Fahrerloses Transportsystem

Smarte Algorithmen können Logistikaufgaben selbstständig orchestrieren und dabei auch fahrerlose Transportsysteme einsetzen. Bild: Dr. Julian Popp

| von Dr. Julian Popp, Manager Logistikinnovationen, MHP

Jeder von uns trifft jeden Tag rund 20.000 Entscheidungen. In den meisten Fällen passiert das unbewusst – anders ließe sich die Menge auch gar nicht handhaben. Es bleiben allerdings noch zahlreiche Entscheidungen übrig, bei denen unser Bewusstsein mit ins Spiel kommt. Nicht selten sind damit negative Emotionen verbunden. Unter anderem, weil immer das Risiko besteht, dass wir uns falsch entscheiden und wir dann für die Konsequenzen verantwortlich sind. Doch trotz dieser Aussicht auf ein Scheitern fällt es uns enorm schwer, Entscheidungen abzugeben. Das gilt für die Übertragung von Entscheidungen an andere Menschen. Das gilt aber noch mehr in Bezug auf die Übertragung an Maschinen. Dafür lässt sich vor allem ein Grund nennen: Die Sorge, Kontrolle, Macht und Relevanz zu verlieren.

Veranschaulichen lässt sich das am Beispiel Mobilität: Viele Menschen fühlen sich in ihrem Auto, das sie selbst steuern, sicherer als in einem Flugzeug, in dem sie als Passagier fliegen – obwohl sich das mit keiner Statistik begründen lässt. Die vermeintliche Kontrolle als Fahrer vermittelt aber offenbar ein gutes Gefühl. Autonomen Fahrzeugen auf Level fünf stehen die meisten Menschen aktuell noch viel skeptischer gegenüber. Das liegt auch wieder am Kontrollverlust. Hinzu kommt außerdem die Wahrnehmung, von einer Maschine ersetzt worden zu sein.

Menschliche Gewohnheiten als Hürde auf dem Weg zur Smart Factory

Die Abneigung gegen die Übertragung von Entscheidungsgewalt hat sicher dazu beigetragen, dass die Smart Factory nicht so rasch Wirklichkeit wird, wie noch vor ein paar Jahren gehofft wurde. Denn tatsächlich sind viele erforderliche Technologien heute vorhanden, die Bereitschaft der Verantwortlichen ist es vielfach nicht. Dabei ist die Automatisierung von Entscheidungen ein zentraler Bestandteil der Digitalisierung in der Produktion – und etwas fundamental Neues.

Denn digitale Technologien kommen zwar schon seit Jahrzehnten in den Shopfloors zum Einsatz. Bislang zielte das allerdings in erster Linie auf die Automatisierung von physischen Aufgaben ab: Vom ERP-System über das Manufacturing Execution System bis zur SPS wurden Daten übermittelt, um Maschinen und Anlagen zu steuern. Die schickten wiederum Daten zurück, damit sich die verantwortlichen Menschen ein Bild machen und ihre Entscheidungen treffen konnten.

Jetzt ist Software nicht nur in der Lage, die Daten – von denen es dank immer mehr Sensoren gewaltige Mengen gibt – zu übermitteln, auszuwerten und zu Kennzahlen zu verdichten. Ausgehend von den erfassten und analysierten Daten können Algorithmen auch autonom Prozesse anstoßen. Damit werden menschliche Entscheider – die häufig ein Engpass sind – obsolet, der Automatisierungsgrad steigt sprunghaft.

Iterativ zur Produktion mit algorithmischer Steuerung

Wollen Unternehmen das in ihren Shopfloors erreichen, empfiehlt sich ein iteratives Vorgehen. Das fördert zum einen die Akzeptanz bei den beteiligten Menschen. Zum anderen lassen sich die notwendigen Rahmenbedingungen für eine algorithmische Produktion systematisch etablieren.

Konkret umfasst das vier Handlungsfelder:

  • die Standardisierung der Maschinenanbindung und damit die Umsetzung der vertikalen Integration
  • die Etablierung von Service-orientierten Anlagen – Assets bieten Bearbeitungsservices an, was die Flexibilität erhöht
  • die ganzheitliche Integration – was die horizontale Integration von Fachbereichen und Unternehmen einschließt
  • die Realisierung von algorithmischen Szenarien mithilfe der passenden Formeln

Optimal ist dabei, wenn jeder Fortschritt einen spürbaren Nutzen mit sich bringt. Das wirkt sich nicht nur positiv auf die Performance der Produktion aus, sondern trägt wiederum zu mehr Akzeptanz bei.

Algorithmus von MHP macht Produktion und Logistik flexibel

Sinnvoll ist es in diesem Zusammenhang auch, mit algorithmischen Szenarien zu starten, die autonom in Bereichen agieren, die für Menschen schlecht zugänglich oder wenig attraktiv sind. Meistens bestehen hier enorme Potenziale, statt Ablehnung herrscht diesbezüglich fast immer Zustimmung – weil die Mitarbeiterinnen und Mitarbeiter unmittelbar profitieren.

So hat MHP beispielsweise einen Algorithmus für modulare Montagen entwickelt und bei einem Automobilhersteller eingeführt. Dort verteilt die Software kurzfristig die Produktionsaufträge an die Maschinen – und zwar in der bestmöglichen Reihenfolge. Darüber hinaus orchestriert der Algorithmus die Logistikaufträge beziehungsweise den Materialfluss, wobei auch Fahrerlose Transportfahrzeuge (FTF) zum Einsatz kommen. Die Maschinenauslastung konnte dadurch um etwa 20 Prozent erhöht werden, die Logistik kann sich deutlich schneller an Änderungen im Ablauf in der Produktion anpassen.

