Automatisierte „Pannenhilfe“

Anfang Mai 2017 startete am IPH Institut für Integrierte Produktion Hannover gGmbH das Forschungsprojekt „Fallbasiertes Expertensystem zur automatisierten Reaktion auf Betriebsstörungen in frei navigierenden Fahrerlosen Transportsystemen“. Dazu wird eine Falldatenbank erstellt, die alle historischen Störungsfälle einschließlich Lösungen speichert. Bei einer erneuten Störung im Betrieb kann dann mit Hilfe von Case-based Reasoning auf diese Datenbank zugegriffen, eine entsprechende Lösung gesucht und aktuell adaptiert werden.

Fahrerlose Transportfahrzeuge (FTF) haben eine immer größer werdende Bedeutung für die Wirtschaft. Derzeit werden jährlich fast 300 Anlagen und 1500 Fahrzeuge von europäischen Herstellern in Betrieb genommen [1], was einem Umsatz von 130 Mio. € entspricht. Im Report „Automated Guided Vehicles Market Outlook – Global Trends, Forecast, and Opportunity Assessment (2014-2022)” [2] wird eine enorm wachsende Bedeutung von FTF prognostiziert, die vor allem zur Gestaltung einer wettbewerbsfähigen und effizienten Produktion beitragen. Im Zeitraum von 2014 bis 2022 soll die Wachstumsrate für den FTF-Markt 10,9 % betragen.

Um durch den Einsatz Fahrerloser Transportsysteme (FTS) die Effizienz des Gesamtbetriebs steigern zu können, muss die Verfügbarkeit des FTS entsprechend hoch sein. Störungen sind zu vermeiden; treten sie dennoch auf, spielt ein erfolgreiches Störungsmanagement eine zentrale Rolle. Vor allem bei produzierenden Unternehmen können erhebliche wirtschaftliche Schäden auftreten, wenn Material nicht rechtzeitig an der richtigen Station angeliefert wird. Verzögerungen können die Termintreue gefährden. Zur Unterstützung der Betreiber und Hersteller von FTS soll deshalb im Rahmen des o. g. aktuellen Forschungsprojekts eine Lösung für die Praxis entwickelt werden.¹⁾ Entstehen soll u. a. ein Softwaredemonstrator, der gezielt Handlungsanweisungen zur Störungsbehebung gibt, die automatisiert oder teilautomatisiert realisiert werden.

Störungen bei Fahrerlosen Transportsystemen

FTS mit frei navigierenden Fahrzeugen sind im Betrieb vielen möglichen Störungen, wie beispielsweise Maschinenausfällen, FTF-Ausfällen, Hindernissen im Fahrweg oder Routensperrungen, ausgesetzt. Um die Ausfallzeiten gering zu halten, muss auf die Störungen schnell reagiert werden. Aktuell entscheiden zum einen Experten manuell und auf Basis von Erfahrungen, welche Maßnahmen (z. B. Routenumplanung, Fahrzeugaustausch, Auftragsdisposition) ergriffen werden müssen [3], zum anderen haben einige FTS in ihrer Steuerung Handlungsanweisungen für Problemfälle hinterlegt (z. B. Umfahrung des Hindernisses, Warten). Besonders bei flexiblen, frei navigierenden FTF ist die Art der Störungsbehebung aufwändig, weil zahlreiche Freiheitsgrade (z. B. diverse Routenalternativen, autonome Bahn- und Routenplanung, flexible Auftragsabarbeitung) vorliegen, die Störpotenzial enthalten. Zudem ist die manuelle Störungsbehebung nach Meinung der befragten Experten kosten-intensiv und im Erfolg von der Verfügbarkeit und Expertise der Mitarbeiter abhängig.

