{"id":247,"date":"2015-11-09T12:59:00","date_gmt":"2015-11-09T12:59:00","guid":{"rendered":"https:\/\/framos.com\/articles\/case-study-lebensmittellogistik-at-its-best-automatisierung-durch-bildverarbeitung\/"},"modified":"2024-04-24T21:19:55","modified_gmt":"2024-04-24T21:19:55","slug":"case-study-lebensmittellogistik-at-its-best-automatisierung-durch-bildverarbeitung","status":"publish","type":"articles","link":"https:\/\/framos.com\/de\/fachartikel\/case-study-lebensmittellogistik-at-its-best-automatisierung-durch-bildverarbeitung\/","title":{"rendered":"Case Study: Lebensmittellogistik \u00e2\u20ac\u017eAt its best\u00e2\u20ac\u0153 – Automatisierung durch Bildverarbeitung"},"content":{"rendered":"
\n

Der Lebensmittelhandel geh\u00f6rt zu den preislich am h\u00e4rtesten umk\u00e4mpften M\u00e4rkten \u00fcberhaupt – effiziente Prozesse, insbesondere auch in der Logistik, spielen deshalb eine wichtige Rolle. In einem Gro\u00dfprojekt, mit dem das Zentrallager eines f\u00fchrenden Lebensmittelh\u00e4ndlers automatisiert wurde, sorgen FRAMOS-L\u00f6sungen an verschiedenen Verarbeitungsstationen mit Bildverarbeitung und selbstlernenden Algorithmen\/Klassifikatoren f\u00fcr reibungslose Prozesse. So k\u00f6nnen zum Beispiel die Anlagen in der Leergutzentrale verschiedenste Gebindetypen erkennen und entscheiden, in welche Waschstra\u00dfe sie gefahren werden m\u00fcssen, selbst wenn diese stark verschmutzt oder mit gro\u00dfen Aufklebern beklebt sind.<\/p>\n<\/blockquote>\n

Innerhalb der Lieferkette des Logistikzentrums einer Schweizer Supermarktkette werden momentan 4 unterschiedliche Sortier- und Erkennungsaufgaben mit Hilfe des Framos Know Hows (Sorting Intelligence) und eigens entwickelten Anlagenkonzepten gel\u00f6st. Diese k\u00f6nnen beispielhaft f\u00fcr die Logistikautomatisierung und das dahinterliegende Optimierungspotenzial innerhalb des Einzel- und Versandhandelsgesch\u00e4ftes gesehen werden.<\/p>\n

1) Frischwaren-Anlieferung: Gebindetypen identifizieren<\/strong><\/p>\n

Klassischerweise werden Frischwaren verschiedener Produzenten in Mehrweg-Beh\u00e4ltern unterschiedlichster Auspr\u00e4gung, sogenannten \u00e2\u20ac\u017eGebinden\u201c, im Logistikzentrum angeliefert. Im Bereich der Frischelogistik ist das ein sogenannter K\u00e4lteautomat, ein auf drei Grad herunter gek\u00fchltes Geb\u00e4ude, in dem die ankommenden Waren \u00fcber eine F\u00f6rdertechnik herein laufen. Die auf Rollw\u00e4gen aufget\u00fcrmten Gebinde werden ins Lager gefahren und m\u00fcssen dort zur Einlagerung entstapelt werden. In einem Gebindeturm k\u00f6nnen dabei Gebinde unterschiedlichen Typs vorkommen, lediglich nebeneinander befindliche Beh\u00e4lter auf der gleichen Lage im Gebindeturm sind von der gleichen Sorte.<\/p>\n

Das Entstapeln der knapp zwei Meter hohen Gebindet\u00fcrme wird \u00fcber einen Klemmf\u00f6rderer am oberen Ende eines Hebeautomaten realisiert. Damit dieser Prozess richtig funktioniert, muss der Gebindetyp der jeweils obersten und der darunterliegenden Lage erkannt werden. Hier kommt das erste der FRAMOS-Systeme zum Einsatz: Mittels 6 LED-Barlights der Firma Falcon wird eine Dunkelfeld-Beleuchtung realisiert, die die Griffmulden und Durchbr\u00fcche in den Gebindenw\u00e4nden hervorhebt. Eine 1,3MP-Kamera der Firma Smartek (GC1391M) generiert eine Aufnahme der jeweils obersten zwei Lagen des Gebindeturms und f\u00fchrt diese dem Machine-Learning-Klassifikator zu. Dieser kann, basierend auf zuvor \u00e2\u20ac\u017egelernten\u201c Aufnahmen, die Gebinde in diesen Lagen klassifizieren. Anschlie\u00dfend werden die Ergebnisse an die Anlagensteuerung \u00fcbermittelt, die oberste Lage entstapelt und anschlie\u00dfend weiter vereinzelt. Der Gebindeturm wird dann um die jetzt bekannte H\u00f6he der n\u00e4chsten Lage angehoben und der Prozess beginnt von vorne, bis keine Lagen mehr vorhanden sind und der Turm komplett entstapelt ist.<\/p>\n

