Palettenklassifizierung leicht gemacht: wie EDEKA den Wareneingang optimiert

Optimierte Prozesse sorgen für reibungslosere Arbeitsabläufe, steigern die Produktivität und wirken sich positiv auf den Unternehmenserfolg aus. Das weiß auch EDEKA. Als Vertreter der Nahrungsmittel- und Getränkebranche erkennt das Unternehmen beispielsweise deutliches Verbesserungspotenzial im Wareneingang: Hier werden die Waren per Lkw auf Paletten unterschiedlichster Hersteller angeliefert – darunter auch Paletten, die dem Palettenpfand- und Poolingsystem unterliegen. Die manuelle Klassifizierung der Pfandpaletten im Wareneingang erfordert einen hohen Ressourceneinsatz und bringt somit ein nicht zu vernachlässigendes Fehlerpotenzial mit sich. Um daraus resultierende Kosten zu vermeiden, Ressourcen zu sparen sowie die Prozessqualität und gleichzeitig die Transparenz zu erhöhen, ging EDEKA eine innovative Partnerschaft mit SICK ein. In enger Zusammenarbeit entstand so das Pallet Classification System (PACS) zur automatischen Palettenklassifizierung.

Pfand oder kein Pfand – das ist hier die Frage

Als feste Größe im deutschen Einzelhandel verfolgt EDEKA ein ambitioniertes Ziel: Bis 2025 will die Unternehmensgruppe 450 Millionen Euro in die Automatisierung, Innovation und Erweiterung ihrer Lager in den Regionen Nordbayern, Sachsen und Thüringen investieren. Am Standort Berbersdorf nehmen diese Pläne bereits konkrete Formen an. Und das betrifft u. a. den Wareneingang, speziell den Klassifizierungsprozess von angelieferten Paletten. Neben Pfand- und Poolingpaletten wie z. B. EPAL bzw. CHEP gibt es auch Paletten, die nicht dem Pfandsystem unterliegen. Um fehlerhafte Pfandzahlungen an Lieferanten zu vermeiden, wird jede eingehende Palette bisher manuell nach ihrer Pfandrelevanz klassifiziert, was an der Farbe und dem Label/Branding auf dem Palettenklotz zu erkennen ist – ein fehleranfälliger, zeit- und ressourcenintensiver Prozess.

Das Optimierungspotenzial liegt für EDEKA auf der Hand: „Für uns ist es wichtig zu wissen, ob die Palette bepfandet oder unbepfandet ist. Im Moment geschieht die Kontrolle durch einen Mitarbeiter am Wareneingang, der dies manuell prüft. Durch unser gemeinsames Projekt mit SICK wird sich das in Zukunft ändern, da die Erfassung des Palettentyps automatisch erfolgt.“

 

Zusammenarbeit von A bis Z

Neben der Konzeptionierung und der Entwicklung des Pallet Classification System umfasst das gemeinsame Projekt auch die entsprechende Installation in der bestehenden Anlage: zwei Farbkameras zur Bildaufnahme, eine Lichtschrankenanordnung zur Triggerung der Palette sowie ein Controller zur Verarbeitung der Daten und zur Ausführung des vortrainierten KI-basierten neuronalen Netzwerks. Eine optionale dritte Farbkamera kann beispielsweise oberhalb der Fördertechnik angebracht werden, um die Ladung auf der Palette zu dokumentieren.

Und so funktioniert’s

Während der automatisierten Palettenbeförderung erfassen die zwei Farbkameras die Labels/Brandings auf den Außenklötzen der Paletten und nehmen RGB-Bilder davon auf. Mithilfe eines vorab trainierten künstlichen neuronalen Netzes ermittelt das System anhand dieser Branding-Aufnahmen, um welchen Palettentyp es sich handelt, z. B. EPAL, CHEP oder UIC. Da die Brandings oft deutliche Qualitäts- oder Nutzungsunterschiede aufweisen, werden derartige Abweichungen im Trainingsprozess berücksichtigt, um die Robustheit der Auswertung unterschiedlichster Palettentypen zu erhöhen. Darüber hinaus kann das System dank des eingebundenen neuronalen Netzwerks um zusätzliche Palettentypen nachtrainiert werden – für eine höhere Erfolgsquote bei der Erkennung und damit eine flexible und einfache Anpassung an die Kundenbedürfnisse.

 Enge Zusammenarbeit zahlt sich aus

Die gemeinsam entwickelte Lösung ermöglicht eine präzise Klassifizierung für ein reibungsloses Palettenmanagement. Dank der einfachen Integration in die bestehende Lagerumgebung und des geringen Platzbedarfs lässt sich das System an vielen Positionen entlang der Fördertechnik montieren. Die genutzte Standardsensorik von SICK ermöglicht eine einfache Wartung und Unterhaltung des Systems. Spezifisches Know-how ist für die Bedienung nicht notwendig: Anders als bei herkömmlichen Bildverarbeitungslösungen erfordert der Einsatz von Deep-Learning-Technologie in der SICK-Lösung keine detaillierten Programmierkenntnisse, da das System aus konkreten Beispielen lernt und die aktuell unterstützten Palettentypen leicht erweitert werden können. Dadurch war es SICK möglich, die Palettenklassifizierung für EDEKA vergleichsweise einfach zu gestalten.

Und das führt zu optimierten Arbeitsprozessen: Dank der automatischen Palettenklassifizierung im laufenden Betrieb wird das Personal entlastet und kann sich auf Prozesse mit höherer Wertschöpfung konzentrieren. Palettentypen wie z. B. EPAL, CHEP oder UIC müssen nicht mehr aufwendig manuell überprüft werden – die Klassifizierung läuft automatisch, schnell und zuverlässig ab. Gleichzeitig wird die Transparenz über den Palettenbestand erhöht. Denn über eine definierte Schnittstelle auf dem SICK-eigenen Controller, die passgenau auf die Anforderungen von EDEKA abgestimmt ist, werden die erfassten Daten an ein übergeordnetes Lagerverwaltungssystem übermittelt. So ist jederzeit bekannt, wie viele pfandrelevante und nichtpfandrelevante Paletten eingegangen sind, und fehlerhafte Pfandzahlungen gehören der Vergangenheit an.

 

Der Erfolg spricht für sich

Die Partnerschaft mit SICK ermöglicht EDEKA, das Optimierungspotenzial bei seinen Prozessen am Wareneingang voll auszuschöpfen. In enger Zusammenarbeit konnte trotz vielseitiger Herausforderungen aus einer komplexen Anforderung ein Standard für die Palettenklassifizierung entwickelt werden, der kontinuierlich ausgebaut wird, beispielsweise hinsichtlich der Querförderung von Paletten. Weitere EDEKA-Lager sollen mit PACS ausgestattet werden, was die konstruktive Kooperation zwischen den beiden Unternehmen zusätzlich unterstreicht.

 

Weitere Beiträge

Automatisierung in der Intralogistik: die Perfektionierung des fahrerlosen Gabelstaplers

Lesen Sie mehr

Lesen Sie mehr