Autonoom afval ophalen in uw bedrijf

Een besparing van 30% op de ophaalkost van het afval van je bedrijf. Dat is wat we samen met VIL (Vlaamse Speerpuntcluster voor de Logistiek), FTSolutions, DSP Automation, Pixelvision, Indaver en de Universiteit van Antwerpen willen bereiken door een autonoom afval-ophaalsysteem op poten te zetten. Als productie- of logistiek bedrijf wil je bezig zijn met je hoofdtaak: zo veel mogelijk produceren of transporteren tegen een zo goed mogelijke kwaliteit. Helaas ontstaat er in de meeste productieprocessen ook heel wat afval. Zo produceren Vlaamse bedrijven zo’n 16 miljoen ton primair bedrijfsafval per jaar. Dit afval, wat vaak netjes gescheiden wordt, belandt in diverse type containers op de bedrijfsvloer. Deze containers moeten vervolgens (meestal dagelijks) geledigd worden. Na een brainstorm met een aantal logistieke leden identificeerde het VIL een nood voor het automatiseren van dit proces.

Gelukkig zijn er bedrijven zoals Indaver, die een service leveren om afval op te halen op je bedrijfssite. Om deze service verder te optimaliseren zijn zij ook op zoek naar verdere automatiseringstoepassingen. Het ophalen van afval automatiseren is allesbehalve eenvoudig. Naast het feit dat er meerdere type containers autonoom opgetild en verplaatst dienen te worden (2-wheel, 4-wheel, pallet-based containers etc.), dient een autonome oplossing ook zowel binnen als buiten te werken. Volle containers moeten namelijk vaak buiten op het bedrijfsterrein geledigd worden.

Sensoren & data augmentation

Autonome totaaloplossingen voor afval-ophalingen bestaan nog niet, maar FTSolutions ziet in de ontwikkeling ervan een mooie kans. Onlangs is er een gecertificeerde veiligheids-sensor geïntroduceerd voor autonome platformen die ook buiten ingezet kan worden. Dit biedt mogelijkheden voor dit soort toepassingen. Daarnaast worden AI-algoritmes steeds slimmer waardoor het gemakkelijker wordt om containers in moeilijke weersomstandigheden (zoals in regen, mist en sneeuw) te herkennen; dit is een typische taak voor Pixelvision. Flanders Make werkt aan data augmentation technieken om dit soort AI-netwerken te trainen. Met data-augmentation worden nieuwe beelden gecreëerd in diverse weersomstandigheden (Figuur 1).

Autorio----Figuur-1Figuur 1: Links een opgenomen camera beeld van containers met droog weer. Rechts een door een algoritme gecreëerd beeld in regenachtige weersomstandigheden

Op basis van die beelden kan een AI-netwerk leren hoe bijvoorbeeld een container er in de regen uit ziet. Samen met nieuwe ultrasoon technologie (Figuur 2) die de UAntwerpen ontwikkelde, kunnen we dan een robuuste oplossing integreren.ertisFiguur 2: De nieuwe ultrasoon sensor ontwikkelt door UAntwerpen.

We zorgen ook voor een uitgebreide evaluatie van diverse sensoren. Door meetcampagnes uit te voeren kunnen we de juiste sensor selecteren in iedere weersomstandigheid en brengen we in kaart hoe je deze verschillende sensoren slim kan combineren om voldoende informatie van de omgeving in kaart te brengen voor het autonoom ophalen van het afval. Zo zal in bepaalde weersomstandigheden, bijvoorbeeld bij mist, een ultrasone oplossing veel beter werken dan een camera of een LIDAR. Door deze evaluatie en daaropvolgende ideale combinatie van sensoren kunnen we een zo goed mogelijke oplossing leveren aan een zo laag mogelijke kostprijs.

Uiteindelijk dient een autonome afhaal-ophaal service ook geïntegreerd te worden in een warehouse-management systeem. Om ervoor te zorgen dat het afval vlot opgehaald zal worden hebben we data nodig over de containers. Dit gaat dan om het type container, of deze in gebruik is of leeg is, de inhoud van de container, etc. Door al deze data te verzamelen en te analyseren kunnen we uiteindelijk het afval veel optimaler ophalen.

Autonoom mobiel platform design

Tijdens de start van het onderzoek zijn alle eisen in kaart gebracht, het autonoom mobiel platform zal bijvoorbeeld ook over minder glad wegdek moeten kunnen rijden, een deksel moeten kunnen plaatsen op een container, etc. Hiervoor zijn diverse designmogelijkheden. Wij hebben, samen met FTSolutions en DSP Automation, geanalyseerd welk design naar verwachting het gunstigste is qua kosten en robuustheid.

Proof-of-concept

Door software te ontwikkelen die deze sensorinformatie combineert met controllers die instaan voor het optillen en transporteren van de verschillende containers komen we bij een proof-of-concept. We demonstreren dit proof-of-concept op ons open mobiele research platform. Met dit mobiele platform testen we de sensoren en de software, in allerlei realistische omstandigheden.

IMG_5521Figuur 3: De proof-of-concept AGV met de diverse types containers in onze testomgeving in Lommel. 

Misschien ken je de Disneyfilm Wall-E nog wel, waar een autonoom robotje het afval op de wereld opruimt, lang na het vertrek van de mens. Dit ietwat triestige toekomstbeeld zal “onze Wall-E” hopelijk deels voorkomen door nu bij te dragen aan slimme, optimale en gescheiden afval-ophaal services.

Over ongeveer een jaar zullen we de eindresultaten van dit onderzoek demonstreren. Graag nodigen we je hiervoor dan ook uit. Wil je zelf kennis maken met onze nieuwste innovaties en een demonstratie volgen? Vul onderstaand formulier in en wij nemen contact met je op.

Ellen van Nunen
Auteur

Ellen van Nunen

Ellen van Nunen is sinds 2018 werkzaam bij Flanders Make als project leider op projecten rondom autonoom rijden. Ellen heeft haar Master of Science in toegepaste wiskunde behaald in 2004 (TU Eindhoven) en heeft meer dan 10 jaar ervaring in onderzoek aan autonome voertuigen.

Related Posts

Lees meer
Lees meer
Lees meer

BLIJF OP DE HOOGTE!

Schrijf je in voor onze nieuwsbrief en ontvang de interessantste artikels over innovaties in de maakindustrie en updates over Flanders Make.