packard Development Company, L.P. Semi-autonomous operation of a robotic device
US7031801B1 (en) 2003-09-19 2006-04-18 Amazon.Com, Inc. Continuous item picking in a distribution center using coordinated item picking periods
US7364159B2 (en) * 2003-11-08 2008-04-29 King Show Games, Inc. System and method for presenting payouts in gaming systems
US20050154594A1 (en) * 2004-01-09 2005-07-14 Beck Stephen C. Method and apparatus of simulating and stimulating human speech and teaching humans how to talk
JP5137166B2 (ja) * 2004-01-19 2013-02-06 アリックス株式会社 人材・実践戦力化開発方法
US7243001B2 (en) 2004-06-15 2007-07-10 Amazon Technologies, Inc. Time-based warehouse movement maps
DE102004041821A1 (de) * 2004-08-27 2006-03-16 Abb Research Ltd. Vorrichtung und Verfahren zur Sicherung eines maschinell gesteuerten Handhabungsgerätes
DE102004043515A1 (de) * 2004-09-08 2006-03-09 Sick Ag Verfahren und Vorrichtung zum Erfassen eines Objekts
DE102004043514A1 (de) * 2004-09-08 2006-03-09 Sick Ag Verfahren und Vorrichtung zum Steuern einer sicherheitsrelevanten Funktion einer Maschine
WO2006032303A1 (en) 2004-09-22 2006-03-30 Sap Aktiengesellschaft Online controlled picking in a warehouse
WO2006043396A1 (ja) * 2004-10-19 2006-04-27 Matsushita Electric Industrial Co., Ltd. ロボット装置
US20060163350A1 (en) 2005-01-11 2006-07-27 Melton Michael N Managing RFID tags using an RFID-enabled cart
US8297977B2 (en) * 2005-07-12 2012-10-30 Eastern Virginia Medical School System and method for automatic driver evaluation
CA2615659A1 (en) * 2005-07-22 2007-05-10 Yogesh Chunilal Rathod Universal knowledge management and desktop search system
US8583282B2 (en) * 2005-09-30 2013-11-12 Irobot Corporation Companion robot for personal interaction
DE102005063217C5 (de) * 2005-12-22 2022-08-18 Pilz Gmbh & Co. Kg Verfahren zum Konfigurieren einer Überwachungseinrichtung zum Überwachen eines Raumbereichsund entsprechende Überwachungseinrichtung
US20130164715A1 (en) * 2011-12-24 2013-06-27 Zonar Systems, Inc. Using social networking to improve driver performance based on industry sharing of driver performance data
DE102006048163B4 (de) * 2006-07-31 2013-06-06 Pilz Gmbh & Co. Kg Kamerabasierte Überwachung bewegter Maschinen und/oder beweglicher Maschinenelemente zur Kollisionsverhinderung
DE102006048166A1 (de) * 2006-08-02 2008-02-07 Daimler Ag Verfahren zur Beobachtung einer Person in einem industriellen Umfeld
DE102006046759B4 (de) * 2006-09-29 2018-05-17 Abb Ag Verfahren zur Erhöhung der Sicherheit beim Betrieb eines Roboters
US20080085499A1 (en) * 2006-10-05 2008-04-10 Christopher Horvath Surgical console operable to simulate surgical procedures
EP2963596A1 (en) 2006-12-13 2016-01-06 Crown Equipment Corporation Fleet management system
US9937577B2 (en) * 2006-12-20 2018-04-10 Lincoln Global, Inc. System for a welding sequencer
US20090132088A1 (en) * 2007-04-24 2009-05-21 Tairob Ltd. Transfer of knowledge from a human skilled worker to an expert machine - the learning process
DE102007028390A1 (de) * 2007-06-15 2008-12-18 Abb Research Ltd. Prozesssteuerung, System und Verfahren zur automatisierten Anpassung von Prozessparametern wenigstens einer Handhabungsvorrichtung
TWI344439B (en) 2008-01-29 2011-07-01 Univ Da Yeh Automatic load system and operation method of the same
US8419661B2 (en) * 2008-11-14 2013-04-16 University Of Southern California Upper limb measurement and rehabilitation method and system
