Anzeige
Anzeige
Anzeige

Intelligenter Behälter, der mitdenkt

Optisches Bestellsystem überwacht Kanban-Behälter

Zum ersten Mal ist es einem C-Teile-Partner gelungen, auf Behälterebene eine Füllstands-, Zähl- und Bestellinformation der Artikel per integrierter Kamera und RFID-Technologie automatisiert an das Warenwirtschaftssystem zu übermitteln. Damit ist eine verbrauchsgesteuerte Lieferung von Kleinteilen für den Produktionsbedarf nicht nur ‚Just-in-time‘ möglich, sondern die C-Teile-Versorgung erfolgt dank Echtzeit-Übertragung auch mit Bild.
Für die Nachbestückung von Schrauben, Scheiben, Muttern und weiteren C-Teilen stand früher im Bereich der produzierenden Industrie das konventionelle Zwei-Behälter-Kanban-System. Die Übermittlung der Bestelldaten für neue Ware erfolgte mit Hilfe eines Handscanners. Bereits 2011 wurde die Automatisierung von klassischen Kanban-Systemen durch die Datenübermittlung mittels RFID realisiert. Bis heute erfolgt so die automatisierte Bedarfsauslösung über das Platzieren des Leerbehälters auf einen Fachboden oder eine Palettenbox. Das optische Bestellsystem iBin überwacht nun eigenständig den Bestand im Behälterinneren und löst die Bestellung aus.

Was leistet die Technik?

Das System ist eine Weiterentwicklung des Kanban-Behälter W-KLT 2.0, dessen Erfassungstechnik alleine auf RFID beruhte. Bei der ersten Auslieferung an den Kunden macht das iBin-Modul ein Bild. Dieses gibt den Ausgangszustand wieder und zeigt auf, dass der Behälter zu 100% gefüllt ist. Durch die stetige Entnahme der C-Teile beim Kunden fängt das Modul an, prozentual das Behälterinnere zu errechnen. Somit kann eine prozentuale Angabe der im Behälter befindlichen Artikel in Echtzeit an die Würth Industrie Service übermittelt werden. Durch die Integration des Moduls in alle gängigen, an die VDA-Norm angelehnten Behältergrößen ist eine nahtlose Einführung in bereits bestehende Kundenprozesse möglich. Als autarkes System ist es in den Werken der Kunden ohne Änderung der bestehenden Prozesse oder einer Umrüstung der Infrastruktur einsetzbar. Dies führt dazu, dass es unabhängig von Lagerort und Arbeitsplatz verwendet werden kann. Eine kundenseitige Netzanbindung ist nicht notwendig, auf Wunsch aber möglich. Vergleicht man die iBin-Technologie mit Waagensystemen, so ist festzustellen, dass Letztere bei abnehmender Füllmenge immer ungenauer werden, während der iBin den Bestand präzise ermittelt. Sobald der Boden des Behälters sichtbar wird, kann das Modul anhand der Pixelmaße stückgenau die Artikel zählen.

Was bringt die Zukunft?

Eine detaillierte Bestandsermittlung im Behälter und eine eindeutige Identifizierung der Artikel, inkl. Abmessung, sind zukünftig möglich. Neben der Einbindung von C-Teilen innerhalb des Kanban-Systems können weitere Produktgruppen wie A-/B-Teile und Fremdteile überwacht und abgewickelt werden. Ebenso ist ein umfassenderes Monitoring des Verbrauchsverlaufs und -verhaltens auf Artikel-, Lagerort- und Kostenstellenebene vorgesehen. Insbesondere in der Phase des Projektstarts liefert dies wertvolle Erkenntnisse. Die Disposition kann genauer gesteuert und die Artikelreichweite effizienter geplant werden. Auf Grund der permanenten Datenübermittlung wird der Kunde eine Inventur auf Knopfdruck durchführen können. Die hohe Flexibilität erlaubt es dabei, das System völlig unabhängig vom Behälter zu verwenden.

Anzeige

Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Antmicro und Allied Vision haben auf der Vision eine Deep-Learning-Anwendung gezeigt. Diese bedient sich KI zur Identifizierung und Verfolgung von Personen und Objekten in Echtzeit und setzt auf die neue Alvium-Kameraserie sowie den Nvidia Jetson AGX Xavier.‣ weiterlesen

www.antmicro.com, www.alliedvision.com

Anzeige

The Omnitek DPU (Deep Learning Processing Unit) is a configurable IP core built from a suite of FPGA IP comprising the key components needed to construct inference engines suitable for running DNNs used for a wide range of Machine Learning applications, plus an SDK supporting the development of applications which integrate the DPU functionality.‣ weiterlesen

www.omnitek.tv

Anzeige

Moonvision automatisiert dank AI die Oberflächenerkennung unterschiedlichster Materialien. Was bislang über 50 Bilder erfordert hat, gelingt dem Wiener Startup mit nur elf Bildern. ‣ weiterlesen

www.moonvision.io

Anzeige

Preiswerte Einplatinencomputer haben ihr Bastler-Image längst abgelegt und werden bereits zur Maschinensteuerung eingesetzt. Im Rahmen einer Masterarbeit an der TH Deggendorf wurde nun ein kostengünstiges Smart-Kamera-System auf Basis eines Einplatinencomputers (Raspberry PI 3) als Labormuster entwickelt.‣ weiterlesen

www.th-deg.de

Der neuromorphe System-on-Chip-Baustein (NSoC) Akida ermöglicht erstmals eine gepulste neuronale Netzwerk-Architektur (SNN: Spiking Neural Network) in Serie.‣ weiterlesen

www.brainchipinc.com

Embedded Deep Learning soll künstliche Intelligenz von der Cloud in das Gerät oder die Maschine bringen. Der erste Schritt zur Verkleinerung einer Serverfarm besteht laut Imago darin, ein leistungsstarkes GPU-Board in einer kompakten VisionBox einzusetzen.‣ weiterlesen

www.imago-technologies.com

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige