On-board Systems zur Erhöhung der Arbeitssicherheit bei Gabelstaplern durch die multidimensionale Erkennung von Ladungsfeatures

Der Einsatz von Gabelstaplern gehört in sehr vielen deutschen Unternehmen zum Arbeitsalltag. Diese weisen eine hohe Flexibilität auf bei gleichzeitig geringen Investitionskosten. Demnach sind sie ideal geeignet, um schnell und mit geringem Aufwand Güter zu transportieren, weshalb sie auch künftig weiterhin ein wichtiger Bestandteil von Unternehmen sein werden. Aus diesem Grund nehmen die Sicherheit und der Umgang mit Staplern eine wichtige Rolle ein und die Beteiligten werden regelmäßig mit Herausforderungen konfrontiert. Werden die Ursachen von schweren und teilweise tödlichen Unfällen betrachtet, dann sind diese meist auf das Fehlverhalten von Fahrern und mangelnder betrieblicher Organisation zurückzuführen. Und obwohl die Unfallzahlen im Bereich der allgemeinen Arbeitsunfälle seit Jahren rückläufig ist, gilt diese Tendenz nicht für Unfälle mit Gabelstablern. Werden hierbei die besonders schwerwiegenden, tödlichen Unfälle betrachtet, dann sind diese mit großem Abstand auf die sogenannten „Kippunfälle“ zurückzuführen. Im Rahmen der Untersuchung der DGUV resultieren diese Art von Unfällen oftmals durch zu schnelle Kurvenfahrten und/oder durch das unsachgemäße Beladen des Staplers. Für eine sichere und effiziente Nutzung des Staplers ist daher das korrekte Wissen von Volumen und Gewicht es Staplers als auch der Beladung erforderlich.

Neben den Sicherheitsaspekten für die Gabelstapler sind diese Informationen auch für die Sicherheit angrenzender Prozesse, beispielsweise beim Beladen eines LKWs, von hoher Wichtigkeit. Diese sind für den Fahrer essenzielle Daten, da er damit einschätzen kann, mit wie vielen Paketen der Stapler einerseits sicher betrieben und andererseits wie ein LKW gleichmäßig beladen werden kann. Beim LKW geht fehlerhafte Beladung auch mit vermeidbaren Nachteilen, z.B. höherer einseitiger Verschleiß und schlechtere Fahreigenschaften, die wiederum zu höheren Risiken in Bezug auf Fahrunfälle führen, einher. Aus diesem Grund ist das genaue Ermitteln des Volumens und Gewichts entscheidend für einen risikolosen und effizienten Arbeitsprozess.

Jedoch ist eine Bestimmung dieser Parameter nicht nur sinnvoll für die Sicherheitsaspekten, sondern auch bei Betrachtung der sonstigen Prozesse, in die der Gabelstapler involviert ist. In der gesamten Lieferkette ist das Volumengewicht der Ladung ebenfalls von großer Bedeutung. Die optimale Ausnutzung von Laderaum, die korrekte Abrechnung von Speditionsleistungen, die Identifikation der Ladung, das Erkennen von Beschädigungen und eben auch die Einhaltung von Sicherheitsstandards bei der Beladung von LKWs oder Seecontainern gehen damit einher.

Zu entwickeln ist ein valides on-board System, welches durch eine multidimensionale Erkennung von Ladungsfeatures die Arbeitssicherheit bei Gabelstaplern und ein effizientes Messen von Frachten ermöglicht. Die Entwicklung erfolgt vor dem Hintergrund, dass es weltweit bislang kein funktionales und zuverlässiges automatisiertes System gibt.

Grundlegend neu ist die Auslegung als intelligentes on-board System. Das bedeutet, dass das neue System, inclusive der Sensoren und Recheneinheiten, direkt in den Gabelstapler integriert werden kann und somit das Messen und Wiegen der Waren durch den Gabelstapler ermöglicht. Dadurch ist künftig keine manuelle oder stationäre Arbeit mehr notwendig, da die Prozesse des Wiegens, Messens und Identifizierens direkt in den Transportprozess integriert und automatisiert werden. Mit den Sensordaten sowie einer Anbindung an ein WMS können die transportierten Waren genauestens bestimmt werden.

Bereits bestehenden Vorrichtungen und Verfahren lassen sich, aufgrund der grundlegenden anderen Bauweise der bestehenden Systeme nur bedingt auf das neue, vollständig automatisierte System übertragen. Vielmehr sind grundsätzlich neue Vorrichtungen und Verfahren zu entwickeln. Nicht nur die Hardware, sondern auch die dem System zugrundeliegende Software spielt eine zentrale Rolle. Diese muss das Volumen sowie das Gewicht sowie die Masseverteilung innerhalb eines Ladungsträgers genauestens bestimmen können. Somit erfolgen die Prozesse deutlich effizienter und die Gesamtrisiken lassen sich minimieren.

Mit Hilfe des modularen Aufbaus können Reparaturen leicht und schnell vorgenommen werden. Aus der Verbindung der Sensorinformationen zur Lastverteilung auf der Gabel und der 3D-Punktewolke aus Tiefenkameras können wichtige Informationen auch für den späteren Weitertransport im LKW und die dort erforderliche Ladungssicherung ermittelt werden.

Als erster Schritt erfolgt eine Anforderungsanalyse bezüglich der Rahmenbedingungen, in denen sich das System befindet. Hierzu zählen Umweltbedinungen, Sensoreigenschaften und Softwareanforderungen. Diese werden in einem Gesamtarchitektur festgehalten.

Anschließend werden die entsprechenden Hardwarekomponenten in Einzelversuchen verbaut und erste Aufnahmen durchgeführt. Diese werden mit den Anforderungen verglichen und ggf. neue Sensorik getestet.

Auf Basis der Daten aus den Sensoren wird parallel damit begonnen, die Software für die Einzelkomponenten zu entwickeln. Diese dient dazu, die entstehenden Informationen über den Schwerpunkt auf den Gabelzinken zu berechnen und die Punktwolken für die Geometrie der Ladung durch Volumen zu beschreiben.

Diese Einzelkomponenten werden kontinuierlich unter Laborbedinungen weiterentwickelt, bis die gewünschen Anforderungen erfüllt sind.

Danach wird die Software erweitert, um die beiden Informationen über Lastschwerpunkt und Volumen zu kombinieren und komplexe Informationen, wie das Einhalten des Lastdiagramms oder ungünstige Lastverteilung auf der Palette zu identifizieren.

Im letzten Schritt wird das dadurch entstehende Gesamtsystem unter realistischen Bedinungen getestet und weiter optimiert.

Das ZIM-Vorhaben KK5178905FM1 wird über die AiF im Rahmen des Programms Zentrales Innovationsprogramm Mittelstand (ZIM) vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestags gefördert.