Tracking im Lager – Mit Sensorik zu mehr Effizienz

Mithilfe von Sensoren und Machine-Learning-Algorithmen Daten zu Ergonomie und Effizienz im Lager erheben und so Verbesserungspotenziale bei manuellen Tätigkeiten aufdecken, dieses Ziel verfolgen die Partner META-Regalbau und das Start-up MotionMiners beim sogenannten „Motion-Mining“. Im Rahmen eines Pilotprojektes bei der Blumenbecker Industriebedarf GmbH mit Sitz in Beckum, Nordrhein-Westfalen, haben die Kooperationspartner in einem umfangreichen Use Case erste Daten gesammelt. Das Ergebnis der Analyse: Mögliche Effizienzsteigerungen bis über 40 Prozent und Empfehlungen um die Zahl an Bückbewegungen deutlich zu reduzieren und Mitarbeiter zu entlasten.

Ort des Geschehens war das 3.500 Quadratmeter große Logistikzentrum von Blumenbecker in Beckum. Das Zentrum verfügt über ein Sortiment von bis zu 100.000 Artikeln aus dem Bereich Industriehandel, das von Elektrowerkzeugen über Schweißtechnik und Transportgeräte bis zu Reinigungsgeräten sowie Ersatzteilen reicht. Neben der Belieferung eigener Standorte werden laut Unternehmen auch Bestellungen aus dem E-Commerce mitsamt Next-Day-Delivery für rund 40.000 Artikel aus dem Katalog abgewickelt.

Mobile Sensoren und Deep-Learning

Das Pilotprojekt wurde in etwa zwei Monaten vom Start bis hin zur Ergebnispräsentation abgeschlossen, für die automatisierte Messung und Analyse der manuellen Tätigkeiten nahmen vier Mitarbeiter pro Schicht an der Studie teil. Zudem kamen zwei Docking-Stations zum Einsatz, 106 sogenannte Beacons wurden positioniert, 85 relevante Bereiche definiert und pro Mitarbeiter bis zu 5,5 km Laufleistung sowie 1.000 Bückbewegungen pro Schicht über eine Arbeitswoche getrackt.

Das Tracking beim MotionMining erfolgt mit Hilfe von mobilen Sensoren, welche die Mitarbeiter an Gürtel und Handgelenk tragen, erklärt META. Durch die Beacons sowie einem Mobile Device wird die Position erfasst und zum Schichtende in einer Docking-Station gespeichert und hochgeladen. Anschließend erfolgt die Analyse der Rohdaten mit Hilfe des selbstentwickelten Deep-Learning-Algorithmus der MotionMiners.

Sämtliche Kommissionierbereiche bei Blumenbecker wie beispielsweise die Vorbereitung der Kommissionierwagen, Fachbodenregalanlage (inkl. Mehrgeschossanlage), Palettenregale, Gefahrgut, Sperrgut und das Büro waren laut META Teil des Pilotprojekts. Außerdem sseien auch die Sonderbereiche Paletten Nachschub, Kataloge, Drucker, Abgabeplätz, Wareneingang, Teamleiterbüro, Rücksendungsbereich und der Einkauf in die Analyse mit eingeflossen.

Der Mitarbeiter bleibt Anonym

Sensibler und zugleich wichtiger Punkt bei der Erhebung dieser Bewegungsdaten ist der Datenschutz, so der Regalbauer. Die Messmethodik solle gewährleisten, dass die Daten absolut anonym erfasst und ausgewertet werden und eine Zuordnung zu einzelnen Personen zu keiner Zeit möglich sei. Zudem sei das gesamte Projekt in enger Ab- und Zustimmung mit dem Betriebsrat von Blumenbecker durchgeführt worden.

Die Ergebnisse schließlich wurden auf einer Abschlusspräsentation durch MotionMiners und META dem Strategischen Leiter der Zentrallogistik von Blumembecker, Sebastian Rustige und dem Logistikleiter im Zentrallager, Matthias Frisse, präsentiert.

„Die eindrucksvollen Ergebnisse geben uns einen sehr guten Leitfaden zur Optimierung unserer Prozesse. Ein echter Wettbewerbsvorteil, denn wir können nun unerkannte Potentiale heben und unsere Effizienz bis zu 40 % steigern. Auch bereits erkannte aber noch nicht umgesetzte Verbesserungspotentiale können wir nun zahlentechnisch untermauern“, so Rustige.

Anhand von Heatmaps zur Illustration der Bewegungen im Lager und Box-Plot-Diagrammen zur Darstellung von Zeitanteilen der Tätigkeiten auf den Kommissioniertouren wurden so die Optimierungsmöglichkeiten im Hinblick auf die Effizienz und Ergonomie aufgezeigt.