Autonom zur Produktionslinie

Während die Fertigungslinien in der produzierenden Industrie heute hochgradig automatisiert sind, findet die Versorgung mit Nachschub überwiegend noch manuell statt. Routenzüge oder einfache Fahrerlose Transportfahrzeuge (FTS) skalieren häufig nicht wirklich, da beim Be- oder Entladen jeweils wieder manuelle Arbeit erforderlich wird.

Eine autonome Lösung für mehrere Prozessschritte

„Soto 2“ kombiniert die elementaren Prozessschritte in einer einzigen, vollständig autonomen Lösung: die Aufnahme von unterschiedlich großen KLT, der autonome Transport von mehreren KLT von Quelle zu Senke sowie die Abgabe in Durchlaufregale auf unterschiedlichen Höhen. Das Einsammeln von Leergut sowie die Rotation von Kleinladungsträgern um 90 Grad bis 180 Grad gehören ebenfalls zum Fähigkeiten-Repertoire des neuen Roboters. Patric Brucker, Fertigungsplaner bei Vega, ist überzeugt: „Mobile und intelligente Roboter sind eine wertvolle Komponente, um die Intralogistik zukunftssicher zu gestalten.“ Der „Soto 2“ sei dabei das letzte Puzzleteil, um die Materialversorgung bei Vega umfänglich zu automatisieren. Eingesetzt wird der Roboter für die letzte Meile, um die KLT vom automatisierten Kleinteilelager direkt zu den Montageplätzen zu liefern.

Felix Benak, verantwortlicher Sales Engineer bei Magazino, ergänzt: „In dem rund einjährigen Projekt wird ‚Soto‘ von einer Pilotumgebung schrittweise in die reale Produktionsumgebung integriert. Ziel ist es, den Roboter bei Vega in einen sicheren und produktiven Realbetrieb mit hohen Verfügbarkeiten zu überführen.“

De Prototyp wurde getestet und überarbeitet

Gemeinsam mit mehreren Partnern aus der deutschen Industrie hat Magazino den bisherigen Prototyp des Roboters in den letzten zwei Jahren getestet und komplett überarbeitet. Zu den neuen Fähigkeiten gehören ein gesteigertes Objektgewicht von bis zu 20 Kilogramm pro KLT, eine Transport-Kapazität von bis zu 24 KLT im Fahrzeug sowie ein omnidirektionaler Antrieb.

Computervision und zahlreiche Sensoren ermöglichen dem Roboter ein Verständnis der Umwelt sowie eine freie Navigation – auch in einer dynamischen Umgebung, in der sich permanent Menschen, Flurförderzeuge und andere autonome Fahrzeuge bewegen. Der Einsatz Künstlicher Intelligenz sowie eine Vernetzung per Cloud lassen die Roboter aus ihren Erfahrungen lernen, Erkenntnisse über Änderungen in der Umwelt austauschen und somit stetig robuster und leistungsfähiger werden. (ck)