Logistics Journal: Proceedings
Not a member yet
467 research outputs found
Sort by
Analysing visual-inertial odometry algorithms for the localization of industrial autonomous mobile robots in intralogistics and manufacturing
Full text linkDer Einsatz autonomer mobiler Roboter (AMR) spielt eine wesentliche Rolle bei der Automatisierung intralogistischer Prozesse. Für einen sicheren Betrieb und eine sichere Navigation ist eine hohe Lokalisierungsgenauigkeit erforderlich. Gängige AMR-Systeme basieren auf kostenintensiven Sensoren wie LIDAR-Scannern. Um eine flächendeckende Nutzung von AMRs zu ermöglichen, sind in der Industrie alternative Lösungen erforderlich. Diese Studie untersucht stereokamerabasiertes visuelles SLAM als kostengünstige Alternative zu herkömmlichen 3D-LIDAR-basierten Lokalisierungslösungen für eine Industrieroboteranwendung. Mit Stereolabs ZED 2I und Intel RealSense D455-Kameras mit ORB-SLAM3- und OpenVINS-Algorithmen haben wir den mittleren absoluten Pose-Error (APE) und den mittleren quadratischen Pose-Fehler (RPE) ausgewertet. Die höchste Genauigkeit wurde mit dem ZED 2I mit OpenVINS mit einem APE von 0,17 m und einem RPE von 0,02 m erreicht, während der Einsatz eines RealSense D455 einen APE von 0,33 m mit einem RPE von 0,02 m zeigte.The use of Autonomous Mobile Robots (AMR) plays a significant role in the automation of intralogistics processes. For safe operation and navigation, high localization accuracy is required. Common AMR systems rely on cost-intensive sensors such as LIDAR scanners. To enable widespread use of AMRs the industry alternative solutions are required. This study explores stereo camera based visual SLAM as a cost-effective alternative to conventional 3D LIDAR-based localization solutions for an industrial robot application. Using Stereolabs ZED 2I and Intel RealSense D455 cameras with ORB-SLAM3 and OpenVINS algorithms, we evaluated Mean Absolute Pose Error (APE) and Root Mean Square Pose Error (RPE). The highest accuracy was achieved with the ZED 2I with OpenVINS with an APE of 0.17 m and an RPE of 0.02 m while the use of a RealSense D455 showed an APE of 0.33 m with an RPE of 0.02 m
Development and Validation of a Practical Method for Wear Calculation in the Wheel-Rail System of Stacker Cranes
Full text linkDer Verschleiß am Laufrad ist ein häufiger Schadensfall bei Regalbediengerät (RBG). Derzeit gibt es jedoch keine relevanten Untersuchungen oder Normen zur Auslegung von RBG unter Berücksichtigung des Radverschleißes. In diesem Beitrag wird eine praxisgerechte Methode zur Verschleißberechnung im Rad-Schiene-System von RBG unter Verwendung der Co- Simulation von MATLAB/Simulink und Simpack vorgestellt. Das vollparametrisierbare Simulationsmodell berücksichtigt die Konstruktions- und Bewegungsparameter von RBG sowie Lagerparameter. Es ermöglicht die Untersuchung verschiedener RBG-Konfigurationen. Die Validierung der simulationsbasierten Methode erfolgt anhand experimenteller Daten von Hesse, wobei zwei RBG-Konfigurationen, klein und mittel-große RBGs, als Testfälle gewählt wurden. Die Validierungsergebnisse zeigten, dass die simulierten Verschleißraten innerhalb des Bereichs der experimentellen Ergebnisse lagen. Dies bestätigt die Zuverlässigkeit der vorgestellten Berechnungsmethode.liding wear on the wheel-rail system of stackercranes, particularly on the running wheels, is a common cause of damage. Severe wear can lead to equipment downtime, resulting in additional material and time costs. Although wheel-rail systems can be designed according to DIN EN 13001-3-3, the standard does not provide guide-lines for quantifying wheel wear. Therefore, this paper develops a co-simulation-based calculation method between MATLAB/Simulink and Simpack to quantitatively assess the wear rate of stacker crane’s running wheels under various configuration parameters. This method complements the design and dimensioning of the stacker crane’s wheel-rail system. The simulation-based calculation method is validated through Hesse’s empirical model
Personnel resource planning in intralogistics – digitalization in comparison from 2021 to 2024
Full text linkDie personelle Ressourcenplanung in der Intralogistik ist durch Personalknappheit herausgefordert. Die Notwendigkeit einer effizienten Planung und Steuerung von Mitarbeitenden ist erfolgsentscheidend. Der Einsatz von Software unterstützt bei der Umsetzung. In zwei aufeinander aufbauenden Studien wurden 2021 und 2024 Logistikstandorte in der DACH-Region zum Softwareeinsatz für die personelle Ressourcenplanung befragt. Im Vergleich der beiden Studien können Rückschlüsse auf Entwicklungen und den Digitalisierungsgrad von Logistikstandorten gezogen werden.Personnel resource planning in intralogistics is challenged by staff shortages. The need for efficient planning and management of employees is crucial to success. The use of software supports implementation. In two consecutive studies in 2021 and 2024, logistics locations in the DACH region were surveyed on the use of software for personnel resource planning. By comparing the two studies, conclusions can be drawn about developments and the degree of digitalization of logistics locations
