Skip to main content
blog | Wie Kollmorgen Datenanalysen für Fahrerlose Transportsysteme nutzt? |
|
2 Minuten Lesezeit

How Does Kollmorgen Utilize Data Analytics for AGVs?

Ein Fahrerloses Transportsystem (FTS) ermöglicht den effizienten Transport von Waren in einer bestimmten Umgebung. Da der Erwerb eines FTS zuweilen mit großen Investitionen verbunden ist, ist ein guter ROI wichtig. Daher sollte darauf geachtet werden, das System effizient zu nutzen und eine hohe Zahl an Fahrten pro Stunde zu ermöglichen.

Mehr Effizienz

durch Datenanalyse Kollmorgen misst die Leistung und beobachtet das "Verhalten" Fahrerloser Transportsysteme sowohl auf Systemebene als auch die Bewegungen einzelner Fahrzeuge. Hierbei erfassen wir die Informationen des Motorendcoders sowie Daten von Laserscannern, den aufkommenden Verkehr und Behinderungen durch Hindernisse.

Durch die Zusammenführung dieser Daten macht Kollmorgen Muster ausfindig, die zur Verbesserung der Produkte sowie zur Entwicklung der bestmöglichen Konfiguration jedes einzelnen Fahrerlosen Transportfarzeugs, kurz FTF, herangezogen werden können. Hochs und Tiefs in der Produktivität, tägliche Auslastungstrends sowie weitere Daten werden erfasst, gemessen und ausgewertet sowie anschließend für die Optimierung von Strecken, die Steigerung der Durchsatzraten und die Berechnung intelligenterer Ressourcennutzung genutzt. Für Endnutzer bedeutet dies niedrigere Kosten und höhere Erträge.

Die erfassten Daten können auch wichtige Hinweise auf externe Prozesse geben, die sich möglicherweise negativ auf die FTF-Leistung auswirken. Zum Beispiel Fußgänger, die den Fahrerlosen Transportfahrzeugen in die Quere kommen, oder manuelle Gabelstapler in Bereichen, die ursprünglich für die FTFs geplant wurden.

Effektiver Einsatz von Daten

Eine Analyse der erfassten Daten hilft bei der Aufdeckung von Ineffizienzen im FTS-Streckennetz eines bestimmten Standortes. Durch die Zusammenführung von Daten mehrerer Standorte können die Nutzer des Kollmorgen-Systems Personen, Modelle oder Komponenten in ihrer FTS-Flotte identifizieren, bei denen Abweichungen festgestellt wurden. Die erfassten Daten werden in einer SQL-Datenbank gespeichert und sind in NDC8 zugänglich. Dort werden sie in einem Dashboard mit Visualisierungen wichtiger Kennzahlen (KPI) auf Systemebene dargestellt, um neue Erkenntnisse zu bieten. Die Datenbank ist auch Anwendern zugänglich, damit sie eigene Datenanalysen ausführen können.

Für die Endkunden bieten Datenanalyse und maschinelles Lernen viele Vorteile. Erstens lässt sich der Ertrag durch eine Steigerung der Durchsatzes des FTFs erhöhen - beispielsweise indem Waren schneller transportiert werden. Zweitens lassen sich ungeplante und kostspielige Ausfallzeiten durch vorausschauende Wartung minimieren. Und schließlich verkürzt die fortschreitende Automatisierung der Systemkonfiguration die Installationszeit, Stichwort Hyper-Automatisierung.

Langjährige KI-Erfahrung

Kollmorgen ist bereits länger als viele andere Unternehmen im KI-Business tätig. Das Konzept der Fahrerlosen Transportsysteme bestand schon immer darin, Robotern beizubringen, komplexe Aufgaben ohne menschliche Aufsicht zu lösen. Dies ist KI im klassischen Sinn. Beispielsweise basiert die Streckenoptimierung zur Koordination der Fahrerlosen Transportfahrzeuge auf dem Algorithmus A*, der seit Jahrzehnten ein Fundament der Künstlichen Intelligenz ist.

Die Programmierer von Kollmorgen entwickeln und implementieren den KI-Algorithmus und geben dem Computer explizite, schrittweise Anweisungen, wie er denken soll. Diese Art von KI steht hinter unserem Erfolg. Egal, ob es um die Flexibilität von Fahrerlosen Transportsystemen durch die bahnrechende Einführung der Lasernavigationstechnologie in den 1990er Jahren geht oder das sichere Management einer Flotte von über 100 Fahrzeugen an einem einzigen Standort in den 2000er Jahren - KI ist und bleibt das Rückgrat der von uns angebotenen Technologie.

Der zunehmende Hype um Künstliche Intelligenz in den letzten Jahren konzentrierte sich stark auf visuelle Wahrnehmung. Grund dafür ist nicht der Fortschritt in der Theorie der Künstlichen Intelligenz an sich, sondern eher die verbesserte Rechenleistung der Computer. Dies hat den Einsatz komplexer Modelle des maschinellen Lernens in realen Anwendungen, wie zum Beispiel der Objekterkennung, ermöglicht. Aus der Perspektive eines mobilen Roboters (hier das Fahrerlose Transportfahrzeug) ermöglichen zusätzliche Optionen der Wahrnehmung und des Verständnisses der Umgebung es, intelligentere Entscheidungen zu treffen. Kollmorgen nutzt zum Beispiel maschinelles Lernen in Form neuronaler Netze, um Menschen zu erkennen und ihre Pose abzuschätzen, so dass der Roboter autonom bestimmen kann, welchen Weg er fahren muss, um dem Menschen am besten auszuweichen.

