Forschung | Künstliche Intelligenz
14. August 2024
Forschungsprojekt NextBase – KI in der Intralogistik
In Zusammenarbeit mit der RISC Software GmbH zeigt unser Forschungsprojekt NextBase erste Erfolge im Bereich „Künstliche Intelligenz für Produktion und Intralogistik“. 
Unser Forschungsprojekt NextBase revolutioniert die Intralogistik mit Künstlicher Intelligenz und Machine Learning!
Unsere Kunden profitieren von den ersten Ergebnissen unseres KI-Forschungsprojekts. Im Rahmen des dreijährigen Forschungsprojekts NextBase befassen wir uns in Zusammenarbeit mit der RISC Software GmbH, mit dem Thema Künstliche Intelligenz und Machine Learning im Bereich Produktion und Intralogistik. Speziell für unsere Kunden der OneBase®WORLD steht mit dieser Forschungstätigkeit bald die Tür für Prescreptive Analytics und Next-Level Intralogistik-Intelligenz offen, denn der Fokus liegt vor allem auch auf der einfachen Integrations- und Upgrademöglichkeit in unsere bestehenden und zukünftigen Kundenlösungen.
Im Workshop zum Zwischenbericht am 17. Juli wurden nun zwei KI Use Cases im Bereich der Intralogistik vorgestellt. Die Implementierungsarbeiten sind bereits voll im Gange und die ersten Tests konnten erfolgreich abgeschlossen werden.
Maximierung des Transportdurchsatzes
Im Use Case Nummer 1 liegt der Fokus auf der durch künstliche Intelligenz optimierten Zusammenarbeit von mehreren Transportmitteln in einem gemeinsamen Arbeitsbereich. In der Intralogistik sind dies oft Kräne auf einer gemeinsamen Kranbahn, oder Regalbediengeräte sowie Shuttles in einem überlappenden Fahrbereich.

Im Gegensatz zur Berechnung mit einem statischen Regelwerk wird die Optimierung der Transportbewegungen dynamisch durch den Einsatz von KI-Algorithmen durchgeführt. Ein meta-heuristischer Suchalgorithmus optimiert den Transportdurchsatz unter Berücksichtigung prognostizierter Abarbeitungs- und Transportmittelbewegungszeiten.

Intelligente Vermeidung von Umlagerungen

Im zweiten Use Case wird Machine Learning eingesetzt, um den Inbound Forecast der Produktionsanlagen und den prognostizierten Outbound bei der Reservierung von Lagerkapazitäten zu berücksichtigen. So kann eine Maximierung der nutzbaren Lagerkapazitäten erreicht werden und vermeidbare Umlagerungen können reduziert werden. Der KI-Ansatz von Hyperparameter Optimierung wird als automatisiertes Suchwerkzeug für Machine-Learning-Modelle eingesetzt. Im Suchzyklus werden Ergebnisse wie Füllgrad, Anzahl Umlagerungen, Zielzeiten oder Stillstandszeiten bewertet.

Neben den Echtzeit-Informationen über die aktuelle Lagerbelegung und den anstehenden Transportauftragsdaten, welche durch OneBase®MFT im digitalen Zwilling bereitgestellt werden, werden durch Machine Learning Methoden historische Daten aus der Wissensbasis herangezogen, um zukünftige Ein- und Auslagerungen in die Lagerstrategie einfließen zu lassen. Mit diesem bahnbrechenden Einsatz von KI kann auch in diesem Use Case die Lagereffizienz deutlich gesteigert werden. Die beiden Use Cases zeigen eindrucksvoll welches Potential in der Intralogistik Optimierung liegt. Zahlreiche weitere Use Cases wurden bereits identifiziert. Im Folgejahr wird der Fokus im Forschungsprojekt auf dem KI-Einsatz in der Produktionsablauf- und Anlagensteuerung liegen. Seien Sie gespannt auf die Zukunft der digitalen Produktion und Intralogistik mit KI in OneBase®.

Dokument herunterladen