Leveraging human expert knowledge to automate forklift truck driving
Full text linkIn dieser Arbeit werden die Herausforderungen der Vollautomatisierung des innerbetrieblichen Waren-transports in Umgebungen untersucht, in denen manuell geführte Flurförderzeuge aufgrund von undefinierten Positionen und Formen der Ladungsträger weiterhin notwendig sind. Imitation Learning (IL) wird als eine vielversprechende Lösung für die Fahrzeugsteuerung bei sich wiederholenden Aufgaben identifiziert, jedoch wird seine Anwendung in der Intralogistik durch die Komplexität der Dynamik von Flurförderzeugen und dem großen abzubildenden Dimensionsraum erschwert. Es wird ein Robot Operating System 2 (ROS2) Framework vorgestellt, dass die Erfassung von Experten Fahrdaten sowohl aus Simulationsumgebungen als auch von realen Demonstrator Fahrzeugen ermöglicht. Darüber hinaus wird eine Netzwerkarchitektur präsentiert, die ein Convolutional Neural Network (CNN) mit einem nachgeschalteten Long Short-Term Memory (LSTM) Netzwerk kombiniert, um aus Bild- und Geschwindigkeitsdaten sowohl räumliche als auch zeitliche Informationen zu erlernen. Evaluiert wird die Effektivität des Frameworks anhand eines Datensatzes mit Expertenfahrmanövern, wobei das Generalisierungspotential des trainierten Netzes für die Fahrzeugsteuerung bewertet wird. Ziel der Arbeit ist es, den Nutzen des vorgeschlagenen Frameworks für die Datenerfassung zu demonstrieren und IL als Steuerungsansatz für Flurförderzeuge zu validieren.This work explores the challenges of fully automating in-house goods transport in environments where industrial trucks like forklift trucks remain necessary due to undefined load carrier positions and shapes. Imitation Learning (IL) is identified as a promising solution for vehicle control in repetitive tasks, yet its application in intralogistics is challenging by the dynamic complexity of industrial trucks and the large dimensional space involved. A Robot Operating System 2 (ROS2) framework is introduced, enabling the acquisition of driving data from both simulation environments and real-world demonstrators. The study also presents a network architecture combining a Convolutional Neural Network (CNN) with a Long Short-Term Memory (LSTM) network, facilitating end-to-end learning from spatial and temporal image data. The framework\u27s effectiveness is evaluated using a dataset of expert driving maneuvers to assess the generalization potential of the IL-trained network in vehicle control in different scenarios. The research aims to demonstrate the utility of the proposed framework for data acquisition and validate IL as a control approach for industrial trucks that require generalizatio
Data-driven, sensor-based taxonomy for environmental life cycle assessment of pallets
Full text linkPallets are one of the most important load carriers for international supply chains. Yet, continuously tracking activities such as Driving, Lifting or Standing along their life cycle is hardly possible. This contribution is the first to propose a taxonomy for sensor-based activity recognition of pallets. Different types of acceleration sensors are deployed in three logistical scenarios for creating a benchmark dataset. A random forest classifier is deployed for supervised learning. The results demonstrate that automated, sensor-based life cycle assessment based on the proposed taxonomy is feasible. All data and corresponding videos are published in the SPARL dataset [1].Pallets are one of the most important load carriers for international supply chains. Yet, continuously tracking activities such as Driving, Lifting or Standing along their life cycle is hardly possible. This contribution is the first to propose a taxonomy for sensor-based activity recognition of pallets. Different types of acceleration sensors are deployed in three logistical scenarios for creating a benchmark dataset. A random forest classifier is deployed for supervised learning. The results demonstrate that automated, sensor-based life cycle assessment based on the proposed taxonomy is feasible. All data and corresponding videos are published in the SPARL dataset [1]
Motion data as a basis for planning: Analysis of application possibilities in the design of intralogistics systems and processes
