Communitys
Computer Vision
Mehr Transparenz mit KI
Waren bzw. Güter – von Grund- und Rohstoffen über Zwischenprodukte bis hin zu von Endverbrauchern konsumierte Produkte – werden von der Herstellung bis zu Verbrauch, Entsorgung oder Rückgewinnung vielfach transportiert, umgeschlagen und gelagert. Lagerung und Umschlag der Waren machen 50 bis 80 Prozent der gesamten Logistikkosten aus. Ausgangspunkt für mehr Effizienz, Flexibilität und Resilizenz von Versorgungsnetzwerken sind Logistikzentren.
Computer Vision (CV) und Video Analytics (VA) als Verfahren der Künstlichen Intelligenz und des Machine Learning versprechen nun innovative Ansätze zur Erhöhung von Prozesstransparenz, zur Optimierung von Prozessabläufen und damit zur Einsparung von Aufwänden und Emissionen. Sie ermöglichen es Unternehmen, Daten in Echtzeit zu erfassen – etwa aktuelle Positionen von Ladungsträgern wie Paletten, aktuelle Lagerbestände oder Füllgrade von Stellflächen sowie Beladungszustände von Lkw – und so ihre Prozesse zu optimieren. Die Open Source-Entwicklungen der Silicon Economy sollen hier nun die Basis für einen verlässlichen industriellen Einsatz von KI-Algorithmen für die Logistik schaffen.
Unsere Projekte und Use Cases
ML Toolbox
Für die Entwicklung von Machine Learning-Verfahren sind vor allem das Training und die Validierung von Algorithmen entscheidend. Daher wird ein Fokus auf die Entwicklung einer kontinuierlichen ML-Ops Pipeline gelegt – einem Softwareprozess vom Training auf einer (Cloud-)Plattform über die (simulationsbasierte) Validierung bis hin zum optimierten Deployment auf der Hardware, z. B. auf mobilen Robotern, auf Kameras etwa im Wareneingang oder am Lkw-Gate.
Übersicht über das Projekt
Entwicklungsangebote für Unternehmen
- Pilotierung
- Unterstützung bei der Implementierung
- Co-Entwicklung
Kontakt
Maximilian Otten, Fraunhofer-Institut für Materialfluss und Logistik IMLmaximilian.otten@iml.fraunhofer.de
News und Storys
Volumenvermessung
Die Verladung von Paketen und Gütern ist in der Logistik derzeit ein stark manueller Prozess. Daher findet kein unmittelbarer Rückfluss zwischen dem aktuellen Zustand, z. B. dem Füllgrad eines LKWs, und dem planenden System statt. In der Folge werden Lkw häufig nicht optimal beladen oder Ladungsträger etwa aufgrund vorher nicht erfasster Palettenüberstände oder fehlender Stapelfähigkeit überhaupt nicht verladen.
Übersicht über den Use Case
Ineffizienzen in Form von erhöhtem Planungs- und Dispositionsaufwand bis hin zu Störungen von Wertschöpfungsketten, da ein Teil der Ladung nicht mehr mitgenommen werden kann, sind heute an der Tagesordnung. Zwar gibt es inzwischen sensorische Lösungen in Form von sogenannten Gates, die mit einer Vielzahl von Sensoren – in der Regel Laserscanner – das Volumen von Ladungsträgern wie Palletten vermessen. Doch diese sind zum einen teuer und zum anderen erfordern sie in der Regel eine Veränderung des logistischen Prozesses. Für die Vermessung des aktuellen Beladezustands eines Lkw gibt es derzeit keine adäquate Lösung.
State-of-the-Art-KI-Algorithmen ermöglichen jedoch mit günstigen Sensoren aus dem IoT-Bereich oder als Mehrwert von bereits vorhandenen Sensoren von Robotern eine Vermessung des Ist-Zustands ohne Hardware-Mehraufwand. Diese Daten können zur Prozessplanung eingesetzt werden und so die Nachhaltigkeit und Robustheit des Gütertransports durch Auslastungsoptimierung signifikant verbessern.
Entwicklungsangebote für Unternehmen
- Anforderungsgeber werden
- Teilnahme an Use-Cases
Kontakt
Jonas Stenzel, Fraunhofer-Institut für Materialfluss und Logistik IML
jonas.stenzel@iml.fraunhofer.de
Yard Lense on Edge
Übersicht über den Use Case
Dienste und Komponenten
- KI-Modell zum Erkennen und Tracken des LKW bzw. der jeweiligen Ladungsträger (Sattelauflieger und Wechselbrücken)
- Einsatz und Weiterentwicklung der CV-on-Edge-Kamera, vor allem zur Erfüllung der Anforderungen im Außeneinsatz
- Dienst zur Konfiguration eines eigenen Yards und entsprechender Stellflächen im Frontend (Web-Browser)
- Training mit Hilfe des Guided Training Service aus CV on Edge
Kontakt
Julian Hinxlage, Fraunhofer-Institut für Materialfluss und Logistik IML
julian.hinxlage@iml.fraunhofer.de
News und Storys
Infomaterial
Open Source-Komponenten für Computer Vision aus der Silicon Economy
Guided Training Service
ML Toolbox
Natur-Ident
Bleiben Sie up to date!
Interessiert an Informationen und Terminen rund um die Silicon Economy?
Melden Sie sich für unseren Newsletter an und wir halten Sie auf dem Laufenden.
Newsletter bestellen
Unsere Infonewsletter
Unsere Infonewsletter richten sich an alle Unternehmen und Organisationen, die mehr über die Plattformökonomie der Zukunft und die Zukunft der Logistik erfahren wollen..
Silicon Economy News. Einmal im Quartal informieren wir Sie über die aktuellen Entwicklungen aus der Silicon Economy und ihren Umsetzungsprojekten. Zwischendurch machen wir Sie auch auf aktuelle Veranstaltungen aufmerksam.
Blockchain Europe. Bis zu sechs Mal im Jahr erhalten Sie spezielle Informationen aus Umsetzungsprojekt Blockchain NRW zum Aufbau des Europäischen Blockchain-Instituts.
Fraunhofer IML. Aktuelle Informationen aus dem Fraunhofer-Institut für Materialfluss und Logistik IML, das die Silicon Economy-Initiative ins Leben gerufen hat, bekommen Sie drei bis vier Mal im Jahr.
Unsere Themenewsletter
Unsere themenspezifischen Newsletter sind für Unternehmen gedacht, die sich aktiv an der Gestaltung der Silicon Economy beteiligen und tiefer in die Themen einsteigen wollen. Dazu bieten wir fünf verschiedene Themen bzw. Bereiche an. Geplant sind pro Themenbereich bis zu drei Newsletter im Jahr.
Bestätigung und Widerruf
Wenn Sie einen oder mehrere Newsletter bestellen, erhalten Sie einmalig eine Bestätigungsmail (Double-Opt-in). Sie können sich jederzeit wieder abmelden: In jedem Newsletter finden Sie einen entsprechenden Link.
Newsletter ansehen
