Andritz: Holzverladekran mit Level 3 Autonomie

Aufgabe

Ein 350t schwerer Holzverladekran in einer Papierfabrik entlädt LKW und belädt anschließend ein Förderband zur weiteren Verarbeitung oder einen bis zu 25m hohen Holzstapel zur Zwischenlagerung des Holzes. Pro Anhub befinden sich Baumstämme mit einem Gesamtgewicht von 35t in der Greifvorrichtung des Krans. Dabei zielt der Kranführer auf die gleichmäßige Beladung des Förderbandes und das schnelle Entladen der LKW ab. Dieser Prozess ist fehlerintensiv und gefährlich für alle Beteiligten, daher soll der Vorgang weitgehend automatisiert und mit einer Level 3 Autonomie ausgestattet werden. Die Schwierigkeit liegt dabei in den großen physikalischen Kräften und der systemimmanenten Trägheit des Krans. Eine künstliche Intelligenz muss auf diese Herausforderungen ausgelegt und mit der dazu notwendigen Expertise entwickelt werden. Weltweit ist das Ausmaß dieser Unternehmung einzigartig.

Lösungsweg

Kameras, Laser-Scanner und interne Sensoren, erlauben es dem Kran, seine Umgebung, die eigene Position und den eigenen Zustand "wahrzunehmen". Dadurch erfasst die von PSIORI geschaffene Künstliche Intelligenz in der Nähe befindliche LKW, das Förderband und Form und Zustand des Holzstapels. Anhand dieser Eingaben legt die Künstliche Intelligenz die Pläne des Krans zur effizienten und sicheren Zielerreichung fest - Entladen der LKW, Beladen des Förderbandes, Zwischenlagern auf dem Stapel -, ermittelt aus ihnen die erforderlichen Aktionen und führt diese aus. Der Kran wird dabei über die in Echtzeit bereitgestellten Daten zum aktuellen und geplanten Verhalten des Krans durch einen Menschen überwacht, der zu jeder Zeit in das Geschehen eingreifen kann.

Nutzen

Die KI des Krans ist durch die weitgehende Selbständigkeit mit der Möglichkeit des Eingreifens von menschlicher Seite her als Level 3 autonom einzustufen. Durch die Optimierung der Variablen Schnelligkeit, gleichmäßige Auslastung und Sicherheit können in diesen Bereichen konstant hohe Performanzen erreicht werden. So werden Arbeitskosten und Ausfallzeiten minimiert und die Qualität der Holzspäne in der Produktion verbessert.