Smarte Inventur mit Drohnen und KI

Eine Inventur ist heute in der Regel immer noch Handarbeit und damit aufwändig und fehleranfällig. Die Uni Oldenburg und Abat haben eine Lösung mit Drohne und künstlicher Intelligenz entwickelt. Bei einem Getränkehändler reduzierte sich der Zeitaufwand um 90 Prozent, die Qualität erhöhte sich erheblich.
 Für eine einwandfreie Erkennung ist es wichtig, dass sich die Produkte optisch unterscheiden oder mit ergänzenden Informationen, z.B. mit Produktlabels, ausgestattet sind.
Für eine einwandfreie Erkennung ist es wichtig, dass sich die Produkte optisch unterscheiden oder mit ergänzenden Informationen, z.B. mit Produktlabels, ausgestattet sind. – Bild: Abat AG

Kein Umsortieren der Palettenstapel

Das Projekt hat gezeigt, dass die manuelle Zählung während einer Inventur mit Hilfe von Drohnen und KI-Algorithmen zur Objekterkennung mit hoher Zuverlässigkeit automatisiert werden kann. Es ist nur noch eine Person als Drohnenoperator notwendig, die eigentliche Zählung übernehmen die KI-Modelle. Mit der Drohne sind auch Stapel erreichbar, die ansonsten nicht gezählt werden könnten.

Damit die Inventur per Drohne gelingt, sind allerdings einige Voraussetzungen notwendig. Zunächst müssen sich die Produkte optisch unterscheiden lassen und die Aufnahmen eine ausreichende Qualität haben. Weitere Voraussetzungen sind:

Lagergegebenheiten: Die Struktur und das Layout des Lagers sind maßgeblich für eine erfolgreiche Befliegung mit einer Drohne. Neben der manuellen Steuerung der Drohne ist auch die Automatisierung von Flugrouten möglich. Zur Orientierung können dabei fixe Lagerplätze über Koordinaten (z.B. GPS) angeflogen werden oder es können visuelle Kennzeichen oder Beschriftungen genutzt werden. Als Datengrundlage für das Erstellen solcher Routen können u.A. Daten aus einem Lagerverwaltungssystem wie SAP EWM genutzt werden.

Klima: Hierzu zählen Licht und Wetterbedingungen. Nachteinsätze benötigen entsprechendes Equipment.

Produkt: Merkmale, die fürs Auge erkennbar sind, lassen sich auch in der KI trainieren. Schüttgut oder kleinteilige Zählungen sind nicht wirtschaftlich sinnvoll, Schätzungen sind aber denkbar. Wichtig ist, dass für eine Erkennung der Produkte eindeutige Identifikatoren notwendig sind – entweder müssen Produkte sich optisch unterscheiden oder es werden ergänzende Informationen in Form von Produktlabels oder ähnlichem benötigt.

Das Projekt wird gemeinsam mit Getränke Essmann und weiteren Partnern weiterverfolgt, um zum einen weitere Bausteine (z.B. andere Erkennungsverfahren) zu entwickeln und um bestehende Algorithmen noch robuster zu machen. Zusätzlich wurde die Anbindung an das SAP EWM realisiert, um Inventurergebnisse direkt in das System zu übertragen. Außerdem übertragen sie den bisherigen Ansatz auf neue Anwendungsfälle und kombinieren diesen mit anderen Methoden. So ist es beispielsweise möglich, neben der Zählung durch Objekterkennung zusätzlich Label auszulesen, um die erkannten Produkte zu klassifizieren. Das ergibt Synergieeffekte, so kann beispielsweise eine Objekterkennung und -klassifikation als Backuplösung verwendet werden, wenn kein Label erkannt wurde. Das Retraining der KI-Modelle, etwa wenn sich das Design eines Produkts ändert, kann manuell angestoßen werden. Durch eine entwickelte Applikation zur Unterstützung des Inventurablaufs mit der entwickelten KI-Lösung ist dies aber auch automatisch möglich. Innerhalb der App haben Nutzer die Möglichkeit, Produktbilder zu pflegen. Diese Bilder können dann genutzt werden, um neue Produkte anzulernen und die zugrundeliegenden Algorithmen anzupassen. Darüber hinaus ist es in der Anwendung möglich, den Inventurstatus und die Ergebnisse der Zählung zu überwachen bzw. zu kontrollieren. Im Fehlerfall, beispielsweise wenn sich das Modell nicht sicher ist, kann so schnell und einfach manuell korrigiert und eingegriffen werden. Erst nach einer erfolgreichen Kontrolle werden die Ergebnisse dann exportiert oder in ein Warenwirtschaftssystem übertragen.

Weitere Anwendungsfälle denkbar

Die Module der Lösung können neben der Inventur auch noch für weitere Anwendungsfälle eingesetzt werden. So ist es beispielsweise denkbar, dass die Objekterkennung auch in der Produktion Einzug findet, um beispielsweise die Bewegung von bestimmten Ladungsträgern zu tracken und um Transparenz in den Prozessen zu schaffen. Ebenfalls interessant sind das Qualitätswesen und die Produkt- oder Teileabsicherung. So ist es denkbar, dass Kameras in der Produktion installiert werden und das aufgenommene Videomaterial analysiert wird. Dabei könnten beispielsweise Fehler oder Schäden von Produkten direkt nach der Produktion automatisiert erkannt und die Produkte aussortiert oder in die Nachbesserung gegeben werden. www.abat.de

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren