Perfect Pick

Die Anforderungen an Pick&Place-Systeme haben sich verändert: Immer kürzere Lieferzeiten und eine stetig wachsende Produktvielfalt erfordern schnellere Reaktionszeiten. Zerbrechliche Artikel müssen mit größter Sorgfalt behandelt werden und bei der Handhabung von Kleinteilen ist hohe Präzision erforderlich. Herkömmliche Lösungen sind für diese Art der Kommissionierung nicht ausgelegt. Sie automatisieren in der Regel standardisierte Prozesse mit immer gleichen Produkten und Bewegungsabläufen, sodass sich das meist dünn besetzte Personal auf andere Aufgaben konzentrieren kann. In einem komplexen Umfeld wird der Einsatz solcher Systeme jedoch zur Herausforderung.

Wo traditionelle Systeme ihr Limit erreichen

Viele Pick&Place-Lösungen sind auf bestimmte Produktgrößen und -formen abgestimmt. Bei Aufträgen mit einem breiteren Artikelspektrum stoßen sie häufig an ihre Grenzen. Gerade im E-Commerce, bei dem oftmals mehrere unterschiedliche Waren pro Auftrag kommissioniert werden, ist der Einsatz von traditionellen Systemen mit aufwändigen Umrüstungen oder Programmierungen verbunden. Auch bei der Beschaffenheit der Artikel können die Roboter grundsätzlich nicht einschätzen, wie diese zu handhaben sind, sondern müssen für jedes Produkt eingelernt werden. So unterscheidet das System z.B. nicht zwischen zerbrechlichen Glasartikeln und robusten Metallprodukten. Folglich wird eine Glühbirne mit der gleichen Kraft vom Greifarm aufgenommen wie ein schweres Werkzeug. Auch wenn es sich bei einem Auftrag um eine auf den Roboter abgestimmte Warengruppe handelt, kann es vorkommen, dass die Produkte unbeabsichtigt ineinander verhakt sind oder sich in einer ungünstigen Position im Behälter befinden. In solchen Situationen muss bei herkömmlichen Lösungen menschliches Fachpersonal eingreifen, um eine erfolgreiche Kommissionierung zu ermöglichen. Ein weiteres Manko ist die mangelnde Integration in bestehende, vernetzte Produktionsumgebungen. Dadurch ist die Kompatibilität mit anderen Maschinen und Systemen stark eingeschränkt, was zu Insellösungen führt. Gerade in hoch digitalisierten Lagern ist die Vernetzung verschiedener Software mit einer modernen Schnittstelleninfrastruktur Voraussetzung.

Moderne Probleme erfordern moderne Lösungen

Ob im E-Commerce, in der Automobilindustrie oder im Pharmasektor: Um auch in komplexeren Produktionsumgebungen autonom und ohne menschliches Eingreifen agieren zu können, müssen Pick&Place-Systeme modernisiert werden. Dazu gehört insbesondere, unterschiedliche Warengruppen zuverlässig zu kategorisieren und selbstständig geeignete Lösungsstrategien zu finden – auch für vorher unbekannte Objekte. Um das zu erreichen, muss der Roboter je nach zu handhabendem Produkt flexibel zwischen verschiedenen Greifsystemen wechseln können. Um die Belastung der Mitarbeiter so gering wie möglich zu halten, sollte die Lösung zudem in der Lage sein, beschädigte Artikel zu erkennen und diese automatisch auszusortieren. Für den Fall, dass dennoch ein Mitarbeiter für Anweisungen oder Rückmeldungen benötigt wird, sollte die Kommunikation zwischen Mensch und Maschine unkompliziert und in Echtzeit erfolgen können. Um all das in die Praxis umzusetzen, ist die Implementierung von KI erforderlich.

Wie Pick&Place-Roboter von KI profitieren

Durch die Kombination von KI und Kommissionierrobotik wird eine deutliche Effizienzsteigerung in der Auftragsabwicklung erreicht. Unternehmen im Bereich der Kommissionierrobotik konzentrieren sich dabei insbesondere auf den Einsatz von Vision Language Models (VLMs). VLMs sind eine Kombination aus KI-basierten visuellen und sprachlichen Modellen, die in der Lage sind, Bilder mit ihren zugehörigen Textbeschreibungen zu verknüpfen. Werden diese Modelle um Aktionsparameter erweitert, entsteht daraus ein Vision Language Action Model (VLAM). Ein Beispiel für ein VLAM aus der Robotik ist PickGPT des Softwareentwicklers Sereact. Das System ist darauf ausgelegt, natürliche Sprache zu verstehen und auf dieser Basis seine Umgebung genau zu analysieren und eigenständig zu agieren. Auch wenn das Modell autonom arbeitet, wird eine nahtlose Kommunikation mit menschlichen Mitarbeitern über Sprach- und Textbefehle jederzeit unterstützt. KI-basierte Pick&Place-Systeme arbeiten zudem auf Grundlage des Zero Shot Learning. Zero Shot Learning ist ein Konzept aus dem maschinellen Lernen, das es einem Modell ermöglicht, neue Klassifizierungen von Objekten zu erkennen, ohne diese während des Trainings gesehen zu haben. Dadurch kann das System in der Praxis auch selbstständig auf ihm unbekannte Kommissioniersituationen reagieren und agieren. Produkte werden in Echtzeit anhand ihres Aussehens identifiziert und interpretiert. Dabei berücksichtigt es deren spezifische Eigenschaften wie Form, Farbe, Gewicht oder Beschaffenheit und wählt eigenständig die passende Picking-Methode. So ist das System in der Lage, schwere von leichten Artikeln zu unterscheiden und sie entsprechend in den Zielbehälter zu legen. Fehlerhafte oder beschädigte Artikel werden automatisch erkannt und aussortiert. Darüber hinaus kann das System schwer greifbare Artikel durch gezielte Objektmanipulation verschieben und die Waren im Behälter neu anordnen und damit ohne menschliches Eingreifen problematische Situation lösen.

Seiten: 1 2