Die am Fraunhofer-Institut für Integrierte Schaltungen IIS entwickelte Lokalisierungstechnologie IndLoc ist eine kostengünstige Lösung mit hoher Genauigkeit zur dreidimensionalen Echtzeitlokalisierung passiver Objekte in einem definierten Volumen.
Dazu umschließt ein stromdurchflossener Leiter ein vorbestimmtes Areal variabler Größe und erzeugt in diesem Bereich ein schwaches magnetisches Wechselfeld. Das zu lokalisierende Objekt trägt eine kleine, passive Spule, ähnlich einem RFID Transponder. Diese »Lokalisierungsspule« erzeugt in dem beobachteten Volumen ein magnetisches Sekundärfeld, welches von Sensoren erfasst und vom IndLoc-System ausgewertet wird. So kann eine Grenzüberschreitung sowie die Position, Orientierung und Bewegung des zu ortenden Objektes hochgenau erfasst werden, ohne dass es aktive Elektronik beinhalten muss.
Induktive Nahfeldortung in der Logistik
Die Technologie kann in Produktion und Logistik beispielsweise zur Kommissionierüberwachung eingesetzt werden, da sowohl Objekte als auch Pick- / Put-Bewegungen des Kommissionierers (über ein Wearable, z. B. Armband) zentimetergenau nachvollzogen werden können. So kann die Quittierung automatisiert werden oder der Anwender vor Fehlgriffen gewarnt werden.
Im Projekt SmaRackT soll neben der reinen Lokalisierung passiver Objekte mit integrierter Spule auch eine Erkennung und Charakterisierung leitfähiger Objekte durch die IndLoc-Technologie möglich gemacht werden. Erste Versuche haben bereits vielversprechende Ergebnisse gezeigt. So konnten beispielsweise M6- von M8-Schraubengemengen unterschieden werden und auch die Erkennung unterschiedlicher Oberflächenveredelungen oder des Füllstandes in einzelnen Behältern verspricht positive Ergebnisse.
KI für höchste Genauigkeit in der Materialflussüberwachung
Um solche Ergebnisse auch zukünftig und mit hoher Genauigkeit zu erzielen, werden im Projekt Maschine Learning-Algorithmen entworfen, die eine Klassifizierung von relevanten Objekten ermöglicht. Dafür wird zunächst eine Datenbasis von weit verbreiteten Objekten, Materialien und Mengen erzeugt, auf welcher die Lernalgorithmen aufbauen können. Die dazu benötigten Daten und Informationen werden experimentell bestimmt oder im Zuge der Anforderungserhebung in Experteninterviews mit Interessenten aus der Industrie abgefragt. Falls Sie selbst Ideen zu Anwendungsszenarien oder interessanten Gütergruppen haben, zögern Sie nicht uns zu kontaktieren und z. B. im Projektbegleitenden Ausschuss ihr Know-how einfließen zu lassen bzw. ihre Bedarfe einzubringen.
Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS