Multi-kriterielle Optimierung der Position und Konfiguration von 3D-Sensoren durch Virtual Reality für flexible Automatisierungslösungen in der Logistik (Projekt 20174)
Forschungsstelle:
Bremer Institut für Produktion und Logistik GmbH (BIBA)
Hochschulring 20
28359 Bremen
Themenbereich: Fabrikorganisation, Produktionsplanung und -steuerung (PPS)
Die Entwicklung flexibler Handhabungsroboter und autonomer Fahrzeuge für logistische Prozesse ist aufgrund heterogener Objekte, variablen Umgebungsbedingungen und komplexen Eigenschaften der 3D-Sensorik eine große Herausforderung, die mit hohen finanziellen Risiken verbunden ist. Die 3D-Sensorik kann aus mehreren Sensoren bestehen und sich in der Sensortechnologie unterscheiden. Die Auswahl, Konfiguration und Positionierung der Sensoren werden aufwändig manuell und anwendungsspezifisch durchgeführt, simulative Tests sind bisher nicht möglich. Erst im Anschluss können Algorithmen entwickelt werden, die auf der Sensorkonfiguration basieren. Im Rahmen des Projektes VirtuOS soll ein online frei verfügbares Werkzeug entwickelt werden, mit dem Anwendungsszenarien im VR-Raum frei konfiguriert und Sensordaten realitätsnah simuliert werden können. Eine multi-kriterielle Optimierung liefert, abhängig von unterschiedlichen Optimierungskriterien anwendungsspezifisch optimale Sensorkonfigurationen. Abschließend werden dem Nutzer notwendige technische Anforderungen an die Sensorik übermittelt. Die Arbeitshypothese ist, dass sich die technologischen und umgebungsspezifischen Eigenschaften realitätsnah in der virtuellen Arbeitsumgebung abbilden lassen. Die KMU, insbesondere Automatisierungsunternehmen, Systemintegratoren sowie Anbieter von Sensorik und Bildverarbeitungslösungen können somit bei der Auswahl und Konfiguration der Sensorik für neue Arbeitsstationen bzw. Roboter unterstützt werden, wobei bisher ein sehr hohes Expertenwissen notwendig ist. Zudem beschleunigt das Werkzeug die Entwicklungszyklen und damit die schnelle Erschließung neuer Geschäftsfelder. Durch die Generierung von Test- bzw. Trainingsdaten für das Trainieren von maschinellen Lernsystemen profitieren KI-Startups ebenfalls, da ihnen durch den fehlenden Marktzugang bzw. das anwendungsspezifische Wissen häufig diese zur Produktentwicklung notwendigen Daten fehlen.