CargoPal.AI

Motivation

Eine effiziente Anordnung insbesondere heterogener Luftfrachtstücke auf Paletten und in Containern (ULD) führt zu einer besseren Auslastung vorhandener Lufttransportkapazitäten (Flugzeuge). Jedoch existieren Qualitätsprobleme in aktuellen Prozessen, die vor allem Palettierer vor großen Herausforderungen stellen. So erhalten Palettierer in der Praxis keine IT-Unterstützung für den Aufbau und die Beladung der ULD und sie folgen einem "Trial-and-Error"-Prozess, anstatt planvoll handeln zu können. Dies unter dem Aspekt, dass eine Palettierung in der Luftfracht unter Einhaltung aller für den sicheren und ordnungsgemäßen Paletterungsaufbau notwendigen Bedingungen (sog. Constraints) erfolgen muss. Da keine Trennung von Planung und Durchführung der Palettierung existiert, ist die Reflektion einer Planung nicht möglich und kann im schlimmsten Fall zu redundanten, zeitverzögernden Arbeiten führen. Die Qualität ist vorrangig abhängig von der Erfahrung des Palettierers, gleichzeitig kämpft die Luftfracht-Branche mit einem evidenten Fachkräftemangel von qualifiziertem Personal. Die Palettierung in der Luftfracht ist aufgrund der Heterogenität der Fracht und der Einhaltung einer Vielzahl von Beschränkungen eine sehr komplexe Tätigkeit, die bei der Durchführung zu sub-optimalen Lösungen führt. Ein KI-basierter Lösungsansatz zur Optimierung der Palettierung kann hierbei die Planung verbessern und die Komplexität reduzieren.

Forschungsziel

Ziel ist das Design und die Entwicklung eines KI-basierten Expertensystems zur IT-Unterstützung von insbesondere heterogener Luftfracht. Die KI bildet hierbei den Funktionskern, um die Luftfrachtpalettierung zu optimieren. Dies geschieht gleichzeitig unter Berücksichtigung der bekannten Constraints, wie sie primär im Bereich der Operations Research beschrieben sind (u. a. Bortfeldt & Wäscher, 2013).  Hinzu kommen die praxisrelevanten Constraints in ihrer speziellen Ausprägung in der Luftfracht, die aufgrund der Flugsicherheit eingehalten werden müssen. Diese sechs flugsicherheitsrelevanten Constraints umfassen:

• Gewicht: die ULD darf das vorgegebene max. Gewicht nicht überschreiten.
• Kontur: alle Abmaße der ULD müssen eingehalten; dies betrifft die Höhe, Breite, Tiefe als auch Schrägen in ihrer max. Ausprägung.
• Balance: die Gewichtsverteilung des Palettierungsaufbaus muss sich gleichmäßig über die x- und y-Achse verteilen, so dass sich der Schwerpunkt möglichst zentral befindet.
• Stabilität: die Stabilität eines Palettierungsaufbaus muss während der Beladung in allen Teilschritten gewährleistet sein sowie auf sie einwirkende Gravitationskräften (bei Beschleunigungen) standhalten.
• Inkompatibilität: während der Beladung muss berücksichtigt werden, ob Frachtstücke nicht gemeinsam oder nur in einem Mindestabstand auf die ULD geladen werden dürfen.
• Punktbelastung: der Palettierungsaufbau darf eine bestimmte Punktbelastung (max. Gewichtsbelastung pro Quadratmeter) nicht überschreiten, um Schäden an der ULD zu vermeiden oder um zu Erkennen, ob spezielle Schwerlastträger einzusetzen sind.

Neben der Entwicklung des KI-Funktionskerns kommt zusätzlich die Analyse, das Design und die Entwicklung der Benutzerschnittstelle als auch einer 3D-Visualisierung des Aufbaus und der Beladung einer optimierten Palettierungslösung hinzu, um den aktuellen Planungs- und Palettierungsprozess iterativ und visuell zu unterstützen. Durch die KI-basierte Optimierung wird eine gute Aufbauplanung ermöglicht, die alle Einschränkungen der Palettierung berücksichtigt und den Palettierer wirksam unterstützt. Die Wirksamkeit wird fortlaufend durch eine Evaluation des Expertensystems und ihrer Anwendung in einer realitätsnahen Umgebung nachgewiesen anhand geeigneter Forschungsmethoden.

Prototyp & Praxisrelevanz

Ein erster Prototyp als Proof-of-Concept ist bereits erfolgreich fertiggestellt, der agil weiterentwickelt wird. Die ersten Ergebnisse zeigen vielversprechende Lösungsansätze zur Steigerung der Effizienz der Palettierung, sowohl qualitativ wie auch bezüglich der Auslastung bzw. Raumausnutzung. In Zukunft wird eine signifikante Reduzierung der Aufbauzeit sowie des notwendigen Platzbedarfes angestrebt. Die zukünftige Digitalisierung des Planungsprozesses ermöglicht die zeitliche Trennung von Planung und Aufbau und erreicht damit eine Optimierung des Planungsprozesses und eine Reduzierung der Komplexität. Der Palettierer erhält eine Entscheidungsunterstützung durch das KI-basierte Expertensystem, welches die gewonnenen Erfahrungen integriert und dadurch im Zeitablauf immer bessere Ergebnisse liefert. Zudem wird durch den Einsatz des Expertensystems eine größere Unabhängigkeit von der Erfahrung und der Qualität des Palettierers erhofft.