QBIIK

Cluster: Logistik, Robotik

Kurzsteckbrief
Im Projekt QBIIK werden die Vorteile der autonomen Technologien mit den Fähigkeiten des Menschen kombiniert. Ziel ist die Entwicklung eines lernfähigen autonomen Kommissionierungssystems. Dabei handelt es sich um ein dezentral gesteuertes Fahrzeug mit Greifroboter. Das Fahrzeug orientiert sich selbst im Raum, navigiert autonom zum Ziel und greift nach der benötigten Ware. Über eine Mensch-Maschine-Schnittstelle besteht die Möglichkeit, ferngesteuerte Unterstützung vom Menschen per Virtual-Reality-Benutzerschnittstelle anzufordern.

Projektergebnisse des Robotik-Clusters

Einwilligung zum Videodienst JW-Player

Das Ministerium präsentiert seine Arbeit auf dieser Webseite auch in Form von Videos. Diese werden vom deutschen Anbieter TV1 mit Hilfe des JW-Players mit Sitz in den USA ausgeliefert. Bitte willigen Sie in die Übertragung Ihrer IP-Adresse und anderer technischer Daten an den JW-Player ein, und erlauben Sie JW-Player, Cookies auf Ihrem Endgerät zu setzen, wenn Sie unser Video-Angebot nutzen wollen. Verantwortlich für diese Verarbeitung Ihrer Daten ist das Bundesministerium für Wirtschaft und Klimaschutz. Unsere Datenschutzbeauftragte erreichen Sie unter datenschutzbeauftragte@bmwk.bund.de. Als Rechtsgrundlage dient uns Ihre Einwilligung nach § 25 Abs. 1 TTDSG i. V. m. Artikel 6 Abs. 1 lit. a) DSGVO und § 3 Abs. 1 EGovG. Wir haben sichergestellt, dass Sie Ihre Einwilligung jederzeit für die Zukunft widerrufen können. Über die Einwilligungsverwaltung am Ende der Seite können Sie jederzeit steuern, ob Sie den Videodienst JW-Player zur Übertragung freigeben oder nicht.

Einwilligen

Ausgangslage
Sowohl im Lager als auch in der Produktion wird das Greifen und Ablegen von verschiedenen Objekten manuell durchgeführt. Das hat zunächst technische Ursachen: Die verschiedenen Objekte weisen eine Vielfalt von Größen oder Beschaffenheit auf, so müssen die technischen Systeme entweder aufwändig programmiert werden oder selbst komplexe ressourcenintensive Berechnungen vornehmen. Daher sind die motorischen Fähigkeiten der menschlichen Mitarbeiter nach wie vor gefragt, weil sie flexibler auf neue und noch unbekannte Arbeitsschritte reagieren können. Die Umstellung auf vollständig automatisierte Systeme ist sowohl mit hohen Investitionen als auch mit hohem organisatorischen Aufwand verbunden und bietet gerade für KMU keine rentable Lösung. In vielen Bereichen der Wirtschaft ist der Wandel in Richtung Automatisierung dennoch unaufhaltsam: Unternehmen müssen sich verändernden Bedingungen wie schwankender Nachfrage, Neuerungen in der Produktpalette oder kurzen Vertragslaufzeiten anpassen können. In diesen Bereichen gewährleistet wiederum nur die Automatisierung die notwendige Flexibilität. Doch je weiter die Automatisierung voranschreitet, desto schwerfälliger wird die Umstellung von bereits etablierten Arbeitsprozessen oder macht diese gar unmöglich.
Für zahlreiche Arbeitsprozesse in der Logistik wäre es daher von Vorteil, wenn Automatisierung nicht nach dem Alles-oder-nichts-Prinzip stattfinden müsste. Dazu müssten die vernetzten und automatisierten Anlagen über Schnittstellen für die (temporäre) Zusammenarbeit mit dem Menschen verfügen. So könnten kleine und mittelständische Unternehmen der Logistikbranche die Vorteile der Industrie 4.0 für sich nutzen, ohne die Flexibilität einzelner manuell ausgeführter Arbeitsprozesse aufgeben zu müssen. Im Projekt QBIIK wird daher eine Plattform entwickelt, die die Kooperation zwischen dem Menschen und autonomen Systemen im Bereich Logistik ermöglicht. Durch die Bereitstellung der entsprechenden Benutzerschnittstellen und Funktionen kann die sukzessive Automatisierung realisiert und nutzbringend eingesetzt werden.

Ziel
Ziel des Verbundvorhabens QBIIK ist die Entwicklung eines lernfähigen autonomen Kommissionierungssystems. Dabei handelt es sich um ein dezentral gesteuertes Fahrzeug mit Greifroboter. Das Fahrzeug orientiert sich selbst im Raum, navigiert autonom zum Ziel und greift nach der benötigten Ware. Während des Greifvorgangs wird die Autonomie des Roboters durch verschiedene Sensoren unterstützt: Mit Hilfe einer 3D-Kamera und taktiler Näherungssensoren, die dem menschlichen Tastsinn nachgebildet sind, erkundet der Greifer seine Umgebung. Im Normalfall gewährleisten die Sensoren das kollisionsfreie Greifen und Ablegen von Gegenständen.
Falls das System die Ware jedoch nicht erkennen oder
greifen kann, fordert es menschliche Unterstützung an.
Die Kommunikation und der Datenaustausch zwischen Mensch und Maschine erfolgt über eine zu entwickelnde Plattform. Der Mensch übernimmt mit Hilfe einer Virtual-Reality-Bedienoberfläche die Kontrolle über den Roboter und führt den Erkennungs- und Greifprozess durch. Auch hier helfen die Sensoren, wie etwa die 3D-Kamera, bei der Orientierung. Das Robotersystem lernt dabei die Bewegungsabläufe vom Menschen und kann denselben Arbeitsschritt dadurch zukünftig selbstständig durchführen. So kann die räumliche Distanz zwischen einem menschlichen Bediener und dem Fahrzeug, das sich zum Beispiel im Lager aufhält, überbrückt werden.

Praktische Anwendung
QBIIK wird in zwei Szenarien realitätsnah erprobt und
entwickelt. Im ersten Szenario wird die Versorgung eines Supermarktes durchgespielt. Dafür wird ein Anhänger an das Fahrzeug angedockt, der mit Warenkisten aus dem Lager bestückt ist. Das Fahrzeug fährt mit dem Anhänger autonom durch den Supermarkt und stellt alle Kisten in die entsprechenden Regale. Sollten Probleme auftreten, wird automatisch ein Benutzer für die Fernsteuerung kontaktiert. In diesem Szenario werden alle wichtigen Funktionen getestet: autonomes Fahren, autonomes Greifen, Fernsteuerung mit Hilfe von Virtual-Reality-Technologie und das daran gekoppelte Lernen. In einem zweiten Szenario wird die Komplexität der Artikel erhöht. Anstatt Kisten zu erkennen und zu greifen, werden Einzelteile gegriffen. Dadurch werden Objekterkennung und Greifprozess erheblich schwieriger. Durch das zweite Szenario sollen weitere Einsatzmöglichkeiten des Systems ermittelt und wichtige Kennzahlen erfasst werden, etwa wie schnell das pro Artikel benötigte Wissen vom System erlernt werden kann.

Konsortium
Bär Automation GmbH (Konsortialführer), quattro GmbH, Karlsruher Institut für Technologie, Still GmbH