Autonome Transportsysteme und smarte Robotik

Unternehmen müssen sich in Zeiten fortschreitender Digitalisierung und ständig neuer Marktanforderungen einiges einfallen lassen, um Abläufe zu verschlanken und Mitarbeiter zu unterstützen. Transportsysteme, die automatisiert durch Produktion und Lager steuern, können als flexible Alternative zu starrer Fördertechnik den Warenfluss deutlich verbessern. Sie lassen sich zudem durch Aufbauten - etwa MRK-Roboter - an spezielle Aufgabenstellungen anpassen.

Bild: Trapo AG

Wie lässt sich das Zusammenspiel von Mensch und Maschine in Produktion und Lager bestmöglich orchestrieren? Wie lassen sich fahrerlose Transportsysteme ergänzen, die Kollaboration von Robotern und Mitarbeitern unterstützen? Idealerweise werden Transport- und Warehouse-Systeme mit MRK gekoppelt. Passende Roboter gestatten es, Aufgaben so aufzuteilen, dass monotone und fehleranfällige sowie schwere Arbeitsschritte übernommen werden können. Der mobile Transportshuttle plus MRK-Roboter steuert unterschiedliche Stationen und Arbeitsplätze an, was Mitarbeiter entlastet und zugleich Abläufe in Lager und Logistik optimiert.

Transportsystem und MRK im Doppelpack

Autonome Transportsysteme leisten in Kombination mit Robotiksystemen wertvolle Hilfe. Statt Mitarbeiter zu ersetzen, unterstützen und entlasten sie sie insbesondere bei monotonen oder gefährlichen Aufgaben. Hände und Greifer können bei der Bearbeitung von Werkstücken gefahrlos neben- und miteinander agieren. Ein weiterer Vorteil kombinierter Systeme aus Shuttle und MRK-Roboter sind große Flexibilität und Sicherheit. Stellen autonome Transportshuttle in der Logistik bereits eine hohe Arbeitsunterstützung dar, bietet die Kombination aus Cobot mit eigens entwickelten Greiferwechselsystemen oder individuellem Greifer einen zusätzlichen Mehrwert. Branchenübergreifend entlastet das mobile Duo aus Transportshuttle und MRK-Roboter beim Fördern, Palettieren und Depalettieren, der genauen Lagenbildung oder der präzisen Verpackung. Die MRK-Lösung erledigt automatisierte Arbeitsschritte und kann auf unterschiedliche Aufgabenstellungen programmiert werden.

Produktionssicherheit und Datenüberblick

Robotikgestützte Transportsysteme können zudem die Effizienz in der Fertigung erhöhen. So lassen sich starre Strecken innerhalb der Produktion oder des Wareneingangs verkürzen oder vermeiden, wodurch mehr nutzbarer Raum zur Verfügung steht. Zudem werden reproduzierbare Prozesse durch MRK-Roboter dauerhaft in gleichbleibender Qualität ausgeführt. Last but not least sorgt die Kopplung von Transportsystem und Cobot für hohe Produktionssicherheit. Mobile MRK-Roboter orientieren sich über die Scanner des Fahrerlosen Transportsystems, um zur Zielposition zu gelangen. Mithilfe der Bildverarbeitungsfunktionen am jeweiligen Arbeitsplatz kann bereits vor Ausführung der eigentlichen Aufgabe die richtige Position eingegeben werden. Die Firma Trapo hat aus der Praxis des Maschinenbaus heraus das webbasierte Business-Intelligence-Portal TIM als Kontrollelement für Monitoring, Steuern und Bedienen entwickelt. Es stellt in Echtzeit managementrelevante Produktionskennzahlen bereit und trägt so zur Anlagenoptimierung und Ergebnissteigerung bei. Außerdem analysiert TIM die Produktionszahlen, gibt Empfehlungen zu Wartungsintervallen, übernimmt die Fehleranalyse und schlägt bei drohendem Stillstand das betroffene Ersatzteil vor. Für Anwender ist es zudem hilfreich, wenn sie durch die Protokollierung von Parameteränderungen und einen Leistungsvergleich auf Basis der Änderungen eine Reduzierung des Energiebedarfs, eine höhere Auslastung und verbesserte Prozesseffizienz für ihre Anlagen erzielen können.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige