Robotica in magazijnlogistiek – waarom het nog niet (helemaal) klaar is

Gepubliceerd op: 26 februari 2017 / Bijgewerkt op: 26 november 2018 – Auteur: Konrad Wolfenstein

Robotica in magazijnlogistiek – Bron: Shutterstock

De intralogistiek wordt al enige tijd overspoeld door een golf van automatisering, die zijn oorsprong vindt in de beginjaren van Industrie 4.0 . Er wordt veel gesproken over robots, die vaak synoniem worden gebruikt met automatisering. Dit is echter niet helemaal correct, aangezien de belangrijkste voorwaarde voor robotica is dat de systemen kunstmatige intelligentie bezitten. Terwijl automatisering gebaseerd is op gestandaardiseerde processen, omvat robotica ook variabele workflows. Deze processen zijn met name belangrijk voor de opslag en orderverzameling van heterogene productassortimenten. Er is echter nog een lange weg te gaan voordat de uitdagingen van het hanteren van artikelen van verschillende afmetingen en texturen zijn opgelost en orderverzameling door robots soepel verloopt.

De eerste stappen zijn succesvol gezet. Dynamische opslagsystemen bieden nu al uitstekende voorwaarden voor toekomstige volledige automatisering. Momenteel verloopt het proces doorgaans als volgt: goederen worden automatisch aangevoerd via transportbanden en vervolgens door orderpickers in de daarvoor bestemde trays geplaatst. Van daaruit transporteert en slaat de besturingssoftware de goederen op in de daarvoor bestemde ruimte in de verticale of horizontale heftruck. Wanneer een artikel wordt aangevraagd, presenteert het systeem het aan de magazijnmedewerker op zijn centrale werkplek, volgens het ergonomische goods-to-person-principe. Lange afstanden worden geëlimineerd en de moderne software zorgt ervoor dat altijd de juiste artikelen worden gepakt. Ondersteunende technologieën zoals pick-by-light verhogen de nauwkeurigheid van de toegang tot bijna 100 procent en versnellen tegelijkertijd het proces. De orderpicker pakt vervolgens het artikel en bereidt het voor op verzending of verdere verwerking.

In een dergelijk systeem is menselijke arbeid daarom beperkt tot het verzamelen en verplaatsen van artikelen naar een aangewezen container. Alle andere processen zijn geautomatiseerd. Hier komt robotica om de hoek kijken, aangezien het zeer voordelig zou zijn om deze laatste handmatige stappen door een machine te laten uitvoeren. De economische voordelen liggen voor de hand: robotgestuurd orderverzamelen maakt 24/7 opslag- en ophaalprocessen mogelijk. Bovendien beloven robots maximale precisie en snelheid bij hun toegang, waardoor de ophaaltijden aanzienlijk worden verkort. Robotica biedt ook een oplossing voor het tekort aan geschoolde arbeidskrachten, een probleem dat niet alleen in Duitsland voorkomt.

Robotica is nog niet voldoende ontwikkeld voor wijdverspreid gebruik in magazijnlogistiek.

Toch wordt intelligente robotica momenteel slechts zeer sporadisch ingezet in de intralogistiek. Maar hoe komt dat? Ten eerste liggen de kosten van de beschikbare modellen momenteel nog op een niveau dat veel logistieke dienstverleners afschrikt. Bovendien laat de betrouwbaarheid van de systemen vaak te wensen over. Dit komt vooral door het grijpprobleem, dat een uiterst precieze handling vereist, vooral bij een heterogeen assortiment aan artikelen. Momenteel beschikken de modellen simpelweg niet over voldoende kunstmatige intelligentie om de verschillende vormen en materialen correct te classificeren en de grijper in elk afzonderlijk geval de juiste instructies te geven.