Einige Prozesse, wie die Planung der Transportreihenfolge oder die Routenplanung, sind teilweise automatisiert. Falls aber eine Störung auftritt, muss ein Experte selbstständig bewerten, welche Maßnahme ergriffen werden soll. Ist beispielsweise ein Weg durch ein liegengebliebenes Fahrzeug versperrt, hat der Experte zu entscheiden, ob ein Alternativweg geplant werden soll und/oder ein Ersatzfahrzeug eingesetzt wird und/oder die Transportreihenfolge geändert werden muss. Das qualifizierte Abwägen und Treffen dieser Entscheidungen führt aber zu einer Verzögerung mit negativen Folgen, wie z. B. Erhöhung der Durchlaufzeit, Reduktion der Termintreue, Reduktion der Auslastung und Erhöhung der Kosten zur Fehlerbehebung.

Bild 1 zeigt eine nach Literaturrecherchen zusammengestellte Übersicht der am häufigsten auftretenden Störungsquellen bei FTS. Vier Hauptgruppen sind erkennbar. So kann es zu Störungen direkt am Fahrzeug kommen, z. B. eine unterbrochene Stromversorgung durch fehlerhafte Akkus, die Verschmutzung von wichtigen Sensoren oder auch der komplette Ausfall eines FTF. Weiterhin können Störungen in der Routenplanung auftreten – hier sind vor allem die Kollision oder die Blockade von FTF zu nennen. Auch im Bereich der Systemsteuerung sind Störungen möglich, falls sich Auslastungen während des Betriebes ändern, Material fehlt oder Fahrzeuge nicht verfügbar sind. Eine vierte wesentliche Störungsquelle ist die Peripherie, wo der Betrieb beispielsweise durch variierende Lichtverhältnisse oder hervorstehende Teile der Ladung beeinträchtigt werden kann.

Tabelle ① zeigt einen Datensatz über die Zustände im Betrieb von vier FTF bei einem Partner des Forschungsprojekts „Automatisierte Auslegung von Wegenetzen für Fahrerlose Transportsysteme“ (AiF 18007 N) [4, 5]. Der Erfassungszeitraum betrug eine Woche. Erkennbar ist, dass die FTF 3,2 % der Zeit z. B. durch Hindernisse blockiert waren und in 1,5 % der Zeit Störungen auftraten. Folglich stand das FTS knapp 5 % der Zeit nicht zur Verfügung, was für das Unternehmen einen wirtschaftlichen Schaden bedeutet. Mit Blick auf die signifikanten Investitionskosten für FTS muss diese Ausfallzeit weiter reduziert werden.

Status Quo: Derzeitiges Störungsmanagement

Derzeitig werden Störungen beim Betrieb von FTF hauptsächlich manuell behoben. Es existiert allerdings eine Vielzahl von Maßnahmen, die manuell nur sehr aufwändig in ihrer Gesamtheit überprüfbar sind.

Folgende Maßnahmen werden bei Störungen u. a. durchgeführt:

• Planung von Alternativwegen (z. B. [6, 7, 8]): Sollte ein Weg z. B. durch Ware oder ein defektes FTF blockiert sein, und die Transportaufträge sind dringlich, dann müssen Alternativwege geplant werden, die den restlichen intralogistischen Transport nicht stören.
• Umplanung der Transportreihenfolge (z. B. [9, 10]): Ein Beispiel ist der Ausfall eines FTF. Falls dessen Transporte eine hohe Priorität haben, ist es sinnvoll, ein anderes Fahrzeug von seiner aktuellen Aufgabe zu lösen und ihm stattdessen den Transportauftrag des ausgefallenen FTF zuzuweisen. Ein anderes Beispiel ist die Störung einer Produktionsstation. Falls eine Station ausfällt, sind auch alle Vorgänger- und Nachfolgerstationen betroffen. Die Änderung der Transportreihenfolge kann einen Produktionsstau verhindern.
• Veränderung der Fahrzeuganzahl (z. B. [11]): Falls ein Fahrzeug einen größeren Schaden hat und eine längere Reparaturzeit absehbar ist, muss die Anzahl der Fahrzeuge im Bedarfsfall spontan verändert werden. Dabei muss bewertet werden, ob es sich lohnt, ein Ersatzfahrzeug einzusetzen, oder ob die Reparatur einen Zeitrahmen einhält, in dem die laufende Produktion nicht gefährdet wird.

