Onder de noemer "KAnIS" werden verschillende deelonderzoeken samengevoegd, waarin op zoek werd gegaan naar oplossingen voor de uitdagingen waarmee autonome vorkheftrucks te maken krijgen, zowel bij binnen- als bij buiteninzet. Eén van de belangrijkste aandachtspunten was de onderlinge samenwerking tussen deze heftrucks: aan de hand van realtime informatie-uitwisseling via een 5G-netwerk, slaagden ze erin om elkaar te waarschuwen voor mogelijke obstakels en zo aanrijdingen te vermijden.
Tekst

Steeds meer vraag naar autonome voertuigen

Stefan Prokosch, die vanuit Linde MH initiatiefnemer was van het project, is ervan overtuigd dat autonome trucks alsmaar meer transporttaken voor hun rekening zullen nemen. Als 1 van de marktleiders in de intralogistiek wil Linde MH de voordelen van automatisatie dan ook toegankelijk maken voor heftruckgebruikers, bv. voor het transport van goederen of het laden en lossen van vrachtwagens.

Dit brengt wel een bijkomende uitdaging met zich mee: ‘De eisen voor vorkheftrucks die buiten worden ingezet, liggen veel hoger dan die voor trucks die uitsluitend binnen actief zijn. Denk maar aan hellingen en een aanzienlijk hoger volume aan omstaanders en verkeer, maar ook aan veranderende temperaturen en weersomstandigheden’, aldus Prokosch. ‘Dankzij onze samenwerking met de universiteit van Aschaffenburg konden we praktische oplossingen ontwikkelen voor deze complexe omstandigheden.’

Ook voor de universiteit leverde de samenwerking een duidelijke meerwaarde op, verklaarde projectmanager prof. dr. Hans-Georg Stark: ‘Voor ons was KAnIS een zeer complex, interdisciplinair onderzoeksproject, waaraan tien professoren en talrijke onderzoeksassistenten en studenten konden meewerken. Beide projectpartners hebben veel baat gehad bij de uitwisseling tussen enerzijds onze eigen ervaring op vlak van wetenschappelijk onderzoek, en anderzijds de jarenlange expertise van Linde MH op vlak van intralogistiek.’

Automatisering van bestaande heftrucks

Voor dit onderzoek werden 4 elektrische vorkheftrucks van Linde met hefcapaciteiten tussen 2 en 3 ton volledig geautomatiseerd. Daarbij werd erop gelet dat alle veiligheidsscanners, sensoren en andere accessoires waar mogelijk binnenin de contouren van de vorkliften werden aangebracht, om zo dicht mogelijk bij de afmetingen van de niet-autonome uitvoeringen te blijven. Een opvallend verschil met klassieke heftrucks, was dat deze autonome versies steevast achteruit reden, zodat ladingen niet van de vorken konden glijden bij een bruusk remmanoeuvre.

Om hun locatie te bepalen maakten deze voertuigen in binnenruimtes gebruik van laserscanners, terwijl ze buiten beroep deden op een differentiële GPS, die de nauwkeurigheid van de positie maximaliseert. In de overgangsgebieden werden ook bijkomende sensoren aangebracht.

Realtime communicatie met andere voertuigen en infrastructuur

Behalve met sensoren en 3D-scanners, werden de autonome heftrucks ook met HD-camera’s uitgerust. De beelden hiervan dienden als basis om objecten m.b.v. AI te herkennen en te classificeren, alsook om hun exacte locatie te bepalen. Waar nodig konden de trucks dan automatisch vertragen of volledig tot stilstand komen.

Dit deelonderzoek bekeek ook meteen hoe aanrijdingen vermeden konden worden indien omstaanders of voertuigen zich op een plek bevonden waar ze niet door deze hulpsystemen kunnen worden opgepikt, bv. achter een hoek. Om te vermijden dat de truck deze te laat zou opmerken, werd een realtime verbinding tussen alle autonome voertuigen tot stand gebracht, waarbij alle waargenomen gegevens onmiddellijk met elkaar werden uitgewisseld. Dit gebeurde door de informatie van alle heftrucks via een privaat 5G-netwerk naar een Edge-server door te sturen, waar vervolgens alle gegevens gebundeld werden en naar elke truck werden teruggestuurd.

Om dit concept uit te testen, werd gebruik gemaakt van een crashtestdummy, die pas op het laatste moment voor een autonome heftruck verscheen. Zonder de samenwerking met de andere trucks, zou een aanrijding in deze situatie niet vermeden kunnen worden. Maar doordat een andere heftruck deze pop wél opgemerkt had, kon deze via dit systeem het betrokken voertuig waarschuwen, zodat het tijdig tot stilstand kwam. Aangezien er echter niet vanuit kan worden gegaan dat er zich steeds een andere truck in de omgeving bevindt, kunnen ook stationaire 3D-laserscanners op kruispunten en aan poorten worden aangebracht, die hun waarnemingen op dezelfde manier via de Edge-server verspreiden.

Autonoom reinigen van sensoren en opladen van batterijen

Een bijkomende uitdaging bij buiteninzet is het potentiële contact met vocht door regen of opspattend water. In een ander deelonderzoek werd daarom onderzocht hoe laaghangende sensoren gereinigd kunnen worden indien ze met waterdruppels in contact komen. Als oplossing hiervoor werd een systeem aangebracht dat gebruik maakt van perslucht, waarmee deze druppels eenvoudig van de sensoren konden worden weggeblazen.

Een ander projectteam onderzocht de mogelijkheden omtrent het autonoom opladen van de batterijen van de heftrucks. De optimale oplossing hiervoor bleek te bestaan uit een AI-gebaseerde robot, die de laadstekker zelfstandig aansloot op het laadcontact van de vorkheftruck. De achterzijde van de vorkheftruck werd hierop aangepast om het laadcontact te beschermen tegen vuil en opspattend water.

Verder onderzoek met testen in realistische omstandigheden

Nu de eerste resultaten bekend zijn, zullen de voertuigen verder ontwikkeld en getest worden bij vier specifieke materiaalstroomtaken in de fabriek van Linde MH: buiten zullen ze worden ingezet voor het transport van gaascontainers alsook voor het vervoer van palletten met batterijen, terwijl binnen zal worden gekeken naar het transport van frames van voertuigen en dat van beschermdaken tussen de verschillende assemblagelijnen. Bij de buitentoepassingen zullen hellingen van 8% overwonnen moeten worden terwijl binnen rekening zal moeten worden gehouden met andere AGV's en handmatig bediende voertuigen.

Zelfstandig opladen bij autonome Linde heftrucks
Autonome Linde heftrucks bij binneninzet