Graphendatenbank und Optimizer

Technologischer Kern ist das Zusammenspiel zwischen einer Graphendatenbank und einem Optimizer. Die Datenbank speichert als Systembasis nahezu in Echtzeit alle relevanten Daten (unter anderem offene Produktions- und Logistikaufträge, Status der Maschinen und FTF, Verkehrssituation und Mitarbeiterverfügbarkeit samt Skill-Matrix) in Graphenrelationen. Der Optimizer berechnet alle zehn Sekunden die Situation im Shopfloor neu, um so zu bestmöglichen Entscheidung zu kommen. Dabei werden alle offenen Aufträge auf die verfügbaren Menschen, Maschinen und Anlagen sowie Fahrerlose Transportfahrzeuge verteilt.

Viel Potenzial für weitere Algorithmus-Szenarien

Der für diesen spezifischen Anwendungsfall eines OEM ausgeprägte Algorithmus lässt sich nicht nur auf andere Unternehmen, sondern auch auf weitere Szenarien übertragen. Zwei Use Cases wurden bereits konzipiert und getestet: zum einen bei der Entnahme von Material im Lager, zum anderen hinsichtlich der Organisation der Montage.

Logistik für die manuelle Kommissionierung nach dem Ware-zu-Mensch-Prinzip

Die Idee: Es bewegen sich nicht länger Menschen durch das Lager, um Material zu entnehmen. Stattdessen bringen Fahrerlosen Transportfahrzeuge (FTF) die Materialbehälter zu den Mitarbeitern. Um das zu leisten, organisiert der Algorithmus auf Basis der anstehenden Logistikaufträge die Reihenfolge der logistischen Vorgänge und gibt die Routen für die Fahrerlosen Transportfahrzeuge vor.

Große E-Commerce-Unternehmen haben solche Szenarien bereits umgesetzt. In der Produktion dagegen – in der die Logistik in der Regel anspruchsvoller ist und zum Beispiel Sequenzanforderungen berücksichtigt werden müssen – ist das Ware-zu-Mensch-Prinzip noch nicht sehr verbreitet. Das sollte sich ändern, denn die Effizienzgewinne sind erheblich. Man kann davon ausgehen, dass sich dadurch die Kosten um circa 15 Prozent reduzieren lassen – durch Einsparungen bei den Transportmitteln sowie bei der Fläche am Montageplatz und durch eine Steigerung der Effizienz der Mitarbeiter.

Zudem ist der Logistikprozess deutlich weniger anfällig für Fehler, weil Mitarbeiter mit geringerer Wahrscheinlichkeit ein Teil aus einem falschen Materialbehälter entnehmen – da sie nur noch auf den korrekten Behälter zugreifen können.

Das Beispiel illustriert auch gut, wo für die nächsten Jahre und vielleicht sogar Jahrzehnte die Grenzen der Digitalisierung in der Produktion liegen. Menschen werden den Maschinen noch lange bei der Augen-Hand-Koordination überlegen sein: Hier müssen in kurzer Zeit viele optische Daten erfasst, verarbeitet und in einem motorischen Impuls übersetzt werden, der dann auch noch korrekt ausgeführt werden muss.

Algorithmische Montage im Matrixlayout

Das Prinzip, Teile flexibel durch den Raum zu einem Mitarbeiter zu bewegen, lässt sich im Produktionsprozess besonders gut in der Montage adaptieren: als Matrixlayout mit zusätzlichen Freiheitsgraden. Dabei befinden sich die unterschiedlichen Montagestationen an festen Positionen im Shopfloor. Sie sind allerdings nicht durch ein Band zu einer Montagelinie verbunden, sondern werden zu modularen Fertigungsinseln gruppiert. Den Transport der zu montierenden Produkte übernehmen in der definierten Montagereihenfolge FTF, die vom Algorithmus gesteuert werden. Daraus ergeben sich verschiedene Vorteile:

  • ein zu montierendes Produkt durchläuft ausschließlich die für diese Variante erforderlichen Stationen – was die Model-Mix-Restriktionen reduziert und bei einigen Varianten zu niedrigeren Durchlaufzeiten führt
  • ein zu montierendes Produkt verbleibt nur solange in einer Station, wie für diese Variante tatsächlich notwendig, weil keine Takte eingehalten werden müssen
  • Das Hinzufügen oder Entfernen von einzelnen Stationen beeinflusst das bestehende System nicht oder nur sehr wenig

Eine Simulation für einen Automotive-Tier-1-Zulieferer hat gezeigt: Im Vergleich zu einer herkömmlichen Steuerung einer Montagelinie kann die gesamte Durchlaufzeit um bis zu 20 Prozent reduziert werden. Außerdem ist der Produktionsprozess damit deutlich anpassungsfähiger und weniger anfällig für Störungen. Allerdings steigt der Bedarf an Fläche für eine derartige Montageumgebung ein wenig – im konkreten Fall um etwa zwölf Prozent.

Die Chancen zur Automatisierung jetzt nutzen

Die hier vorgestellten Szenarien für den Einsatz von Algorithmen in der Produktion sind beispielhaft – viele weitere Anwendungsfälle sind denk- und realisierbar. Die Planung und Steuerung auf der Mikroebene scheinen dabei als Startpunkt besonders geeignet zu sein, weil sich hier schon mit relativ geringen Veränderungen sehr viel erreichen lässt. Unternehmen, die den Schritt in die Zukunft gehen wollen, sollten daher ihre Produktions- und Logistikprozesse evaluieren, die Potenziale identifizieren, Priorisierungen vornehmen, dann Piloten umsetzen und diese ausrollen. Die hier bereits gemachten Erfahrungen weisen einen Weg.