Wegweisend: Innovative Fortschritte bei Fahrerlosen Transportsystemen (FTS/AGVs)

Konrad Lorenz erhielt 1973 den Nobelpreis für Physiologie und Medizin für seine Experimente zum Tierverhalten. Lorenz entdeckte das Prinzip der Prägung, wo eine Bindung zwischen neugeborenem Tier und Betreuer entsteht. Dies ist der Mechanismus, bei dem ein auditiver oder visueller Reiz das Junge veranlasst, seinen Eltern zu folgen. In der Industrie nutzen fahrerlose Transportsysteme (FTS/AGVs) Umweltreize, um einer spezifischen Route zu folgen.

Hier diskutiert Jonathan Wilkins, Marketing Director des Obsolete-Industrial-Parts-Lieferanten EU Automation, wie sich AGVs von einfachen Materialtransportern zu intelligenten autonomen Robotern entwickelt haben.

Autonome Transportsysteme sind mobile Roboter, die Markern oder Signalen bei der Navigation folgen. Der erste AGV wurde in den 1950ern von Barrett Electronics eingeführt und führte eine einfache Zugfunktion aus, positioniert durch einen Draht im Boden. Seit den 1950ern ist der Markt rasant gewachsen, und AGVs werden in zahlreichen Industriesektoren eingesetzt.

Warum AGVs?

AGVs werden vorwiegend für Materialhandling genutzt. Dies umfasst Aufgaben von Just-in-Time-Lieferung von Teilen an die Produktionslinie bis zum Rund-um-die-Uhr-Transport. Ausgestattet mit Klemmmechanismen, Positioniervorrichtungen und Werkzeugaufnahmen können sie diverse Funktionen ausführen.

Je nach Anwendung und Anforderungen können AGVs isoliert oder in Flotten funktionieren. Das macht den AGV-Einsatz skalierbar nach Bedarf, sodass ein Werksleiter die Fahrzeuganzahl spezifisch festlegen kann.

AGVs können mit Sensoren für Rückverfolgbarkeit ausgestattet werden, sodass der Werksleiter die Position jedes einzelnen Fahrzeugs überwachen und damit Materialbewegungen in der Anlage tracken kann. Abholung, Transport und Lieferung können als Teil dieses Prozesses zeitgestempelt werden, um Tracking weiter zu verbessern. Diese Informationen lassen sich in das ERP (Enterprise Resource Planning) oder MRP (Material Resource Planning) des Unternehmens integrieren.

Je nach Anwendung gibt es verschiedene Navigationsmethoden. Ein Werksleiter kann ein sehr einfaches System wählen, ähnlich den frühesten AGVs, oder fortgeschrittenere Navigationsmethoden.

Navigation

Die frühesten AGVs wurden per Draht durch die Fabrik geführt. Ein Draht wird in einen Schlitz im Boden eingelassen und sendet ein Funksignal, das von einem Sensor am AGV detektiert wird. Der AGV folgt dem Draht durch die Anlage. Diese Navigationstechnik wird heute noch genutzt, es gibt jedoch diverse andere Methoden.

Einige AGVs nutzen Leitbänder – magnetisch oder farbig – zur Navigation. Sensoren am AGV detektieren das Band und nutzen es zur Fahrzeugführung. Leitbänder werden auch bei Lasertarget-Navigation verwendet, wo reflektierendes Band an Wänden, Pfeilern oder Maschinen montiert ist und der AGV Distanz per Lasersender und -empfänger berechnet. Vorteil gegenüber Draht: Routenänderung ist einfacher, da Bandverlegung unkomplizierter ist.

Bei Trägheitsnavigation (Inertial Navigation) werden Referenzpunkte in den Fabrikboden bei x,y-Koordinaten eingebettet. Der AGV nutzt Informationen von Sensor, Gyroskop und Raddrehgeber zur Positionsbestimmung. Pfadänderungen erfolgen durch simples Ändern der Referenzpunkte – flexibler. Dennoch ist Infrastrukturänderung nötig, und das Fahrzeug kann keine eigenständigen Routenplanungsentscheidungen treffen.

Der nächste Schritt von Trägheitsnavigation ist Open Path Navigation – das Fahrzeug kann unabhängig von einem Ort zum anderen bewegen, vom geführten zum selbstfahrenden Fahrzeug.

Von geführt zu selbstfahrend

Traditionelle AGVs führen definierte, vorprogrammierte Bewegungen in einer Anlage aus. Das erschwert Routenänderungen, sobald spezifische Infrastruktur platziert ist. Kürzlich wurden flexiblere, intelligentere Fahrzeuge eingeführt, die Entscheidungen in unbekannten Situationen treffen können.

Diese neue Fahrzeuggeneration überwindet ein Schlüsselproblem von AGVs – das Begegnende Unerwartete. In einer sich wandelnden Umgebung passt ein selbstfahrendes Fahrzeug besser. Es operiert unabhängig von Fahrer oder fixem vorprogrammiertem Input, der Lenkung, Beschleunigung oder Bremsen direkt steuert. Laserbasierte Perzeption und Navigationsalgorithmen ermöglichen dynamische Navigation in der Fabrik.

Ein onboard programmierbarer Logikcontroller (SPS) kann integriert werden, um Fehler zu reduzieren und Entscheidungen zu treffen. Durch Verbindung zum zentralen Leitsystem kann das Fahrzeug Zuverlässigkeit und Effizienz seiner Routen analysieren und diese entsprechend anpassen. Das Fahrzeug kann Machine Learning nutzen, um in neuen Situationen effizienter zu werden.

Selbstfahrende Fahrzeuge nutzen Onboard-Computer und mehr Sensoren für komplexere Aufgaben, einschließlich Entscheidungsfindung. Unabhängige, intelligente Navigationsmethoden können bedeuten, dass der Werksleiter die Fabrikumgebung oder Infrastruktur nicht modifizieren muss. Eine solche Technik ist Natural Feature Guidance, wo das Fahrzeug Bilder aufzeichnet, speichert und seine Position in Relation zu bestehenden Features berechnet.

Ein Beispiel für einen autonomen AGV ist Clearpath Robotics' OTTO, ein selbstfahrendes Fahrzeug, das bis zu 1.500 kg bei 7,2 km/h bewegen kann. OTTO passt sich an, um die beste Route zu nehmen und Kollisionen zu vermeiden.

Fahrzeuge können auch visionsbasierte Führungs-systeme nutzen, Kameras als Augen. Ein zusätzlicher Vorteil: Werksleiter erhalten einen 3D-virtuellen Blick in die Umgebung, in der das Equipment operiert. Trifft der AGV auf Ungeplantes, kann der Operator die Erklärung leicht finden und korrigieren.

Da mehr Fabriken upgegradet und neue Anlagen gebaut werden, werden fortschreitende AGVs ein Kernbestandteil der Smart Factory. Mit verbesserter Sensortechnik und zunehmender Autonomie werden AGVs smarter und dynamischer – von geführten Fahrzeugen auf festem Pfad zu autonomen, unabhängigen Entscheidern – ganz wie Konrads Tiere, wenn sie erwachsen werden.