Vision : Wie sich Toyota die Zukunft der Logistik vorstellt

Toyota Material Handling
© Toyota Material Handling

Im vergangenen Jahr zeigte Toyota Material Handling auf dem Microsoft-Stand einen ersten Ausblick auf seine zukünftige Logistiksicht: „A.I. TeamLogistics“ ist ein Konzept für vernetzte Flurförderzeuge mit künstlicher Intelligenz, die als Team zusammenarbeiten, um einen kontinuierlichen Materialfluss und optimierte Logistikabläufe zu gewährleisten.

Niederhubwagen mit KI

Die „Palettendrohne“ – ein Niederhubwagen mit künstlicher Intelligenz – wurde mit Azure Cognitive Services ausgestattet, um Toyota bei der Realisierung seiner Vision zu unterstützen. Zur Visualisierung einiger Szenarien wurde die Microsoft HoloLens verwendet. Auf diese Weise konnten die Besucher der Hannover Messe erleben, wie die Palettendrohne ihre Umgebung dank Optik-basierter Technologie wahrnimmt, die die traditionelle Scannertechnologie ersetzt.

Vision Logistik 2020

Zunächst als Vision für das Jahr 2028 angekündigt, kann Toyota Material Handling die Umsetzung des Konzepts bereits bis 2020 vorantreiben. Die neuen Flurförderzeuge wurden auf dem Stand in skalierter Größe präsentiert und vervollständigten eine Demo, die auf einem 3D-Scan eines Lagers basiert. Dies ermöglicht den Geräten, sich durch maschinelles Lernen (Azure) im digitalen Zwilling der Lagerumgebung zurechtzufinden.

Mehr als das, wird sich das Gerät nach dem ersten Einsatz kontinuierlich verbessern – basierend auf der künstlichen On-Board Intelligenz. Die HoloLens 2 ermöglicht es dem Menschen, mit den autonomen Geräten zu interagieren, da er die gesendeten Informationen einsehen kann.

Digitaler Zwilling

Um die Geräte einsetzen zu können, wird die Kundenumgebung, etwa ein Lager, in eine virtuelle Darstellung gescannt – dem so genannten digitalen Zwilling. Auf diese Weise können verschiedene Szenarien simuliert werden, um eine optimierte Lösung zu finden, welche die exakte Anzahl und den passenden Gerätetyp beinhaltet. Sowohl die physische als auch die virtuelle Version des Lagers werden automatisch analysiert und mit verschiedenen Sensortechnologien als Input für die Optimierung und den dynamischen Einsatz interpretiert.