Durch den Einsatz lernender Algorithmen ist es dem FRAMOS-System m\u00f6glich selbst jene Gebinde korrekt zu klassifizieren, die zu gro\u00dfen Teilen von Papieretiketten verdeckt sind, Besch\u00e4digungen aufweisen oder stark verschmutzt sind. Aktuell k\u00f6nnen so 20 verschiedene Gebindetypen robust und zuverl\u00e4ssig klassifiziert werden. Ein weiterer gro\u00dfer Vorteil des gew\u00e4hlten Ansatzes besteht darin, dass mit geringem Aufwand neue Gebinde zu den vorhandenen Typen hinzugef\u00fcgt werden k\u00f6nnen. Dazu ist es lediglich n\u00f6tig, in einer \u00e2\u20ac\u017eLernphase\u201c Bilder der neuen Gebinden in der Anlage zu generieren und einzulernen. Mit einer regelbasierten Klassifizierung w\u00e4re dabei sehr schnell die Grenzen der Machbarkeit erreicht.<\/p>\n

Nutzen:<\/strong> Durch den Einsatz lernender anstatt regelbasierter Klassifikatoren k\u00f6nnen trotz hoher Variationsvielfalt innerhalb einer Klasse bei einer gleichzeitig hohen Klassenanzahl robuste Klassifikationsergebnisse erzielt werden und ist somit ideal geeignet f\u00fcr vielz\u00e4hlige Sortieraufgaben in der Logistik.<\/p>\n\n\n\n
\"Kiste1\"<\/td>\n<\/td>\n\"Kiste2\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

2) Leergutzentrale: Ifco-Gebinde automatisch entfalten<\/strong><\/p>\n

Obst und Gem\u00fcse wird bei diesem Schweizer Unternehmen in faltbaren Mehrwegbeh\u00e4ltern, sogenannten IFCO-Gebinden an die Filialen ausgeliefert und nach Entnahme der Waren gefaltet und gestapelt zur\u00fcckgesandt. Es gibt dabei \u00e2\u20ac\u017ehalbe\u201c und \u00e2\u20ac\u017eganze\u201c dieser Kunststoff-Normgebinde mit jeweils 300mm bzw. 600 mm L\u00e4nge, wobei nur halbe Leergebinde auf ganze gestapelt werden k\u00f6nnen und nicht umgekehrt. Die leeren Boxen kommen als Turm von bis zu 1,80 H\u00f6he im der Leergutzentrale an und m\u00fcssen hier zur weiteren Verarbeitung wiederum automatisiert entstapelt werden. Die hierf\u00fcr eingesetzte 3-Achs-Roboter-Anlage ben\u00f6tigt dazu die genaue Anzahl an Lagen ganzer Gebinde im unteren Bereich und die Anzahl an Lagen halber Gebinde im oberen Bereich des Gebindeturms. Daf\u00fcr wird durch das FRAMOS Messsystem eine Laserlinie vertikal \u00fcber die gesamte Stapelh\u00f6he projiziert und das so entstehende Profil durch eine 5MP-CCD-Kamera (Smartek GC2441) mit Bandbreiten-Filter aufgenommen. Durch das spezifische Muster der ganzen und halben Kisten und an allen \u00c3\u0153berg\u00e4ngen, ist eine robuste Unterscheidung der Gebindetypen und die Lagenz\u00e4hlung m\u00f6glich. Diese Informationen werden der Robotersteuerung vor jedem Greifvorgang \u00fcbermittelt.<\/p>\n

Der Roboter kann so sortenreine Stapel bauen, die dann automatisch auf den Weg in die jeweilige Waschstra\u00dfe gebracht werden. Insgesamt sind in diesem Logistikprojekt zwei Ifco-Entstapler im Einsatz.<\/p>\n

Nutzen: <\/strong>Durch den Einsatz von Linienlaser und Bandbreitenfilter wird eine hohe Robustheit gegen\u00fcber \u00c4nderungen in der Umgebungsbeleuchtung aber auch Variationen in der Objektrepr\u00e4sentation wie Verschmutzung oder Farb\u00e4nderungen erreicht. Die hohe Aufl\u00f6sung der Kamera erm\u00f6glicht eine robuste Auswertung der Laserlinie \u00fcber die gesamte Stapelh\u00f6he.<\/p>\n

3) <\/strong>Interne Waschung: Gebindesortierung vor der Waschstra\u00dfe<\/strong><\/p>\n