Maschinelles Lernen ist auch ein wichtiger Teil der Datenanalyse - beispielsweise bei der Anfertigung statistischer Modelle, um zu verstehen, was bei den täglichen Abläufen in einem Werk normal ist und was nicht oder bei der Prognose der verbleibenden Lebensdauer eines FTS-Bauteils.

Schaffung eines positiven Kreislaufs

Maschinelles Lernen basiert im Wesentlichen auf zwei Säulen: Automatisierung und Daten. Da sich die beiden Faktoren gegenseitig verstärken, ist es eine Kombination, die sich gegenseitig bereichert. Eine höhere Automatisierung führt zu mehr Daten und mehr Daten ermöglichen kompetentere Modelle des maschinellen Lernens, was wiederum eine höhere Automatisierung unterstützt. Dies bietet eine intuitive Herangehensweise an künstliche Intelligenz, bei der man mit einem niedrigen Grad der Automatisierung beginnen und sich dabei auf einfache Probleme innerhalb klarer Grenzen konzentrieren kann. Gleichzeitig werden dadurch Daten erfasst und somit komplexere Anwendungen ermöglicht. Auf diese Weise erhält der Nutzer die Möglichkeit, der KI während des fortschreitenden Lernprozesses allmählich immer mehr Verantwortung zuzuweisen. Der zunehmende Grad der Automatisierung bedeutet, dass mehr und mehr Entscheidungen von den Maschinen getroffen werden, was Zeit und Ressourcen spart.

Kontaktieren Sie uns

Das Außergewöhnliche entwickeln

Wir bei Kollmorgen glauben an die Kraft von Antriebstechnik und Automatisierung bei der Erschaffung einer besseren Welt.

Erfahren Sie Mehr

Related Resources

Vertiefen Sie Ihre FTS-Kenntnisse mit dem umfassenden Schulungsangebot von Kollmorgen >

Da sich fahrerlose Transportsysteme (FTS) rasant weiterentwickeln, können sich Unternehmen durch kontinuierliche Weiterbildung und Kompetenzentwicklung einen entscheidenden Wettbewerbsvorteil verschaffen.
ChatGPT, Google Bard oder Microsoft Copilot und FTF: Vorteile nutzen, Nachteile vermeiden

ChatGPT, Google Bard oder Microsoft Copilot und FTF: Vorteile nutzen, Nachteile vermeiden >

Könnte Prompt-basierte KI wie ChatGPT, Google Bard oder Microsoft Copilot die FTF-Branche revolutionieren? Sebastian Witkarsson, Information Security Officer bei Kollmorgen, hat sich die Vor- und Nachteile dieser Technologie angesehen – und mahnt zur…
Kollmorgen Innovation Day, Verwirklichung von Ideen auf dem neusten Stand der Technik

Verwirklichung von Ideen auf dem neusten Stand der Technik >

Bei Kollmorgen dreht sich alles um Innovation. Wir investieren ständig in Kooperationen und Forschungsprojekte, um Wissen und Know-how mit Partnern und Universitäten in aller Welt auszutauschen. Erfahren Sie von einem Experten auf dem Gebiet mehr…
Kollmorgen Innovationstag

Gemeinsam für Innovation: Mehr Perspektiven für bessere Ideen und bessere Produkte >

Kollmorgen stellt Jahr für Jahr immer mehr weibliche Beschäftigte ein, was unsere gesamte Sichtweise deutlich erweitert. Alle sind sich einig, dass Diversität die Innovation fördert, und diese Werte gelten für unser Unternehmen auf sämtlichen Ebenen.

Interoperabilität: Was dahinter steckt und weshalb sie im Zeitalter der Automatisierung so wichtig ist >

Wir leben in einer digitalen Welt. Die Verbraucher im E-Commerce erwarten eine schnellere und flexiblere Lieferung als noch vor einigen Jahren. Deshalb müssen Unternehmen, Einzelhändler und ihre Lagerdienstleister neue Wege finden, um Waren schnell…
Automatisierung an einem einzigen Tag mit einer bahnbrechenden Do-it-yourself-Plattform

Automatisierung an einem einzigen Tag mit einer bahnbrechenden Do-it-yourself-Plattform >

Mit der Veröffentlichung einer Autonome mobile Roboter (AMR)-Plattform, die es den Nutzern ermöglicht, eine sofort einsatzbereite Automatisierungstechnologie in weniger als einem Tag zu installieren, hat die für alle zugängliche und erschwingliche…

Hauptthema: Gemeinsam Innovationen für eine nachhaltige Zukunft entwickeln >

Wir unterstützen keine nicht nachhaltigen Lösungen mehr. Wir sind uns mehr als je zuvor darüber bewusst, dass unsere Fähigkeit – oder Unfähigkeit –, in den nächsten Jahren zu handeln, sich direkt auf das Leben aller zukünftigen Generationen auswirken…
FTF-Performance: detaillierte Einblicke in neuronale Netze

FTF-Performance: detaillierte Einblicke in neuronale Netze >

Maschinelles Lernen und neuronale Netze sind wichtige Begriffe in der modernen Logistik − aber was genau bedeuten sie? Das lassen wir uns am besten von einem Experten erklären. Paul Hamblin, der Herausgeber des „Logistics Business Magazine“, hat sich…

Disruption der Automatisierung mit User Experience-Design >

Unternehmen, die den Verbrauchermarkt bedienen, haben schon lange den Wert von User Experience (UX) Design verstanden und entsprechende Investitionen getätigt. Eine gute User Experience ist ein wichtiges Unterscheidungsmerkmal im heutigen Markt und…