Welche Herausforderungen galt es zu lösen und welcher konkrete Nutzen ergab sich?

In der Getreideernte gilt es im wörtlichen Sinne in kürzester Zeit die Früchte eines ganzen Jahres einzufahren. Die Arbeitsbedingungen sind dabei naturgemäß schwer zu planen. Läuft die Arbeit nicht so wie erwartet, sind Hightech-Lösungen gefragt, die jederzeit eine dynamische Anpassung ermöglichen und somit die Menschen entlasten. Doch gerade in der Landwirtschaft müssen Prozessketten unter schwer vorhersagbaren Bedingungen gesteuert werden. Stehen beispielsweise in der kurzen Erntezeit Transportkapazitäten nicht zur richtigen Zeit am richtigen Ort zur Verfügung, kommt es zu unerwünschten, bei verbesserter Transparenz jedoch vermeidbaren, Verzögerungen.
Auch der Einsatz von kooperierenden Maschinen stellt Anwenderinnen und Anwender vor Herausforderungen: Für eine präzise Steuerung, etwa vom Überladeort und -zeitpunkt des Mähdreschers auf ein Transportfahrzeug, sind eine datentechnische Vernetzung sowie Zustandsprognosen erforderlich.
Die Industrie 4.0-Anwendungen aus dem Projekt „marion“ bieten Lösungen für diese Herausforderungen: Durch eine genaue Abstimmung der Teilprozesse wird die Produktivität einzelner Maschinen sowie des Gesamtprozesses verbessert, Wartezeiten reduziert und die Bedienenden der Arbeitsmaschinen entlastet.

Wie lässt sich der Industrie 4.0-Lösungsansatz beschreiben?

Mit Hilfe planbasierter Verfahren aus der Robotik werden ein globaler Plan (Gesamtprozess) sowie lokale Pläne (Einzelmaschinen und Teilprozesse) erstellt und zwischen den Partnern durch Maschine-zu-Maschine-Kommunikation (M2M) ausgetauscht. Bei sich ändernden Arbeitsbedingungen wird der Plan dynamisch überarbeitet und an die anderen Maschinen kommuniziert. Mit Hilfe von Lenk- und Fahrreglern werden die Maschinen automatisch geführt, um ein präzises Verhalten zu ermöglichen.

Was konnte erreicht werden?

Es wurde ein verteiltes Planungssystem entwickelt, in dem Mähdrescher die aktuelle Position, den geplanten Pfad und den Materialfluss an Transportfahrzeuge kommunizieren. Die Maschine erstellt daraufhin einen eigenen Plan, um den optimalen Pfad zum errechneten Überladezeitpunkt zu finden. Der Plan wird dann – unterstützt durch autonome Teilfunktionen – umgesetzt. Während des Überladens wird das Transportfahrzeug durch den Mähdrescher im Sinne von Master-Slave geführt. Das realisierte Funktionsmuster liefert Grundlagen für neue Fahrzeugarchitekturen, die auch für andere Bereiche nützlich sein können.
Mit welchen Maßnahmen wurde die Lösung erreicht?
Im Rahmen des Projekts „marion“ setzten die Unternehmen CLAAS E-Systems und ATOS gemeinsam mit dem Deutschen Forschungszentrum für Künstliche Intelligenz GmbH einen Demonstrator um. Dazu wurden ein verteiltes Planungssystem entwickelt und die einzelnen Komponenten auf den Maschinen installiert. Die mobile Datenverarbeitungseinrichtung der Maschinen ist mit den anderen Fahrzeugen vernetzt, ermittelt Sensordaten und erstellt Pläne, die kontinuierlich an die Umgebungsbedingungen anpasst werden.
Das Projekt wird durch das Bundeswirtschaftsministerium für Wirtschaft und Energie (BMWi) gefördert.

Was können andere davon lernen?

Mit dem Partner STILL wurde der Demonstrator nicht nur im landwirtschaftlichen, sondern auch im industriellen Kontext bei Flurförderfahrzeugen eingesetzt. Im landwirtschaftlichen Umfeld konnten dabei umfassende Standards aufgegriffen werden (ISO 11783). Dennoch ist eine weitergehende Standardisierung, insbesondere im Bereich M2M-Kommunikation, erforderlich. Der Anwendungsfall zeigt, wie durch die systematische Entwicklung von Assistenzsystemen neue Funktionen realisiert werden können. Werden sie dann kombiniert, kann ein hoher Automatisierungsgrad erreicht werden. Die Anwendung sorgt so für eine effiziente Auslastung der Maschinen, verbessert die Termintreue und entlastet die Anwenderinnen und Anwender. Auch die Umweltbelastung wird gesenkt, indem unnötige Fahrten vermieden werden.