AGV- und AMR-Roboter erfolgreich einsetzen: Ein Leitfaden zur Flottenauslegung und Integration
Die wichtigsten Erkenntnisse
- Lagerroboter lassen sich grundsätzlich in zwei Arten von automatisierten Fahrzeugen einteilen, wobei die genauen Funktionen je nach Anbieter variieren: Automated Guided Vehicles (AGVs) folgen einer vorgegebenen Route und stoppen bei Hindernissen, während Autonomous Mobile Robots (AMRs) ihre Wege in Echtzeit selbst berechnen und Hindernisse dynamisch umfahren können.
- Um die passende Flottengröße zu bestimmen – von der optimalen Anzahl für den Regelbetrieb bis zur höheren Kapazität für Spitzenlasten – müssen fünf zentrale Lagerkennzahlen analysiert und modelliert werden.
- Bei der Auswahl der geeigneten Robotiklösung für eine Anlage ist es entscheidend, Navigationsanforderungen, Nutzlasten und den erforderlichen Durchsatz zu berücksichtigen.
- AGVs und AMRs unterscheiden sich zudem hinsichtlich ihrer Anforderungen an Flottenmanagement-Software und Fahrzeugüberwachung.
- Hybride Systeme, die AGV- und AMR-Lösungen kombinieren, können erfolgreich eingesetzt werden. Voraussetzung ist jedoch, dass die unterschiedlichen Robotertypen klar abgegrenzten Einsatzbereichen zugeordnet und sorgfältig gesteuert werden, um unnötige Verkehrsströme und Engpässe zu vermeiden.
Sobald Entscheidungsträger im Lagerumfeld festgestellt haben, dass automatisierte Robotikfahrzeuge die Materialflussprozesse ihrer Anlage verbessern können, folgt die Diskussion meist einem ähnlichen Muster. Häufig beginnt die Betrachtung von Autonomous Mobile Robots (AMRs) und/oder Automated Guided Vehicles (AGVs) mit einer Demonstration der Technologie und einer prognostizierten Durchsatzleistung.
Dabei werden jedoch oft wichtige Faktoren übersehen: Wie viele Fahrzeuge werden tatsächlich benötigt? Wie verhält sich das Verkehrsmanagement bei Spitzenlasten? Welche infrastrukturellen Voraussetzungen müssen geschaffen werden, bevor der erste AMR oder AGV in Betrieb gehen kann? Und wie wirken sich Entscheidungen zur Flottengröße auf die Gesamtbetriebskosten (Total Cost of Ownership, TCO) aus?
Eine zu große Flotte kann zu unnötig hohen Investitions- und Betriebskosten führen, während eine zu kleine Flotte den Durchsatz begrenzt und langfristig höhere Betriebskosten verursacht.
Für Verantwortliche aus Betrieb und Technik, die sich bereits für den Weg der Automatisierung entschieden haben und nun die Evaluierungsphase durchlaufen, ist es wichtig, zentrale Konzepte zu verstehen. Dazu gehören unter anderem:
- die Methodik zur Auslegung der optimalen Flottengröße,
- datenbasierte Ansätze zur Bestimmung, in welchen Bereichen AGVs oder AMRs eingesetzt werden sollten,
- die Anforderungen eines leistungsfähigen Verkehrsmanagements im großflächigen Betrieb,
- sowie infrastrukturelle Voraussetzungen, die sowohl den Projektzeitplan als auch die Gesamtkosten maßgeblich beeinflussen.
All diese Aspekte sind entscheidend, um den wirtschaftlichen Nutzen und die Tragfähigkeit eines Automatisierungsprojekts fundiert bewerten zu können.
Wie viele AMR-Roboter benötigen Sie tatsächlich?
Die Lagerfläche in Quadratmetern scheint auf den ersten Blick die wichtigste Kennzahl zu sein, um die richtige Flottengröße für den Einsatz von Lagerrobotern zu bestimmen. Tatsächlich ist sie jedoch nur begrenzt aussagekräftig. So unterstützen einige AGV- und AMR-Lösungen beispielsweise mehrstöckige Anwendungen, bei denen mobile Roboteraufzüge die Nutzung der vertikalen Lagerfläche ermöglichen. Entscheidend ist also nicht allein die verfügbare Bodenfläche, sondern die gesamte nutzbare Lagerkapazität.