WO2010063319A1 (en) * 2008-12-03 2010-06-10 Abb Research Ltd. A robot safety system and a method
JP4648486B2 (ja) * 2009-01-26 2011-03-09 ファナック株式会社 人間とロボットとの協調動作領域を有する生産システム
US8415609B2 (en) * 2009-01-31 2013-04-09 Keyence Corporation Safety photoelectric switch
SG176662A1 (en) * 2009-06-02 2012-01-30 Agency Science Tech & Res A system and method for motor learning
US20110200420A1 (en) 2010-02-17 2011-08-18 Velociti Alliance North America, Inc. Warehouse dynamic picking slots
US8571915B1 (en) 2010-03-16 2013-10-29 Amazon Technologies, Inc. System and method for selectively advancing items in a picking schedule
US9143843B2 (en) * 2010-12-09 2015-09-22 Sealed Air Corporation Automated monitoring and control of safety in a production area
JP5572018B2 (ja) * 2010-07-08 2014-08-13 株式会社日立製作所 自律移動装置同乗エレベータシステム
US8855812B2 (en) * 2010-07-23 2014-10-07 Chetan Kapoor System and method for robot safety and collision avoidance
US9940682B2 (en) * 2010-08-11 2018-04-10 Nike, Inc. Athletic activity user experience and environment
US8839132B2 (en) 2010-12-02 2014-09-16 Tecsys, Inc. Method and system for providing visual instructions to warehouse operators
DE102010063214A1 (de) * 2010-12-16 2012-06-21 Robert Bosch Gmbh Sicherungseinrichtung für eine Handhabungsvorrichtung, insbesondere einen Industrieroboter, sowie Verfahren zum Betreiben der Sicherungseinrichtung
US9990856B2 (en) * 2011-02-08 2018-06-05 The Trustees Of The University Of Pennsylvania Systems and methods for providing vibration feedback in robotic systems
US9760685B2 (en) * 2011-05-16 2017-09-12 Trimble Inc. Telematic microfluidic analysis using handheld device
CN103596858A (zh) 2011-05-27 2014-02-19 村田机械株式会社 拣选以及分拣系统
EP3246775B1 (en) 2011-06-24 2018-12-26 Seegrid Corporation Automatic guided vehicle for order picking
US9020921B2 (en) * 2011-09-30 2015-04-28 Oracle International Corporation Storage tape analytics user interface providing library analysis and monitoring alerts
US8805573B2 (en) 2012-01-04 2014-08-12 Amazon Technologies, Inc. System and method for order fulfillment
DE102012102236A1 (de) * 2012-03-16 2013-09-19 Pilz Gmbh & Co. Kg Verfahren und Vorrichtung zum Absichern eines gefährlichen Arbeitsbereichs einer automatisiert arbeitenden Maschine
US20130317642A1 (en) 2012-05-28 2013-11-28 Well.Ca Inc. Order processing systems using picking robots
CN104870147B (zh) * 2012-08-31 2016-09-14 睿信科机器人有限公司 机器人安全工作的系统和方法
DE102012111342A1 (de) * 2012-11-23 2014-05-28 Pilz Gmbh & Co. Kg Schutztürüberwachungssystem
US20140178161A1 (en) * 2012-12-21 2014-06-26 Mossburger Logistics Network & Development KG Conveyor technology supported commissioning of articles
US20150338917A1 (en) * 2012-12-26 2015-11-26 Sia Technology Ltd. Device, system, and method of controlling electronic devices via thought
RU2643459C2 (ru) * 2013-01-03 2018-02-01 Краун Эквайпмент Корпорейшн Контроль качества работы оператора промышленного транспортного средства
US9393695B2 (en) * 2013-02-27 2016-07-19 Rockwell Automation Technologies, Inc. Recognition-based industrial automation control with person and object discrimination
US9498885B2 (en) * 2013-02-27 2016-11-22 Rockwell Automation Technologies, Inc. Recognition-based industrial automation control with confidence-based decision support
EP2972206B1 (en) * 2013-03-14 2024-02-21 Cytonome/ST, LLC Operatorless particle processing systems and methods
