Bereits 2019 soll ein Prototyp eines intelligenten Roboters fertiggestellt sein und zeigen, wie eine verlässliche Zusammenarbeit von Mensch und Maschine in der Entladung von Seecontainer aussehen kann.

Bereits 2019 soll ein Prototyp eines intelligenten Roboters fertiggestellt sein und zeigen, wie eine verlässliche Zusammenarbeit von Mensch und Maschine in der Entladung von Seecontainer aussehen kann. Framos / seventyfour Fotolia

Zukünftig sollen intelligente Roboter diese schwere und bisher vorwiegend manuelle Aufgabe automatisiert erledigen. Das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) fördert das auf drei Jahre angelegte Projekt mit 2,2 Millionen Euro, der TÜV Rheinland ist als Projektträger an Bord. Ziel ist die Entlastung der Hafenarbeiter, eine Verringerung der Entladezeiten d.h. die Maximierung der Umschlagkapazität.

Ein Großteil aller weltweit verschifften Seecontainer wird direkt im Hafen beladen und entleert. Mit einem Volumen von 65 m3 und einer Nutzlast von 26 t fassen sie bis zu 1800 Pakete mit bis zu 35 kg Einzelgewicht. In den hochtechnisierten Logistikketten ist das Entleeren dieser Standard-Container einer der letzten nicht automatisierten Prozesse. Wegen der hohen Komplexität sowie anspruchsvollen Pack- und Entladeszenarien ist eine vollautomatisierte Entladung bislang unmöglich. Ziel des IRiS-Projektes ist die Verbesserung der Arbeitsbedingungen sowie die Erhöhung der Effizienz von Umschlagprozessen an Seehäfen. Ein mobiler Roboter soll innerhalb kürzester Zeit und ohne Änderungen der vorhandenen Infrastruktur die Seecontainer selbstständig entladen können.

Künstliche Intelligenz und modernste Bildverarbeitung

Dazu soll sich der Roboter selbstfahrend zwischen den Toren bewegen, in den Container hineinfahren sowie über ein innovatives Greifsystem verfügen. Mithilfe von Machine Learning-Methoden wird er verschiedene Packszenarien eigenständig klassifizieren und die Container entladen können. Basierend auf künstlicher Intelligenz entwickelt Framos innerhalb des IRiS-Projektes die Methodik für eine zuverlässige Klassifizierung der Packszenarien und Analyse des Containerinhaltes.

Die Objekterkennung wird auf 2D-/3D-Bilddaten basieren, meldet Framos aus Taufkirchen, sowie auf modernster Bildverarbeitungstechnik. Diese soll mit maschinellem Lernen wie zum Beispiel Deep Learning kombiniert werden, sagte Dr. Simon Che‘Rose, Entwicklungsleiter bei Framos. „So kann das System erkennen, ob ein Container vollautomatisch entladen werden kann oder ob in besonderen Situationen eine manuelle Steuerung des Roboters erforderlich ist. Lage und Orientierung des Inhaltes werden dazu im Vorfeld komplett analysiert und ermöglichen eine optimale Planung des Entladevorganges.“

Mensch-Maschine-Schnittstellen ermöglichen die einfache und agile Interaktion zwischen Roboter und Mitarbeitern sowie die intuitive Kontrolle und Steuerung eines oder mehrerer Roboter. Die Mitarbeiter können die Roboter von einem Leitstand aus jederzeit überwachen und bei Störungen schnell und ohne Programmierkenntnisse eingreifen. Das Risiko kostenintensiver Systemstillstände wird damit minimiert.

Die Machine Learning-Technologie von Framos basiert auf selbstlernenden 3D-Algorithmen und innovativer Sensorik wie die neueste Intel RealSense-Technik. Die 3D-Kameras und Tiefenmodule sowie die von Framos entwickelten intelligenten Algorithmen lassen sich auf vielfältige Szenarien in allen Industriebereichen übertragen.