Inventur

Die komplexe Dynamik von Blocklagern stellt die manuelle Bestandserfassung vor große Herausforderungen. Häufiges Umlagern von Paletten, Kisten oder Gitterboxen ohne feste Stellplätze führt zu einem zeitaufwändigen und fehleranfälligen Prozess, bei dem Waren oft gesucht werden müssen und Schäden durch unsachgemäße Lagerung auftreten können. Der Einsatz von (teil-)autonomen Fahrzeugen bietet eine vielversprechende Lösung, um eine automatisierte Bestandserfassung zu ermöglichen – insbesondere wenn sie mit einer optischen Erfassung der Waren ausgestattet sind.

Sogenannte chaotische Lagerhaltungssysteme gewinnen in der wirtschaftlichen Anwendung zunehmend an Bedeutung. Aufgrund ihrer hohen Dynamik und der damit verbundenen Unsicherheit über ihre Bestandsführung stellen sie hohe Anforderungen an logistische Prozesse. Das im Folgenden vorgestellte Projekt führt Methoden zusammen, um sich diesen Anforderungen durch den Einsatz eines autonomen Inventurroboters stellen zu können. Dabei kommen Ansätze der kognitiv inspirierten Künstlichen Intelligenz zum Tragen, die es dem Roboter ermöglichen, in unbekannten Umgebungen zielstrebig zu handeln. Trotz stetiger Veränderung der Umgebung wird der Roboter in die Lage versetzt, robuste Informationen über den Ist-Zustand von z.B. Lagerbereichen, ihrer räumlichen Lage und der dort gelagerten Waren zu erfassen. Die erfasste Information ist von Natur aus grob, dient aber dennoch als wertvolle Grundlage für die Analyse und Optimierung intralogistischer Prozesse.