JP6396987B2 (ja) * 2013-03-15 2018-09-26 エスアールアイ インターナショナルSRI International 超精巧外科システム
US8965561B2 (en) 2013-03-15 2015-02-24 Cybernet Systems Corporation Automated warehousing using robotic forklifts
JP5846145B2 (ja) * 2013-03-18 2016-01-20 株式会社安川電機 ロボットシステム、及び、ロボットシステムの制御方法
US10380910B2 (en) * 2013-07-01 2019-08-13 Lumos Labs, Inc. Physically intuitive response inhibition task for enhancing cognition
DE102013012839B4 (de) * 2013-08-02 2019-05-09 Abb Schweiz Ag Robotersystem
US9463927B1 (en) 2013-09-23 2016-10-11 Vecna Technologies, Inc. Transporting and/or sorting items with mobile robot(s)
TWI547355B (zh) * 2013-11-11 2016-09-01 財團法人工業技術研究院 人機共生安全監控系統及其方法
CN106030683B (zh) * 2013-12-20 2020-10-30 直观外科手术操作公司 用于医疗程序培训的模拟器系统
US9452531B2 (en) * 2014-02-04 2016-09-27 Microsoft Technology Licensing, Llc Controlling a robot in the presence of a moving object
JP6593980B2 (ja) * 2014-07-31 2019-10-23 株式会社 ディー・エヌ・エー 情報管理サーバ、健康管理システム、および、参考情報提示方法
US10099382B2 (en) * 2015-04-27 2018-10-16 Microsoft Technology Licensing, Llc Mixed environment display of robotic actions
US10198706B2 (en) 2015-07-31 2019-02-05 Locus Robotics Corp. Operator identification and performance tracking
US10136949B2 (en) * 2015-08-17 2018-11-27 Ethicon Llc Gathering and analyzing data for robotic surgical systems
EP3387596A1 (en) * 2015-12-07 2018-10-17 6 River Systems, Inc. Warehouse automation systems and methods using a motor-driven cart
JP6481635B2 (ja) * 2016-02-15 2019-03-13 オムロン株式会社 接触判定装置、制御装置、接触判定システム、接触判定方法及び接触判定プログラム
US10186130B2 (en) * 2016-07-28 2019-01-22 The Boeing Company Using human motion sensors to detect movement when in the vicinity of hydraulic robots
US10001768B2 (en) 2016-09-01 2018-06-19 Locus Robotics Corp. Item storage array for mobile base in robot assisted order-fulfillment operations
US10196210B2 (en) * 2017-01-16 2019-02-05 Locus Robotics Corp. Display for improved efficiency in robot assisted order-fulfillment operations
EP4088890A1 (en) * 2017-02-07 2022-11-16 Veo Robotics, Inc. Workspace safety monitoring and equipment control
JP6866673B2 (ja) * 2017-02-15 2021-04-28 オムロン株式会社 監視システム、監視装置、および監視方法
JP6895304B2 (ja) * 2017-04-24 2021-06-30 株式会社 Mtg 運動器具制御装置および運動器具制御プログラム
US10325461B1 (en) * 2018-02-20 2019-06-18 SureView Systems, LLC Dynamic security patrol guidance system
US10946528B2 (en) * 2018-06-01 2021-03-16 Irepa International, LLC Autonomous companion mobile robot and system

Also Published As

Publication number Publication date
AU2023206158A1 (en) 2023-08-17
EP3899827A1 (en) 2021-10-27
NZ778286A (en) 2023-08-25
US20190217478A1 (en) 2019-07-18
CN113632118A (zh) 2021-11-09
JP2022523017A (ja) 2022-04-21
MX2021008745A (es) 2021-08-24
US11000953B2 (en) 2021-05-11
AU2020210796A1 (en) 2021-08-12
CA3127331A1 (en) 2020-07-30
WO2020154212A1 (en) 2020-07-30

Similar Documents

Publication Publication Date Title
BR112021014213A2 (pt) Método e sistema para aprimorar desempenho de operador por gamificação de robô
US11687865B2 (en) Detecting changes of items hanging on peg-hooks
JP6802274B2 (ja) 作業者識別及びパフォーマンス追跡
KR102575933B1 (ko) 고객 지원 로봇 피킹
US20210374662A1 (en) Method for tracking and maintaining promotional states of slots in inventory structures within a store
WO2021247420A2 (en) Systems and methods for retail environments
NZ778286B2 (en) Robot gamification for improvement of operator performance