Full text linkIntralogistische Planungsprojekte zeichnen sich durch eine Vielzahl planerischer Entscheidungen aus, die auf Grundlage einer zuvor erstellten Planungsdatenbasis getroffen werden. Die hierfür benötigten Rohdaten stammen in der Regel aus vorhandenen WMS oder ERP-Systemen und liegen in Form von Bestands-, Auftrags- oder Materialbewegungsdaten vor. Daten und Kennzahlen zu den manuellen Prozessen auf dem Shopfloor liegen nur in den seltensten Fällen vor, wodurch potenziell wichtige Informationen für Entscheidungsprozesse unzugänglich bleiben. Dieser Beitrag untersucht den Einsatz der Motion-Mining®-Technologie zur Erfassung und Analyse von Prozessdaten und diskutiert die Anwendungs-möglichkeiten dieser Technologie im Rahmen intralogistischer Planungsprojekte.The warehouse planning process is characterized by many planning decisions, which are made on the basis of a previously created planning data base. The raw data are typically derived from existing ERP systems or WMS and are presented in the form of inventory, order or material movement data. Data and metrics on manual shop floor processes are rarely available, leaving potentially important information out of reach for decision-making processes. This paper examines the use of Motion-Mining® to collect and analyze process data and dis-cusses the applicability of this technology in the context of warehouse planning projects
Analytical performance calculation approach for an RCS/RS with several robots
Full text linkVon oben durch Roboter bediente automatische Behälterkleinteilelager (RCS/RS) bieten neben der hohen Lagerdichte vielerlei weitere Vorteile. Bislang wurden weder einfache noch rasch lösbare analytische Durchsatzberechnungsmodelle entwickelt. Daher sind Kunden und Berater nach wie vor auf die Ergebnisse numerischer Simulationsmodelle der Hersteller angewiesen, ohne zu erfahren, ob das System am optimalen Betriebspunkt betrieben wird. Dieses Paper präsentiert ein zeitkontinuierliches und wegdiskretes Spielzeitmodell und darauf aufbauend ein beschränktes Warteschlangenmodell, mit dem der Durchsatz eines RCS/RS mit mehreren Robotern analytisch berechnet werden kann. Das Modell, das mit einer diskreten Ereignissimulation validiert wird, bietet die Möglichkeit, jede beliebige Artikelzugriffsverteilung zu implementieren.Robot-operated automated container small parts storage (RCS/RS) systems offer numerous advantages. However, until now, neither simple nor quickly solvable analytical throughput calculation models have been developed. As a result, customers, suppliers, and consultants still rely on the results of manufacturers\u27 numerical simulation models without knowing whether the system is operating at an optimal point. This paper presents a time-continuous and path-discrete cycle time model and, based on that, a single-queueing model that allows the throughput of an RCS/RS with multiple robots to be calculated analytically. The model, validated through discrete event simulation, offers the ability to implement any desired item access distribution
Localizing semi-static objects in AMR applications: A comparison of sensors and algorithms
Full text linkAutonome mobile Roboter (AMR) haben erhebliche Auswirkungen auf die Automatisierung von Logistikprozessen wie der Zustellung auf der letzten Meile. Um Objekte sicher betreten oder mit ihnen interagieren zu können, ist eine genaue Positionierung des Objekts in den Karten des Roboters erforderlich. Wenn ein großes Objekt semistatisch ist, einen großen Teil der Umgebung einnimmt und vorher bekannt ist, können verschiedene Lokalisierungsansätze zur Positionierung des Objekts relativ zum AMR verwendet werden. Dieser Beitrag vergleicht Ansätze zur Positionierung von semistatischen Objekten in der Karte eines AMR wie AMCL, ICP und AprilTag-Erkennung unter Verwendung des LiDAR und der Kameras des Roboters. Außerdem wird ein Bewertungsschema entwickelt, um die Ansätze qualitativ und quantitativ zu bewerten und die für den jeweiligen Anwendungsfall am besten geeignete Lösung zu wählen. Basierend auf dem Bewertungsschema erwies sich die April-Tag-Lokalisierung als die beste Lösung für einen Letzte-Meile-Lieferroboter, der in ein Trägerfahrzeug einsteigt.Autonomous mobile robots (AMR) have substantial impact on the automation of logistics processes like last mile delivery. In order to securely enter or interact with objects, accurate positioning of the object in the robot’s maps is required. If a large object is semistatic, occupies a large part of the surrounding and is previously known, different localization approaches can be used for positioning the object relative to the AMR. This contribution compares approaches for the position of semi-static objects in an AMR’s map such as AMCL, ICP and AprilTag detection using the robot’s LiDAR and cameras. It also develops an evaluation scheme to rate the approaches qualitatively and quantitatively to choose the most appropriate solution for the use case in hand. Based on the rating scheme, AprilTag localization proved to be the best performer for a last mile delivery robot entering a carrier vehicle
