Wie lassen sich Roboterfahrzeuge (AGVs) effizient in ein Produktionsumfeld integrieren? - Teil 3
09. 05. 2024
In unserem ersten Beitrag zum Thema „wie lassen sich Roboterfahrzeuge effizient in ein Produktionsumfeld einführen?“ widmeten wir uns den fünf Bereichen, über die es vor der Einführung der AGVs nachzudenken gilt.
Das sind die Bereiche: 1. Wichtige Schlüsselbegriffe 2. Festlegung der wesentlichen Leistungsindikatoren (KPIs), die uns die Einführung der Logistikautomatisierung in Erwägung ziehen lassen. 3. Was ist der Gegenstand des logistischen Umladens? 4. Welches Umfeld der Logistikoperation liegt vor? 5. Bewertung der Prozessflexibilität.
Diesmal lernen wir die fünf wesentlichen Herausforderungen der Logistikautomatisierung kennen.
Fünf wesentliche Herausforderungen bei der Logistikautomatisierung
- Marktdynamik
Allgemein gesehen weist die Dynamik der Bedürfnisse in Produktionsprozessen einen steigenden Trend auf. Sie wird von schnell wechselnden Trends und einem kürzeren Lebenszyklus der Produkte, dem Online-Vertrieb und dem E-Commerce, einer hohen Individualisierungsrate der Produkte usw. geprägt. Folglich wird die Produktion vor zahlreiche neue Herausforderungen gestellt.
- Informatisierung des Produktionsumfeldes
Soll die Logistikautomatisierung wirklich genutzt werden, ist durch geeignete Informationsunterstützung zu gewährleisten, dass alle Systemgrenzen entsprechend abgedeckt sind.
Daher bedarf es einer automatischen Transportauftragsoptimierung- und Zuweisung von oben, im operativen Bereich der Zusammenarbeit zwischen Menschen und Maschinen für die Interaktionen des Materials (On-Demand-Aufträge mit KANBAN, Just-in-Time-Lieferung, sichere Übergabe) und in Bezug auf das Umfeld der Erkennung der Bereiche, die ein Sicherheitsrisiko darstellen sowie der Warnung bei Anwesenheit von unvorhersehbaren Hindernissen und der Gewährleistung von deren dynamischem Ausweichen.
- Zusammenarbeit mit Menschen, Planung und Erkennung der Umgebung in Echtzeit
Die automatische Erkennung der aktuellen Lage ist in einem dynamischen und gemischten Umfeld mit Menschen von wesentlicher Bedeutung. Erstens, weil es schwer ist, alles korrekt zu erfassen. Zweitens, weil sich alles ändert und Regeln schnell veraltet sein können. Drittens, weil ein Teil der Dynamik durch Ad-Hoc-Interaktionen und Entscheidungen verursacht wird.
Damit das System erfolgreich funktionieren kann, ist zu gewährleisten, dass kein Schritt im System unkontrolliert erfolgt, denn dies kann zu Sicherheitsrisiken für das System, schlimmstenfalls für Menschen führen.
Beispiele: Ist der Weg unter dem Fahrzeug frei? Das wird meist auf Knöchelhöhe geprüft, doch was ist mit Teilen, die aus den Regalen hervorragen? Wie ist es mit der Erkennung von kleineren, scharfen Teilen? Oder mit der Erkennung von schnellen Gegenständen auf dem Weg?
Können anstelle des ausschließlichen Einsatzes der häufig zu Blockaden führenden 1/0-Haltebefehle Vorhersagen für das Verhalten in naher Zukunft anhand einer Risikoeinschätzung auf Grundlage der vergangenen Dynamik gemacht werden?
Ist bekannt, was mit dem Gegenstand der Umladung passiert? Können wir auf das gemeldete Gewicht und die vorgesehene Lastverteilung vertrauen? Was passiert, wenn es zu einer Überlastung kommt oder diese als Folge der Fahrzeugdynamik auftritt?
Die Erkennung des Umfelds ist stets mit einer Ungewissheit des Messprozesses verbunden, dieser lässt sich jedoch mit parallelen Messungen derselben Objekte mit anderen Methoden und/oder Sensorgeräten ausbessern.
Beispiel: Im Unterschied zur Lasererkennung reagiert die 2D-Bildgebung mit Kameras sehr empfindlich auf die Lichtbedingungen. Somit lässt sich mit der Lasererkennung die Vertrauensstufe dynamisch prüfen und die Geschwindigkeit bzw. Art der Interaktion entsprechend anpassen. Das Vertrauen in die Exaktheit der Messungen lässt sich zudem mit der Korrelation der geplanten Simulationsansagen bzw. der Berücksichtigung der physischen Natur der Relationen zwischen Objekten (wo sich bestimmte Gegenstände befinden müssten) verbessern.
- Implementierung
Im Bereich der anspruchsvollen Anwendungen wie Roboterfahrzeuge, bei denen es zur Interaktion zwischen Mensch und Materialien kommt, lässt sich schließen, dass es keine schlechten Lösungen gibt.
Der wesentliche Unterschied liegt darin, vorausgesetzt, die meisten Risiken wurden bereits im Vornhinein erkannt und behoben, ob für die Implementierung der AGVs in ein bestimmtes Produktionsumfeld ein ausreichend großes und kompetentes Team für die fristgemäße Umsetzung eines derartigen Prozesses in der vorgeschriebenen Qualität verfügbar ist.
- Prozesskontrolle- und Optimierung
Das System hat nicht nur alle funktionellen Anforderungen an das automatisierte logistische Umladen zu erfüllen, sondern zudem alle notwendigen Wartungs- und Optimierungsunterprozesse aufzuweisen. Diese umfassen analytische Tools für die vielfältigen Komponenten und deren Interaktion, die Kontrolle über den Zustand der Komponenten (Identifizierung, Wartung, Registrierung) sowie die Möglichkeit des Einflusses darauf (Ein-/Ausschalten, zweckgebundene Selbstprüfung), manuelle Eingriffe in den Optimierungsprozess mit der Möglichkeit einer manuellen Befehlseingabe, der Verfolgung des Benutzers und der Erfassung der Ereignisse für Analysezwecke sowie die Ursachensuche bei Fehlbetrieb und Unfällen.
