„Rettet“ die wertvollen Sensordaten

Wenn Fahrerlose Transportfahrzeuge (FTF) durch Lager- oder Produktionshallen navigieren, werden sie zu wahren Datensammlern. Daten, die jedoch sofort wieder gelöscht werden. „Das ist eine riesige Verschwendung“, meint Bengt Abel, Projektleiter bei STILL. Das internationale Forschungsprojekt ARIBIC (Artificial Intelligence-Based Indoor Cartography) will deshalb Methoden aufzeigen, mit denen sich diese wertvollen Informationen gewinnbringend nutzen lassen.

Die über Sensoren und Kameras ermittelten Daten können in der ARIBIC-Cloud dazu verwendet werden, 3D-Karten von Lagerhäusern oder Produktionsanlagen zu erstellen, die jederzeit auf dem aktuellen Stand sind. „Über diese aktuellen Sensordaten erzeugen wir einen lebenden digitalen Zwilling der Umgebung und können damit relevante Informationen quasi in Echtzeit darstellen und teilen“, beschreibt Bengt Abel die Grundidee des Forschungsprojekts. Im Gegensatz zur heutigen Methode, bei der nach einer Momentaufnahme ein starres 3D-Abbild der Umgebung angefertigt wird, bleiben die von der ARIBIC-Plattform generierten Abbilder dynamisch und stets aktuell. „Wenn der Stapler oder das FTF durch die Umgebung fährt, erfasst deren Sensorik selbst kleinste Veränderungen und leitet diese an die ARIBIC-Plattform weiter. In der auf künstlicher Intelligenz basierenden Innenraumkartografie werden diese Änderungen, beispielsweise ein verschobenes Regal oder eine neu abgestellte Palette, sofort berücksichtigt und in das System zurückgespielt“, so der STILL Experte.

Enormer Nutzen für die Anwenderinnen und Anwender

Benötigt werden hochauflösende 3D-Karten mit semantischen Informationen zunächst einmal für die Lokalisierung und Navigation von Fahrerlosen Transportfahrzeugen in ihrer Arbeitsumgebung. Betreiberinnen und Betreiber von Lager- oder Produktionshallen wissen so jederzeit, wo sich ihre Fahrzeuge befinden. Mit dieser Information wiederum lässt sich die Warenhaus- oder Fabrikplanung optimieren. Beispielsweise ist eindeutig erkennbar, in welchen Bereichen des Lagers viel oder wenig gefahren wird oder welche Gänge häufiger zugestellt und damit blockiert sind. Mit diesen Ergebnissen lassen sich Regale (zunächst) virtuell verschieben oder Produktionsflächen neu anordnen. Bengt Abel: „Anwenderinnen und Anwender können mit der neuen Möglichkeit, die Arbeitsumgebung permanent aufzunehmen, ihre Lager und Produktionshallen künftig optimal planen und ausnutzen. Erstmals würden sie einen detaillierten Einblick erhalten, was überhaupt in ihren Warenhäusern passiert.“ Nach Aussage des STILL Experten sind noch unzählige weitere Anwendungsfelder denkbar, die auf den ARIBIC-Ergebnissen aufbauen: „Wir haben bereits heute großartige Ideen. Ich bin mir aber ganz sicher, dass in Zukunft noch sehr viele hinzukommen werden.“

Das ARIBIC-Projekt

Gestartet ist das ARIBIC-Projekt im März dieses Jahres. Der Abschluss ist für das vierte Quartal 2023 angedacht. An dem internationalen Forschungsvorhaben sind neben dem Konsortialführer STILL noch das Karlsruher Institut für Technologie (KIT), die Universität Toronto mit dem STARS-Labor und der kanadische Sensorhersteller LeddarTech beteiligt. Gefördert wird das Projekt durch das deutsche Bundesministerium für Wirtschaft und Energie (BMWi) und das Industrial Research Assistance Program des kanadischen National Research Council (NRC IRAP). Der Hamburger Intralogistikanbieter STILL wird dafür sein Erfolgsmodell OPX iGo neo ins Rennen schicken – einen mit Sensorik und Kameratechnik bereits bestens ausgestatteten autonomen Kommissionierer. „Jetzt zahlt sich unser frühzeitiges Engagement in den Bereichen Automatisierungstechnik, Robotik und Digitalisierung aus. Seit Jahren arbeiten wir bereits an einer Vielzahl von Sensorlösungen für unsere Flurförderzeuge, die jetzt nach und nach in die Serie einfließen. Eine wichtige Voraussetzung, um sich überhaupt an einem derartigen Projekt beteiligen zu können“, wie Bengt Abel betont.

Quelle: www.still.de

Foto “head”: Beim Forschungsprojekt ARIBIC werden die über Sensoren und Kameras ermittelten Daten dazu verwendet, 3D-Karten von Lagerhäusern oder Produktionsanlagen zu erstellen. Sie erzeugen einen lebenden digitalen Zwilling der Umgebung und können damit relevante Informationen quasi in Echtzeit darstellen und teilen