Simulation-based evaluation of the potential of decentralized transhipment points for increasing the attractiveness of inland waterway transport in multimodal traffic
Full text linkDas steigende Transportaufkommen führt in Deutschland zu einer starken Belastung des Straßen- und Schienennetzes. Eine mögliche Alternative und Ergänzung zum landseitigen Verkehr ist der Transport von Gütern per Binnenschiff. Neben einer Entlastung des Straßen- und Schienennetzes bietet das Binnenschiff zudem eine vergleichsweise gute Umweltverträglichkeit. Der vorliegende Beitrag stellt in diesem Zusammenhang ein Konzept vor, wie durch die Bereitstellung zusätzlicher dezentraler Umschlagspunkte, sogenannter MicroPorts, der Zugang zum Binnenschiff erleichtert werden kann. Damit sollen Anreize für eine verstärkte Nutzung des Binnenschiffs geschaffen werden. Über eine Simulationsstudie wird exemplarisch anhand eines Fallbeispiels die Auswirkung eines MicroPorts auf ökonomische und ökologische Zielkriterien dargestellt. Es konnte gezeigt werden, dass durch den MicroPort Transportwege reduziert werden können und damit eine Kosteneinsparung von bis zu 25 Prozent für mit dem Binnenschiff transportierte Container möglich ist.The increasing volume of transportation in Germany is putting a strain on the road and rail network. A possible alternative and supplement to land-based transport is the transportation of goods by inland waterway vessel. In addition to relieving the road and rail network, inland waterway vessels also offer comparatively good environmental compatibility. In this context, this article presents a concept for facilitating access to inland waterway vessels by providing additional decentralized transhipment points, so-called MicroPorts. The aim is to create incentives for increased use of inland waterway vessels. A simulation study is used to illustrate the impact of a MicroPort on economic and ecological target criteria using a case study as an example. It was shown that the MicroPort can achieve cost savings of up to 26 percent for containers transported by inland waterway vessel
A scalable deep reinforcement learning approach for minimizing the total tardiness of the parallel machine scheduling problem
Full text linkVerschiedene Probleme im Logistikbereich können als Parallel Machine Scheduling Problem (PMSP) modelliert werden. Dabei geht es um die optimierte Zuweisung einer Reihe von Aufträgen an Maschinen. Deep Reinforcement Learning (DRL) hat sich bei der Lösung ähnlicher Probleme als vielversprechend erwiesen. Um dieser Motivation gerecht zu werden, beschreiben wir einen praktischen, auf Verstärkungslernen basierenden Ansatz, um ein PMSP mit regelmäßig neuen Aufträgen und Rüstzeit zwischen verschiedenen Varianten optimal zu lösen. In diesem Beitrag wird eine Zustandsmatrix variabler Länge entworfen, die Informationen zu allen Jobs enthält, und verwenden ein RNN-Modell (Recurrent Neural Network) zur Darstellung des DRL-Agenten. Im numerischen Experiment wird der Agent zunächst auf einer kleinen PMSP-Instanz mit 3 Maschinen und 30 Jobs trainiert. Anschließend wird dieser trainierte Agent genutzt, um eine Reihe von Experiementen mit deutlich größeren Instanzen zu lösen. Seine Leistung wird auch mit zwei Dispatching-Regeln verglichen. Die umfangreichen experimentellen Ergebnisse belegen die Skalierbarkeit des Ansatzes und seine Wirksamkeit in einer Vielzahl von Planungsszenarien.
Various problems in the logistics field can be modeled as parallel machine scheduling problem (PMSP), which involves the optimized assignment of a set of jobs to a collection of parallel machines. Deep reinforcement learning (DRL) has demonstrated promising capability in solving similar problems. To this motivation, we propose a practical reinforcement learning-based framework to tackle a PMSP with new job arrivals and family setup constraints. We design a variable-length state matrix containing information of all jobs and employ a Recurrent Neural Network (RNN) model to represent the DRL agent. In the numerical experiment, we first train the agent on a small PMSP instance with 3 machines and 30 jobs. Then we implement this trained agent to solve a set of instances with significant larger instance. Its performance are also compared with two dispatching rules. The extensive experimental results demonstrate the scalability of our approach and its effectiveness across a variety of scheduling scenarios