Die aufgeführten Maßnahmen sind nur ein Auszug aus den Möglichkeiten, die ein Experte manuell im Falle einer Störung veranlasst. Die manuelle Veranlassung und Planung von Maßnahmen zum Beheben der Störung ist allerdings sehr zeitintensiv und erheblich von der Verfügbarkeit der Experten abhängig. Zurzeit existiert noch keine Lösung, die automatisiert Störungen behebt.

Automatisierte Behebung der Störungen durch Case-based Reasoning

Eine mögliche perspektivische Lösung, um automatisiert und wissensbasiert auf Störungen zu reagieren, ist das Case-based Reasoning [12]. Dieses Verfahren besteht aus vier Teilschritten (Bild 2). In Schritt 1 wird eine Fallbasis angelegt, in der die zuvor gesammelten Störungsfälle (z. B. Fehlermeldung Sensor, blockierter Wegabschnitt) einschließlich Lösung gespeichert werden. Auf diese Fallbasis wird zugegriffen, wenn eine Störung auftritt. In Schritt 2 wird – ausgehend von einer aktuellen Störung – auf einen ähnlichen Fall zurückgegriffen. Dieser Schritt wird als „Retrieve“ bezeichnet. Dafür muss eine geeignete Zugriffsart auf die Datenbank definiert werden sowie ein semantischer Abgleich der aktuellen Störung mit den historischen Störungen stattfinden, um eine ähnliche Störung zu finden. Anschließend werden in Schritt 3 („Reuse“) die bekannten Lösungen (z. B. Generierung eines Alternativwegs) zu den gefundenen ähnlichen Störungen extrahiert und auf ihre Anwendbarkeit hin evaluiert. Die Lösung, die nach der Evaluation die besten Ergebnisse für das Gesamtsystem hat, wird für den nächsten Schritt bereitgestellt. In Schritt 4 („Revise“) wird die ausgewählte Lösung so adaptiert (z. B. Erhöhen der Wartezeit), dass sie auf die aktuelle Störung anwendbar ist. In Schritt 5 („Retain“) wird die neue Lösung zur Fallbasis hinzugefügt und steht für neue Störungsfälle bereit. Falls keine Lösung gefunden wird, muss ein Experte wie gewohnt eingreifen. Die neue Lösung für den neuen Störungsfall soll anschließend in die Falldatenbank übernommen werden und für einen erneuten Störungsfall zur Verfügung stehen.

Wie eine mögliche Falldatenbank für FTS aussehen könnte, zeigt das im Bild 3 dargestellte Beispiel. Hierbei werden Störungen am Fahrzeug, in der Peripherie und in der Systemsteuerung unterschieden. Bei der Störungsursache „Fahrantrieb defekt“ könnten vorhandene Lösungen z. B. „Bestellung Ersatzfahrzeug“ oder „Reparatur des Fahrzeugs“ sein. Zusätzlich wird der jeweilige Aufwand für die Lösung vom Experten bewertet, so dass abgeschätzt werden kann, wie lange eine potenzielle Lösung dauert.

Erwarteter Nutzen für die Unternehmen

Der Nutzen, der sich aus der im Forschungsprojekt zu entwickelnden Lösung für die automatisierte Reaktion auf Betriebsstörungen von FTS ergibt, ist vielschichtig. Kleine und mittlere Unternehmen (KMU), die FTS anwenden, können das Risiko von Ausfällen mindern und damit langfristig die Produktionseffizienz steigern. KMU, die FTS vertreiben, können zusätzlich zur Hardware eine Software anbieten, die für einen standardisierten und risikoreduzierten FTS-Betrieb sorgt. Investoren haben die Möglichkeit, den langfristigen Erfolg der Rendite zu sichern, indem einmal installierte FTS ohne langwierige Störungsausfälle betrieben werden können. Der Einsatz des Expertensystems ist die Basis dafür, die Objektivität bei der Bewertung von Störungen und deren Behebungsmaßnahmen zu gewährleisten. Dadurch ist die Qualität der Störungsbehebung nicht mehr ausschließlich vom Erfahrungswissen eines Experten abhängig. Somit profitieren vor allem KMU, die über geringe Personalressourcen verfügen.

