BMW Group: Έξυπνη λύση logistics σε συνεργασία με το Landshut University

Στο πλαίσιο μιας επιτυχημένης συνεργασίας ανάμεσα στο εργοστάσιο του BMW Group στο Dingolfing και το Πανεπιστήμιο Εφαρμοσμένων Επιστημών του Landshut, οι φοιτητές ανέπτυξαν μια καινοτόμο λύση για τα logistics της μονάδας. Το νέο ψηφιακό εργαλείο αυτοματοποιεί τη διαδικασία  καταμέτρησης των κενών εμπορευματοκιβωτίων (κοντέινερ) χρησιμοποιώντας τεχνητή νοημοσύνη (AI), εξοικονομώντας χρόνο και αποφεύγοντας τυχόν σφάλματα.

Ειδικότερα, στο εργοστάσιο του BMW Group στο Dingolfing, καθημερινά διακινούνται περίπου 1.600 διαφορετικοί τύποι εμπορευματοκιβωτίων που μεταφέρουν εξαρτήματα για την παραγωγή οχημάτων. Μέχρι πρόσφατα, η καταμέτρηση αυτών των κοντέινερ γινόταν χειροκίνητα, μια διαδικασία που απαιτούσε πολύ χρόνο και ήταν επιρρεπής σε σφάλματα. «Ο στόχος μας ήταν να αυτοματοποιήσουμε την καταμέτρηση των κενών κοντέινερ όσο το δυνατόν πιο αποτελεσματικά και απλά», εξηγεί ο Wolfgang Schratzenstaller, Project Manager στο εργοστάσιο του BMW Group στο Dingolfing. Η πρόταση για τη συμμετοχή φοιτητών από το Πανεπιστήμιο Εφαρμοσμένων Επιστημών του Landshut στο συγκεκριμένο project έτυχε θετικής υποδοχής. «Οι φοιτητές προσφέρουν νέες οπτικές και αντικειμενικές προσεγγίσεις», αναφέρει ο Schratzenstaller.

Ο καθηγητής Dr. Abdelmajid Khelil, Διευθυντής του IoT Innovation Lab στο Πανεπιστήμιο του Landshut, υποστήριξε το project στο πλαίσιο μιας πρακτικής διδακτικής ενότητας. Η συνεργασία ξεκίνησε κατά το θερινό εξάμηνο του 2024. Σε διάστημα τριών μηνών, η οκταμελής ομάδα δημιούργησε μια οικονομικά βιώσιμη και αποδοτική λύση. Ένα απλό βίντεο που καταγράφεται με κινητό τηλέφωνο, ενώ διατρέχει τις σειρές των εμπορευματοκιβωτίων, αρκεί για να προσδιορίσει τον ακριβή αριθμό των διαφορετικών κοντέινερ. «Οι κωδικοί QR τοποθετούνται πάνω από τις λωρίδες αποθήκευσης των μπλοκ που συνδέονται με μια βάση δεδομένων η οποία περιέχει τα στοιχεία των κοντέινερ. Η τεχνητή νοημοσύνη αναλύει το βίντεο και υπολογίζει τον αριθμό των εμπορευματοκιβωτίων», εξηγεί ο Dominik Dama, μεταπτυχιακός φοιτητής πληροφορικής.

Πρέπει να σημειωθεί ότι το σύστημα καταμέτρησης βρίσκεται επί του παρόντος σε πιλοτική φάση, προκειμένου να αξιολογηθεί η απόδοσή του σε πραγματικές συνθήκες. Στο μέλλον, η λύση αυτή θα επεκταθεί και σε άλλους τομείς των logistics του εργοστασίου. Επίσης, σχεδιάζεται η περαιτέρω αυτοματοποίηση της διαδικασίας καταμέτρησης μέσω της χρήσης αυτόνομων Ρομπότ Έξυπνων Μεταφορών (STR) για την καταγραφή βίντεο.