In der Praxis kann eine große Anlage mit kurzen Fahrwegen und einem moderaten Durchsatz ihre Prozesse oft mit weniger Fahrzeugen bewältigen als ein kleineres Lager, das durch hochfrequente Kommissionierprozesse über mehrere Bereiche hinweg geprägt ist.
Ein Beispiel: Ein E-Commerce-Distributionszentrum, das täglich Tausende kleiner und zeitkritischer Bestellungen bearbeitet, benötigt möglicherweise eine größere Flotte an AMRs als ein Lager, das hauptsächlich Paletten zur Versorgung von Kommissionierstationen nachführt und so Warteschlangen vermeidet. Dies kann selbst dann der Fall sein, wenn das E-Commerce-Zentrum deutlich kleiner ist.
In der Praxis ergibt sich die optimale Flottengröße jedoch aus der gemeinsamen Modellierung von sechs betrieblichen Einflussfaktoren. Dazu gehören:
- Die Entfernungen, die die mobilen Roboter zwischen den verschiedenen Lagerbereichen zurücklegen müssen.
- Durchsatzanforderungen in Spitzenzeiten, gemessen als erforderliche Anzahl von Transporten pro Stunde und nicht als durchschnittliches Tagesvolumen.
- Die Anzahl verfügbarer Zielpositionen zu einem bestimmten Zeitpunkt. Diese beeinflusst die Wartezeiten der Roboter sowie die Auslastung der gesamten Flotte.
- Die Sequenzierungslogik, also die Frage, ob ein Roboter seine Last absetzen und sofort den nächsten Auftrag übernehmen kann oder ob er die Last während des gesamten Transportzyklus mitführen muss.
- Die zulässige Fahrgeschwindigkeit unter Last, unter Berücksichtigung der Betriebsbedingungen, beispielsweise in gemeinsam genutzten Arbeitsbereichen, in denen Roboter ihre Geschwindigkeit reduzieren müssen, sobald sich Personen in der Nähe befinden.
- Die Lade- und Batteriemanagementstrategie, einschließlich der Frage, ob die Roboter Opportunitätsladen während des laufenden Betriebs nutzen, feste Ladezeiten benötigen oder eine Kombination aus beiden Ansätzen einsetzen.
Beachten Sie, dass die Geschwindigkeit unter Last besonders berücksichtigt werden muss. Obwohl ein Roboter für eine bestimmte Höchstgeschwindigkeit ausgelegt sein kann, kann er bei voller Nutzlast nicht mit dieser Höchstgeschwindigkeit betrieben werden. Der Bremsweg von Lagerrobotern verlängert sich mit zunehmendem Gewicht, um die Sicherheitsgrenzen einzuhalten. Das bedeutet, dass die Geschwindigkeit reduziert werden muss. Die im Datenblatt angegebene Geschwindigkeit ist daher nur bedingt aussagekräftig, da die tatsächliche Betriebsgeschwindigkeit eines mobilen Roboters in der Regel deutlich niedriger ist.
Im realen Betrieb verbringen Roboter einen Großteil ihrer Zeit mit Beschleunigen, Abbremsen, dem Navigieren durch Kreuzungen und dem Warten auf die Auflösung von Verkehrsstaus, anstatt mit ihrer maximalen Geschwindigkeit zu fahren. Wer sich auf diese theoretischen Datenblattwerte verlässt, wird die tatsächlich benötigte Anzahl an Robotern in einer Anlage unterschätzen.
Die Durchführung dieser Modellierung führt nicht zu einer einzelnen festen Zahl, sondern zu einem Bereich. Sie erhalten eine minimale effektive Flottengröße auf Basis des durchschnittlichen Durchsatzes Ihrer Anlage sowie eine höhere Anzahl, die Aktionszeiträume oder saisonale Nachfragespitzen berücksichtigt.
Unternehmen sollten bei der Auslegung ihrer Flottengröße auch das erwartete Geschäftswachstum einbeziehen. Während eine Überinvestition in unnötige Roboter die Kosten erhöht, kann die Planung eines Systems mit Blick auf zukünftige Erweiterungen spätere Störungen vermeiden. Simulationen ermöglichen es Unternehmen zu bewerten, wie sich prognostizierte Steigerungen des Durchsatzes, des Auftragsvolumens oder Veränderungen im Produktmix im Laufe der Zeit auf den Flottenbedarf auswirken werden.