Intelligente robotica in de intralogistiek – Bron: Shutterstock

Maar de industrie werkt er hard aan om robots dichter bij het magazijn te brengen. Momenteel staan ​​twee benaderingen centraal. Eén daarvan betreft robots die goederen uit conventionele stellingsystemen halen en deze autonoom naar het pickstation transporteren. Amazon, met zijn Kiva-systeem dat enkele jaren geleden werd overgenomen, heeft in zijn magazijnen een bewezen methode die hele stellingen optilt en naar de werktafels transporteert. In principe is deze methode geschikt voor gebruik in veel conventionele stellingsystemen. Het grijpprobleem is ook opgelost, omdat de robots de stellingen simpelweg verplaatsen. Het nadeel hiervan is echter dat de stellingen moeten worden aangepast om de kleine robots ze te laten verplaatsen. Dit doet enigszins afbreuk aan de kostenefficiëntie van het schaalbare systeem.

Een andere aanpak wordt gehanteerd door bedrijven zoals Magazino, waarin Siemens onlangs een belang heeft genomen. Hier navigeert de bezorgrobot Toru autonoom door conventionele gangpaden en pakt de artikelen direct. De uitdaging bij deze oplossing ligt ook in het betrouwbaar verzamelen van het diverse assortiment. Hoewel de technologie al behoorlijk geavanceerd is, is verdere ontwikkeling nodig om boeken, teddyberen, schroeven, chipszakken of voetballen nauwkeurig te kunnen verzamelen. Vergeleken met de robots van Amazon zijn er echter, afgezien van het maximaliseren van de schaphoogte, geen grote wijzigingen in de schapindeling nodig.

Volledig geautomatiseerde aanpak

De twee gepresenteerde transportmethoden hebben echter het nadeel dat er nog steeds handmatig werk nodig is bij het pickstation. Daarom zijn robots verder ontwikkeld om zelfstandig en zonder menselijke hulp items te picken. Er bestaan ​​modellen zoals Baxter , die rechtstreeks uit een sciencefictionfilm lijken te komen en items met opmerkelijke behendigheid kunnen hanteren. Bovendien beschikt Baxter al over de nodige intelligentie om op diverse uitdagingen te reageren. De Kado pickrobot is een andere oplossing in ontwikkeling die beter is uitgerust om verschillende soorten items te verwerken. Kado is ontworpen om de grijppunten van items in lastdragers betrouwbaar en snel te identificeren met behulp van geavanceerde 3D-cameratechnologie. Dit systeem is ook bedoeld om te werken met items die nog niet door het systeem zijn gedetecteerd en die niet op type zijn gesorteerd binnen de lastdrager. De gevoelige grijparm van de pickrobot wordt vervolgens aangestuurd via de geïdentificeerde grijppunten. In combinatie met een geautomatiseerd opslagsysteem zou dit een oplossing zijn die handmatig werk elimineert.

Het zijn echter niet alleen intralogistieke experts die deze technologie vooruithelpen. Amazon lanceerde bijvoorbeeld de Amazon Picking Challenge, . Deze wedstrijd brengt deelnemers van allerlei pluimage samen, van kleine startups tot gevestigde fabrikanten en onderzoeksteams van gerenommeerde universiteiten, met hun eigen oplossingen. Het doel is om autonome magazijn- en orderpicktechnologie, ondersteund door kunstmatige intelligentie, dichter bij de realiteit te brengen. Het is geen wonder dat de Amerikaanse onlinegigant deze technologie verder ontwikkelt; het is immers een van 's werelds grootste retailers en beschikt over enorme magazijnen die enorm zouden profiteren van een dergelijke oplossing.

Mocht het grijpprobleem op middellange termijn worden opgelost, dan zouden de robotsystemen in grotere aantallen kunnen worden geïmplementeerd, wat tot kostenbesparingen zou moeten leiden. Voor magazijnmanagers beloven de robots veel voordelen: geen tijdrovende werving, geen problemen met een hoog ziekteverzuim en 24/7 operationeel. Dat dit echter veel banen op de tocht zet, is een heel andere kwestie, los van het tekort aan geschoolde arbeidskrachten.