Die Welt des E-Commerce erlebt ein beispielloses Wachstum, welches in den letzten Jahren rasant zugenommen hat. Mit dieser Entwicklung des Marktes geht auch eine verstärkte Nachfrage nach effektiven Logistiklösungen einher, um die steigende Anzahl von Bestellungen, Umschlags-, Verpackungs- und Handhabungsvorgängen zu bewältigen. Laut der International Federation of Robotics (IFR) ist der Einsatz von Robotik in der Logistikbranche auf dem Vormarsch und trägt dazu bei, die betriebliche Effizienz erheblich zu steigern.
Heutzutage stützen sich konventionelle E-Commerce-Logistikprozesse noch stark auf manuelle Arbeitsabläufe. Oftmals stoßen diese Prozesse in Form von langsameren Durchlaufzeiten und geringerer Skalierbarkeit an ihre Grenzen, die in einer schnelllebigen, von Automatisierung getriebenen Branche zunehmend zum Hindernis werden. Im Bereich der automatisierten Handhabung, insbesondere bei einer hohen Produktvarianz, sind vakuumgestützte Greifsysteme ein zentraler technologischer Baustein. Unabhängig vom Prinzip der Vakuumerzeugung werden beide Arten Greifsysteme stark durch Leckagen beeinträchtigt, insbesondere bei Handhabung von formflexiblen Objekten mit unterschiedlichen Oberflächen.
Im Projekt BiPas steht die Entwicklung und Untersuchung von biologisch inspirierten Technologien für eine zuverlässige, passive Vakuumerzeugung und -erhaltung im Zentrum. Diese Technologien sollen mithilfe innovativer Betriebsstrategien in Kombination mit Greif- und Handhabungstechnik beherrscht werden.
Um in der passiven Vakuumhandhabung eine hohe Prozesssicherheit erreichen zu können, ist eine frühzeitige Erkennung einer Objektablösung von entscheidender Bedeutung, damit geeignete Maßnahmen gegen den potentiellen Verlust des Handhabungsobjektes eingeleitet werden können. Zur Erkennung solcher Objektverluste, die meist aufgrund von Leckagen eintreten, spielen bildverarbeitende Systeme und Sensortechnologien eine entscheidende Rolle. Durch die Kombination von Kamera- und Sensortechnologie, angereichert mit Methoden des maschinellen Lernens, besteht das Potential, Leckagen und daraus resultierende Artikelverluste durch die Veränderungen am Sauggreifer zu detektieren und prädizieren zu können.
Allein die Vorhersage von Leckagen reicht nicht aus, um während des Handhabungsprozesses eine durchgängige Prozesssicherheit zu gewährleisten. Das IWF evaluiert daher neben der Leckageprädiktion auch detaillierte Simulationen der Handhabungstrajektorien. Diese Simulationen in Kombination mit der Leckageprädiktion ermöglichen es, potentielle Objektverluste zu verhindern, indem der vorhergesagte Zeitpunkt eines möglichen Objektverlusts mit der geplanten Trajektorie korreliert wird. Basierend auf diesen Erkenntnissen entwickelt das IWF maßgeschneiderte Ausfallstrategien, um im Bedarfsfall die Handhabungstrajektorien zu unterbrechen, zu stoppen oder adaptiv anzupassen und somit eine sichere Produktmanipulation zu gewährleisten. Neben der Simulation von leckagefreien Handhabungstrajektorien spielt maschinelles Lernen eine entscheidende Rolle bei der Entwicklung und Anpassung optimaler Reaktionsstrategien in Echtzeit. Durch die Integration dieser Methoden wird die Handhabung unterschiedlicher Objekte und Oberflächen nicht nur flexibler, sondern auch proaktiver – selbst in Fällen, in denen Leckagen auftreten. Diese innovativen Ansätze versprechen eine Steigerung der Effizienz und Zuverlässigkeit bei der Handhabung von E-Commerce-Produkten.