AGV vs. AMR: Die Entscheidung hängt vom Durchsatz je Zone ab
Die nächste Frage lautet, welcher Typ von Lagerroboter in den einzelnen Bereichen die höchste Produktivität bietet: AGVs oder AMRs. Dabei spielen Faktoren wie der erforderliche Durchsatz, die Prozessstabilität, die Komplexität des Layouts, zukünftige Flexibilitätsanforderungen und die Navigationsanforderungen eine wichtige Rolle.
Ein AGV folgt beispielsweise einer festen, vorgegebenen Route von Punkt A nach Punkt B und stoppt vollständig, wenn etwas den vorgesehenen Weg blockiert. Ein AMR hingegen trifft seine Entscheidungen selbstständig. Er plant seine Route zwischen A und B eigenständig und umfährt Hindernisse in Echtzeit, anstatt darauf zu warten, dass diese beseitigt werden.
Bei der Bewertung der Optionen sollte zunächst betrachtet werden, welche Lasten der AMR oder AGV transportieren soll und welche Anforderungen an die Nutzlast bestehen, bevor die Leistungsanforderungen bewertet werden.
Kleinere Lagerroboter mit einer Größe von etwa 60 cm × 45 cm können Behälter und Kartons transportieren. Standardfahrzeuge für den Palettentransport messen etwa 122 cm × 105 cm, während die größten verfügbaren Konfigurationen erhebliche Nutzlasten bewegen können. Die maximalen Tragfähigkeiten variieren dabei je nach Hersteller und Anwendung. Die Ermittlung der Lastanforderungen einer Anlage ist ein früher Planungsschritt, der jede weitere Spezifikationsentscheidung beeinflusst.
Anschließend sollten die Leistungsanforderungen betrachtet werden. Je nach Anwendung eignen sich AMRs in der Regel gut für Kommissionier- und Versorgungsbereiche, in denen 15 bis 20 Transporte pro Stunde erforderlich sind, da jeder Roboter seine eigene Route selbst bestimmt. Diese Flexibilität ist vorteilhaft, solange das Transportvolumen in einem beherrschbaren Bereich bleibt.
Wenn die Durchsatzanforderungen in Wareneingangs- und Warenausgangsbereichen steigen, ist diese selbstbestimmte Bewegungsfreiheit jedoch nicht immer ideal und kann sogar zum Nachteil werden. Da jedes Fahrzeug seinen eigenen Weg wählt, entsteht zwangsläufig Verkehr, was das Risiko von Staus und Handhabungsvorfällen erhöhen kann, gerade dann, wenn der Betrieb seine maximale Leistung erbringen muss.
Bei hohen Durchsatzanforderungen beginnen die Einschränkungen, die für AMR-Einsätze notwendig werden, um die Leistungsziele zu erreichen, denjenigen zu ähneln, die die Bewegungsfreiheit von AGVs grundsätzlich begrenzen. Wenn AMRs auf feste Korridore, eingeschränkte Bereiche und priorisierte Fahrwege beschränkt werden, verringert sich der Unterschied zwischen beiden Technologien erheblich.
In dichten Umgebungen mit hohen Transportvolumina führt der Einsatz zusätzlicher AMRs nicht zwangsläufig zu einer proportionalen Steigerung des Durchsatzes. Größere Flotten können zu Staus, längeren Wartezeiten und einem komplexeren Verkehrsmanagement führen und dadurch die Gesamteffizienz verringern.
Im Vergleich dazu können AGVs, die auf vordefinierten Fahrwegen betrieben werden, besser vorhersehbare Ergebnisse liefern. Aus diesem Grund setzen viele Unternehmen aus der Automobilindustrie und dem produzierenden Gewerbe weiterhin auf AGVs für sich wiederholende Transportaufgaben mit hohem Durchsatz.
