Lagersysteme: Optimierung durch Software

Nicht zuletzt in der E-Commerce-Logistik müssen Shuttlesysteme einen hohen Durchsatz ermöglichen, damit die Betreiber den Erwartungen der Endkundeneiner schnellen Auftragsabwicklung gerecht werden können. Auf diese Anforderungen zielt auch das skalierbare Shuttlesystem „GEBHARDT StoreBiter OLS X“ ab. Es fußt auf der Kombination etablierter Shuttle- und FTS-Technologien und besteht aus zwei oder mehreren Gassen, die in mehrere Ebenen aufgeteilt werden.

Jede Ebene wird dabei – je nach Leistungsanforderung – mit einem oder mehreren Shuttles bestückt. Die Gassen sind über Plattformen miteinander verbunden. Das Shuttlesystem ermöglicht laut der Gebhardt Intralogistics Group aus Sinsheim einen freien, schienenlosen und unkomplizierten Wechsel der Fahrzeuge zwischen den Gassen. Mit dem GEBHARDT StoreBiter OLS X lassen sich unterschiedliche Fördergüter wie Behälter, Tablare oder Kartons einfach- oder mehrfachtief lagern – bei unterschiedlicher Fördergutabmessung in einem Lager. Standardisierte Heber/Arbeitsplatz-Kombinationen, die direkt an das Lager angebunden werden, zahlen auf die Layoutflexibilität ein. Je nach Anforderungen lässt sich das System in der Länge und Breite um Gassen sowie um Arbeitsplätze erweitern und mit einem oder mehreren Shuttles bestücken. So kann man es schrittweise erweitern, auch im laufenden Betrieb.

Zudem kann das Shuttle das Lager wie ein bewährtes FTS verlassen, um Arbeitsplätze direkt anzufahren. Auf diese Weise lassen sich wenig frequentierte Arbeitsplätze auch ohne Fördertechnik versorgen. Die klassische Fördertechnik-Vorzone mit Loop entfällt. Das System ist nur innerhalb der Gassen auf eine Schienenführung angewiesen und verzichtet außerhalb auf wartungsintensive mechanische Wechselfahrwerke.

Die Gebhardt Intralogistics Group brachte den „GEBHARDT StoreBiter OLS X“ 2018 auf den Markt. Das Intralogistikunternehmen startete 2019 zusammen mit dem Institut für Fördertechnik und Logistik (IFT) der Universität Stuttgart in die KI-Optimierung – im Rahmen eines vom Bundeswirtschaftsministeriums geförderten Projekts. „Das Shuttlesystem eignet sich besonders für eine Optimierung durch künstliche Intelligenz, weil es viele Freiheitsgrade hat“, sagt Marco Gebhardt, Geschäftsführer der Gebhardt Intralogistics Group. Es liege ein nützlicher Anwendungsfall für KI vor.

Jede Entscheidung zählt

Ob Ein- oder Auslagerung oder die Auswahl des Arbeitsplatzes – jede Entscheidung zieht unmittelbar eine Auswirkung auf die Leistungsfähigkeit des Systems nach sich. Wenn zum Beispiel mehrere Shuttles denselben Weg zu einem Heber nutzen, kommt es zu Behinderungen und in deren Folge zu Stau und somit zu einem verringerten Durchsatz. Wie häufig sich die Shuttles blockieren, hängt von der Reihenfolge ab, in der die Aufträge bearbeitet werden.

Während in klassischen starren Systemen laut dem Intralogistikunternehmen meist im Rahmen der Inbetriebnahme die Strategien zu Auftragsbearbeitung definiert und dauerhaft festgelegt werden, ist dies für ein flexibles System wie das GEBHARDT StoreBiter OLS X-System nicht zielführend. Erst durch das flexible und stetige Anpassen der Strategien an die sich verändernden Bedingungen, ausgelöst durch zum Beispiel das Saisongeschäft, werde ein Leistungsoptimum erreicht und das Potenzial eines hochflexiblen Systems optimal ausgeschöpft.

Dazu baut Gebhardt auf das Deep Reinforcement Learning. Die Technologie kommt zum Einsatz, um eine Durchsatzerhöhung zu ermöglichen und intelligente Auslagerstrategien für Shuttlesysteme anzubieten. Ein sogenannter Agent beobachtet hierzu fortwährend den anwenderspezifischen Systemablauf und errechnet Verbesserungen, etwa in der Auftragsreihenfolgeplanung oder den Shuttle-Vorfahrtsregeln. Anschließend beobachtet der Agent das Ergebnis und führt weitere Optimierungen durch. Aufträge werden also sortiert beziehungsweise der Agent stellt Parameter um und führt Tests mit den neuen Parametern durch.

Diese „Trainings“ werden in der virtuellen Welt in einem Simulationsprogramm durchgeführt. Der Softwareagent lernt die Reihenfolge so zu bilden, dass die Zeit zur Erledigung aller Aufträge minimiert wird. Lediglich die sinnvollen Ergebnisse, Strategien und Parameter zum Betrieb werden in der realen Anlage angewendet.

„Der digitale Zwilling trainiert das reale Lager“, fasst Gebhardt zusammen. „Der digitale Zwilling sucht ständig Optimierungen, diese Settings werden dann auf den Realbetrieb übertragen.“ Man könne sich dies, so Gebhardt, „wie ein ständiges Update vorstellen“. Großer Vorteil: „Den digitalen Zwilling kann man in viel höherer Geschwindigkeit laufen lassen als den Realbetrieb.“

Auch Reaktionen und Anpassungen auf aktuelle Bedingungen, zum Beispiel verändertes Kaufverhalten, werden dem Intralogistikexperten zufolge einbezogen. „Über KI-Optimierung lässt sich im Durchschnitt eine Leistungssteigerung des Gesamtsystems von zehn bis 20 Prozent erzielen“, sagt Marco Gebhardt. Da es sich um eine Softwarelösung handelt, ließen sich auch Shuttle-Bestandsanlagen nachrüsten.

Einsatz bei Anwendern

Das Forschungsprojekt mit dem Institut für Fördertechnik und Logistik der Universität Stuttgart läuft noch bis 2023. „Nach Projektschluss soll die KI-Optimierung bei Anwendern des StoreBiter OLS X in den Livebetrieb gesetzt werden“, blickt Marco Gebhardt in die Zukunft.

Matthias Pieringer