Robots gaan zeecontainers leegmaken

Het Instituut voor Productie en Logistiek van de Universiteit van Bremen (BIBA) gaat in samenwerking met BLG Handelslogistik, Schulz Systemtechnik en Framos onderzoek doen naar het geautomatiseerd leegmaken van standaard 40-voets zeecontainers. Het driejarige project 'Interactive Robotic System for Unloading of Sea Containers' (IRiS) wordt met 2,2 miljoen euro gefinancierd door het Duitse ministerie van Verkeer en Digitale Infrastructuur (BMVI); TÜV Rheinland is sponsor van het project.

Het merendeel van alle zeecontainers die wereldwijd verscheept worden, worden gelost en geleegd in de haven zelf. De containers, met een capaciteit van 65 m3 (2295 ft3) kunnen tot 1.800 pakketten van 35 kg per stuk bevatten. In de hedendaagse hightech logistieke ketens is het legen van deze standaard containers één van de laatste niet-geautomatiseerde processen die nog overblijven. De hoge mate van complexiteit en de uitdagende laad- en losscenario's hebben het volledig automatisch lossen - tot nu toe - onmogelijk gemaakt.
Het doel van het IRiS-project is de arbeidsomstandigheden te verbeteren en de containeroverslag in zeehavens efficiënter te laten verlopen. In de zeer nabije toekomst, en zonder wijzigingen in de bestaande infrastructuur, zal een mobiele robot in staat zijn om deze zeecontainers zelfstandig en zonder handmatige tussenkomst te lossen.

AI en beeldverwerking

De robot krijgt een innovatief grijpersysteem en rijdt autonoom tussen poorten en direct de in. De robot moet net behulp ‘machine learning' zelfstandig verschillende verpakkingsscenario's classificeren en de informatie gebruiken om de containers zo goed mogelijk te lossen. Framos, gespecialiseerd in industriële beeldverwerking, gaat op basis van kunstmatige intelligentie ‘state-of-the-art'- classificatie van de verpakkingsscenario's en analyses van de inhoud van containers.

"Objectherkenning is gebaseerd op 2D/3D-beeldgegevens. Het maakt gebruik van state-of-the-art beeldverwerking en combineert deze met ‘machine learning'-technieken, zoals ‘deep learning'", legt dr. Simon Che' Rose, hoofd Engineering bij Framos, uit. "Hierdoor kan het systeem detecteren of een container volautomatisch kan worden gelost, of dat in bijzondere situaties handmatige besturing van de robot nodig is. De locatie en oriëntatie van de inhoud worden vooraf volledig geanalyseerd, zodat een optimale planning van het losproces mogelijk is.
Mens-machine-interfaces maken eenvoudige en snelle interactie tussen robot en medewerker mogelijk, inclusief intuïtieve bewaking en besturing van één of meer robots. Medewerkers kunnen de robots vanuit een controlekamer op elk moment monitoren en snel ingrijpen bij storingen, zelfs zonder speciale programmeerkennis. Een prototype moet al in 2019 gereed zijn.

www.framos.com