Verkehrsmanagement im großen Maßstab
Eine hybride Architektur für AMRs, die auf einer „geführten Autonomie“ basiert, kann eine mögliche Lösung für Anlagen mit unterschiedlichen Anforderungen sein. Sie erfordert jedoch klare Zonendefinitionen und eine separate Flottenmanagement-Logik für jeden Bereich. In einem solchen Konzept würden AMRs in Bereichen mit hohem Durchsatz einer fest definierten, vorprogrammierten Route folgen und anschließend in Bereichen mit geringerer Dichte auf autonome Navigation umschalten. Wenn dieses Konzept korrekt ausgelegt wird, kann dieser Kompromiss Betrieben Vorteile bieten, die in bestimmten Bereichen eine Leistung auf AGV-Niveau und in anderen Bereichen die Flexibilität von AMRs benötigen.
Gemischte Flotten sind auch für E-Commerce-Betriebe eine sinnvolle logistische Lösung. In solchen Umgebungen arbeiten Wareneingang und Warenausgang in der Regel mit anderen Durchsatzanforderungen als Kommissionier- und Nachschubbereiche. Wenn AGV- und AMR-Technologien kombiniert werden, ist das Mischen unterschiedlicher Fahrzeugtypen innerhalb derselben Zone jedoch komplexer als deren Einsatz in getrennten Bereichen.
Einige Anlagen betreiben erfolgreich gemischte Flotten mit fortschrittlichen Verkehrsmanagementsystemen, allerdings zu höheren Kosten. In vielen Fällen würde der zusätzliche Aufwand für das Verkehrsmanagement, der erforderlich ist, um beide Arten von Lagerrobotern sicher und effizient zu betreiben, die möglichen Durchsatzvorteile wieder zunichtemachen.
Ein weiterer zu berücksichtigender Faktor ist, dass jede Art von Lagerroboter unterschiedliche Anforderungen an die IT-Infrastruktur und die Standortvorbereitung stellt. Einige AGVs verfügen nur über begrenzte Rechenkapazitäten an Bord, da die Routenentscheidungen in der Flottenmanagement-Software getroffen und einheitlich auf die gesamte Flotte angewendet werden. Die Routen können jedoch in der Software angepasst werden, um dynamischer zu werden. AMRs hingegen müssen über mehr Intelligenz an Bord verfügen, um ihre Routenentscheidungen eigenständig treffen zu können. Dieser Unterschied spiegelt sich in der Systemarchitektur, der Struktur der Softwarelizenzen und in der Art und Weise wider, wie IT-Teams die Flotte überwachen und Fehler beheben.
Darüber hinaus kann es vorkommen, dass ein Lager bereits über eine bestehende Fahrzeugflotte verfügt, die durch zusätzliche mobile Roboter erweitert oder modernisiert werden soll. Abhängig von den eingesetzten Robotermodellen und ihrer Kommunikationsplattform können die vorhandenen Fahrzeuge gegebenenfalls in die neue Flottenmanagement-Software integriert werden. Dadurch wird die Skalierung vereinfacht und die Gesamtkosten können reduziert werden.
Bringen Sie Ihre Lagerrobotik auf das nächste Level
Sind Sie bereit, auf Basis von Daten und klaren Zielsetzungen zu bestimmen, welche Lagerroboter Ihre Prozesse auf das nächste Level bringen können? Die Experten von TGW Logistics unterstützen Sie bei der Bewertung von IT-Anforderungen, Nutzlastanforderungen und sogar beim Change Management für Ihre Mitarbeiter während der Einführung automatisierter Fahrzeuge.
Kontaktieren Sie uns noch heute, um weitere Informationen zu erhalten.
TGW Logistics ist ein international führender Anbieter von hochautomatisierten Intralogistik-Lösungen mit Headquarter in Österreich. Als Systemintegrator übernehmen wir die Planung, Produktion, Realisierung und Wartung von leistungsstarken Distributionszentren – von Mechatronik über Robotik bis Software. Damit fungieren wir als Möglichmacher für unsere Kunden und unterstützen sie beim Realisieren ihrer Zukunftspläne. Mehr als 4.600 Mitarbeiter:innen in Europa, Asien und Nordamerika überzeugen durch Kompetenz und Lösungsorientierung. Ganz in Übereinstimmung mit unserem Claim: It's possible! Eigentümerin von TGW Logistics ist die TGW Future Privatstiftung.
