
Framework für die Kartierung von Stahlbetonfertigteilen aus Luftbildern für eine intelligente Außenlageroptimierung
Bauunternehmen, die Stahlbetonfertigteile für den Industrie- und Gewerbebau herstellen, verfügen über weitläufige Außenlager, in denen diese Bauteile zwischengelagert und vorgehalten werden. Aktuelle Lagerkartierungssysteme und Lagerverwaltungsprozesse basieren weitgehend auf manuellen Abläufen, was zu ineffizienten Platzierungen der Fertigteile und somit zu einem nicht optimal ausgelasteten Lager führt. Das Transferprojekt "DeepConcrete" hat das Ziel, das Außenlager der BREMER AG mithilfe von Kamerasystemen und KI-Methoden automatisiert zu kartieren. Hierzu sollen Bildaufnahmen von Kameras am Portalkran segmentiert werden. Die automatisierte Erfassung des Lagerbestands ermöglicht so die Implementierung einer optischen Überwachung und einer KI-basierten Lagerverwaltung. Die langfristige Vision des Projektes ist eine digitalen Plattform für das Auftrags- und Warenflussmanagement sowie einer digitalen Abbildung des Lagers, um Kundenangebote, Logistik und Produktionsplanung zu optimieren.
Institut für industrielle Informationstechnik - inIT, TH OWL

Christoph-Alexander Holst
Forschungsgruppenleiter
Details
itsowl-TP-DeepConcrete
Laufend
Künstliche Intelligenz & Maschinelles Lernen
Logistik
Intralogistik & Lagerhaltung
07/2023
Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes NRW
it's OWL
Problem


Die Lagerung von Stahlbetonfertigteilen wird beim Produzenten manuell organisiert
Die BREMER AG (Hauptsitz in Paderborn) produziert alle für den Gebäudebau benötigten Stahlbetonfertigteile in eigenen Werken mit angeschlossenen großflächigen Außenlagern. Dies ermöglicht eine Garantie von kompetitiv kurzen Bauzeiten und eine nachhaltige Nutzung der Produktionskapazitäten. Derzeit wird die Lagerung manuell von Mitarbeitern organisiert. Der Zugriff auf die Fertigteile gestaltet sich häufig zeitaufwendig, da keine optimale Lagerplatzvergabe erfolgt. Dadurch werden Ressourcen Lagerraum, Arbeitszeit und Energie nicht nachhaltig genutzt und es ergibt sich Spielraum für Optimierungen der Lagerhaltung. Eine herkömmliche automatisierte Lagerverwaltung ist aufgrund der Materialeigenschaften von Stahlbeton und der Vielfalt der Fertigteile schwierig umzusetzen. Hier bietet eine Katalogisierung und Segmentierung des Lagers über Bildaufnahmen durch an Portalkränen angebrachte Kamerasysteme einen vielversprechenden Ansatz zum Aufbau eines intelligenten Lagerverwaltungssystems.
Ziel und Ansatz


KI-Algorithmen zur automatisierten Lagerkartierung und -verwaltung
Die Vision von DeepConcrete ist die Schaffung einer digitalen Plattform im Baugewerbe zum Auftrags- und Warenflussmanagement. Hauptziel innerhalb der Projektlaufzeit ist die Entwicklung von bildverarbeitenden KI-Lösungen zur automatisierten Erkennung von Stahlbetonfertigteilen und zur Kartierung des Lagers. Teilziele umfassen die Bilddatenaufnahme des Lagers und die Generierung von Trainingsdatensätzen. Zudem werden potenzielle KI-Algorithmen identifiziert und auf ihre Eignung für Transferlernen analysiert. Die ausgewählten KI-Algorithmen werden trainiert und evaluiert.
Weiterführende Ziele umfassen die Entwicklung von KI-Algorithmen für eine automatisierte Lagerverwaltung. Dazu gehören die optische Überwachung und Dokumentation des Lagerbestands. Anhand der im Rahmen des Projekts definierten Anforderungen und Aufgaben werden KI-Algorithmen zur Lagerverwaltung recherchiert, in einem Lösungskatalog zusammengefasst sowie für die KI-basierte Lagerverwaltung implementiert und evaluiert.
Ergebnisse und Werte


KI-basierte Optimierung der Lagerverwaltung und Materialflussplanung
Ergebnis des Transferprojekts ist ein Lösungskatalog von KI-basierten Algorithmen zur automatisierten Lagerkartierung und -verwaltung. Konkrete Teilergebnisse umfassen Literaturanalysen, Machbarkeitsstudien, Lösungskonzepte und deren projektbezogene Evaluationen. Unternehmen können auf die Projektergebnisse zurückgreifen, um ihre Bestandsführung KI-basiert zu automatisieren und ihre Lagerverwaltung hinsichtlich logistischer Zielgrößen zu optimieren. Die so effizienter gestaltete Lagerverwaltung führt zu kostengünstigeren und nachhaltigeren Prozessen des regionalen Baugewerbes.
Langfristig ebnet DeepConcrete den Weg zu einer digitalen Plattform für das Auftrags- und Warenflussmanagement. Mit einer digitalen Abbildung des Lagers können Kundenangebote, Logistik und Produktionsplanung optimiert werden. Die Ausweitung der automatisierten Lagerverwaltung auf weitere Außenlager ermöglicht Unternehmen eine standortübergreifende und ganzheitliche Materialflussplanung.
Beteiligte Partner

Paderborn, Germany
1947
BREMER AG