Neben den IFCO-Beh\u00e4ltern m\u00fcssen auch alle anderen, nicht faltbaren Gebindetypen in der Leergutzentrale sortiert werden. Eine Aufgabe besteht darin, die drei verschiedenen unternehmenseigenen Gebinde von den Gebinden anderer Hersteller zu trennen, damit diese vor der Wiederverwendung gewaschen werden k\u00f6nnen. Dazu wurden FRAMOS VLG Dimensionsmesssysteme in insgesamt acht F\u00f6rdertechniklinien integriert. Diese bestehen aus jeweils einem horizontalen sowie einem vertikalen Lichtgitterpaar. Bei Passage eines Objektes durch den so aufgespannten Lichtvorhang wird ein Teil der Linien blockiert und man erh\u00e4lt so die Konturinformation des Messobjekts. Alle vorkommenden Gebinde passieren eines der Volumen-Licht-Gitter mit einer Geschwindigkeit von 0.65 m\/s. Das VLG erfasst die \u00e4u\u00dferen Abmessungen sowie das Durchbruchmuster. Zwei der drei hauseigenen Gebinde k\u00f6nnen rein durch ihre Abmessungen von allen Lieferantengebinden unterschieden werden. Die dritte Gebindeart jedoch hat Standardma\u00dfe und unterscheidet sich nur durch die seitliche Musterstruktur von Gebinden fremder Hersteller. Durch eine effiziente Merkmalsextraktion dieses Durchbruchmusters konnte ein Deskriptor generiert werden, der eine robuste Klassifizierung des Gebindetyps erm\u00f6glicht, ohne dass Verschmutzungen oder Verdeckung von Teilbereichen die Klassifikation beeintr\u00e4chtigt.<\/p>\n

F\u00fcr jedes Gebinde, dass die Messstationen passiert, wird ein Ergebnis an die Anlagensteuerung und den verbunden Pusher \u00fcbertragen, der die hauseigenen Gebinde vom F\u00f6rderband schiebt.<\/p>\n

Nutzen:<\/strong>Der Einsatz der Framos VLG Volumenmesssysteme erm\u00f6glichte eine einfache, extrem robuste und leicht zu wartende Alternative zu einer kamerabasierten Typenerkennung. Speziell konnte dadurch auch der Softwareentwicklungsaufwand minimiert werden.<\/p>\n

4) Leergutzentrale: Gebinde in Hochgeschwindigkeit klassifizieren und sortieren<\/strong><\/p>\n

Nach der Aussortierung der hauseigenen Gebinde m\u00fcssen die Fremdgebinde sortiert werden, um Sie an die jeweiligen Lieferanten zur\u00fcckzuschicken. Insgesamt handelt sich es sich um 16 verschiedene Gebindetypen, von denen sich viele nicht allein durch die Au\u00dfenma\u00dfe unterscheiden lassen. In dieser Hochgeschwindkeitsanlage (1,75 m\/s) ist das derzeit schnellste Lichtgittersystem von FRAMOS, das VLG SHS (Super High Speed) verbaut, mit welchem eine L\u00e4ngenaufl\u00f6sung von unter 3 mm erreicht wird. Zus\u00e4tzlich zur Analyse der Dimensionen und der Durchbruchmuster wird in dieser Messstation auch eine Farbkamera eingesetzt, da sich einige Gebinde nur durch die Farbe unterscheiden lassen. Hierbei werden hohe Anforderungen an die Reproduzierbarkeit der Farberkennung gestellt, da sich die Farbe der Gebinde durch Jahre intensiven Gebrauchs, Verschmutzungen und aufgeklebte Etiketten auch innerhalb einer Klasse stark unterscheiden kann.<\/p>\n

Das Ergebnis der Klassifizierung wird an die Steuerung \u00fcbertragen, die das Gebinde der korrekten Ausschleusbahn zuordnet. Am Ende baut ein Roboter neue, sortenreine T\u00fcrme. So nach Gr\u00f6\u00dfen geordnet, werden die Gebinde im Anschluss zur\u00fcck zum jeweiligen Lebensmittelhersteller geschickt.<\/p>\n

Nutzen:<\/strong>Die gleichen Algorithmen wie in der Typenerkennung der Gebindewaschstra\u00dfe konnten auch hier wieder erfolgreich eingesetzt werden und musste lediglich um einen robusten Farbdeskriptor erweitert werden.<\/p>\n","protected":false},"excerpt":{"rendered":"

Innerhalb der Lieferkette des Logistikzentrums einer Schweizer Supermarktkette werden momentan 4 unterschiedliche Sortier- und Erkennungsaufgaben mit Hilfe des Framos Know Hows (Sorting Intelligence) und eigens entwickelten Anlagenkonzepten gel\u00f6st. Diese k\u00f6nnen beispielhaft f\u00fcr die Logistikautomatisierung und das dahinterliegende Optimierungspotenzial innerhalb des Einzel- und Versandhandelsgesch\u00e4ftes gesehen werden.<\/p>\n","protected":false},"author":6,"featured_media":250,"comment_status":"closed","ping_status":"closed","template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false},"article-category":[],"article-tag":[],"class_list":["post-247","articles","type-articles","status-publish","format-standard","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/articles\/247","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/articles"}],"about":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/types\/articles"}],"author":[{"embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/comments?post=247"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/media\/250"}],"wp:attachment":[{"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/media?parent=247"}],"wp:term":[{"taxonomy":"article-category","embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/article-category?post=247"},{"taxonomy":"article-tag","embeddable":true,"href":"https:\/\/framos.com\/de\/wp-json\/wp\/v2\/article-tag?post=247"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}