Ausblick auf die nächsten Projektschritte

Für alle Unternehmen, die ein FTS betreiben wollen, ist es wichtig, Störungen, die durch die Integration oder den Betrieb der FTF entstehen, effizient beheben zu können. Die Ergebnisse des im Mai 2017 begonnenen Forschungsprojekts sollen erstmalig eine automatisierte Reaktion auf FTS-Störungen durch die Modellierung der Entscheidungskompetenz von Experten sowie die Einbeziehung von Dringlichkeiten der Störung ermöglichen. Dadurch sollen FTS-Ausfallzeiten verringert und die Wettbewerbsfähigkeit von KMU erhöht werden. In den nächsten Schritten des Projekts werden historische und potenzielle Störungsquellen dokumentiert und analysiert. Gesucht werden hierfür sowohl FTS-Anwender, die Daten über Störungen liefern, als auch Hersteller von FTS, die Beiträge zum Aufbau der Falldatenbank und zur Integration von Expertenwissen leisten können. Unternehmen, die am Forschungsprojekt teilnehmen möchten, erhalten detaillierte Informationen über die E-Mail-Adresse uttendorf@iph-hannover.de.

Autor: S. Uttendorf, B. Eilert, M. Stonis, L. Overmeyer

Literatur

1. Brauindustrie 06/2014: „Welche Last wie handhaben? – Fahrerlose Transportsysteme im Blocklager. http://fzarchiv.sachon.de/Zeitschriftenarchiv/Getraenke-Fachzeitschrift….
2. Wiseguyreports: Automated Guided Vehicles Market Outlook – Global Trends, Forecast, and Opportunity Assessment (2014-2022), Statistics MRC.
3. Fahrentholz, M.: Konzeption eines Betriebskonzepts für ein bedarfsgesteuertes schienengebundenes Shuttlesystem. Universität Paderborn, Dissertation. Verlagsschriftenreihe des Heinz-Nixdorf-Instituts, Paderborn, Band 157, Januar 2004.
4. Uttendorf, S.; Eilert, B.; Overmeyer, L.: Combining a fuzzy inference system with an A* algorithm... In: at – Automatisierungstechnik: Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik, Bd. 65, H. 3 (März 2017).
5. Uttendorf, S.; Eilert, B.; Overmeyer, L.: A fuzzy logic expert system ... In: 2016 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), p.977-981, 2016.
6. Reveliotis, S.: Conflict resolution in AGV systems. IEEE Transactions (2000) 32, S. 647-659.
7. Mors, A.; Witteveen, C.; Zutt, J.; Kuipers, F.: Context-Aware Route Planning. In: Multiagent System Technologies, Volume 625, S. 138-149, 2010.
8. Abraham, I.; Delling, D.; Goldberg, A.; Werneck, R.: Alternative Routes in Road Networks. In: Alternative routes in road networks. ACM J. Exp. Algor. 18, 1, Article 1.3 (April 2013).
9. Oliveira, H.; Vasconcelos, G.: A hybrid search method for the vehicle routing problem with time windows. In: Annals of Operations Research, Volume 180, Issue 1, S. 125-144.
10. Frazzoli, E.: Decentralized algorithms for vehicle routing in a stochastic time-varying environment. In: Decision and Control, 2004. CDC. 43rd IEEE Conference, 2004, pp. 3357-3363, Vol. 4.
11. Hoshino, S.; Ota, J.; Shinozaki, A.; Hashimoto, H.: Optimal Design Methodology for an AGV Transportation System using the queuing Network Theory. In: Distributed Autonomous Robotic Systems 6, S. 411-420, 2007.
12. Hutter, H.: Case Based Reasoning – Konzepte und Anwendungsbeispiele. München: Grin Publishing, 1. Aufl.

Ausgabe 7-8/2017