DE102022118245A1

DE102022118245A1 - System, Verfahren und Computerprogrammprodukt zur optimierten Testplanung für das Prototypenmanagement einer Entität

Info

Publication number: DE102022118245A1
Application number: DE102022118245.2A
Authority: DE
Inventors: Regina Kirschner; Alissa Helena Wilms; Marian Mularski
Original assignee: Dr Ing HCF Porsche AG
Current assignee: Dr Ing HCF Porsche AG
Priority date: 2022-07-21
Filing date: 2022-07-21
Publication date: 2024-02-01

Abstract

Die Erfindung betrifft ein Verfahren zur optimierten Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität, umfassend:- Generieren von ersten Daten für Parameter, Variablen Zeitintervalle und/oder Orte der Entität und der Objekte mittels Sensoren und/oder zumindest einer Datenbank;- Generieren von zweiten Daten für zumindest einen ausgewählten Prozessablauf und/oder eine ausgewählte Aufgabe, der/die mittels zumindest eines Objekts durchführbar ist/sind;- Transformieren der ersten Daten und zweiten Daten in codierte Daten in einem Encoder, so dass die codierten Daten von einem Graphenmodul bearbeitbar sind;- Erzeugen einer Menge Q von Graphen aus den codierten Daten, wobei ein Graph jeweils eine mögliche Zuordnung von zumindest einem Objekt zu einer Trajektorie abbildet;- Auffinden zumindest eines Zielgraphen aus der Menge Q von Graphen mittels eines Quantenalgorithmus, wobei der Zielgraph ein optimales Minimum hinsichtlich der Anzahl der benötigten Trajektorien und/oder der benötigten Zeit zum Durchlaufen der Trajektorien und/oder der Anzahl der benötigten Objekte für eine optimierte Routenplanung darstellt.

Description

Die Erfindung betrifft ein System, ein Verfahren und ein Computerprogrammprodukt zur optimierten Routenplanung für sich autonom oder teilweise autonom bewegende Objekte, insbesondere Flurförderfahrzeuge, in einer Entität.
Als Flurförderzeuge werden eine Vielzahl von Fahrzeugen und Geräten bezeichnet, die das Heben und Bewegen von Lasten im gewerblichen Bereich ermöglichen. Flurförderfahrzeuge umfassen unterschiedliche Fahrzeugtypen, die für diesen Einsatzzweck geeignet sind und sie weisen unterschiedliche Antriebsarten auf. Typische Beispiele sind Gabelstapler und Hubwagen. Insbesondere werden Flurförderzeuge in Produktionsstätten und Montagestätten von Industrieanlagenunternehmen sowie im Lagerwesen sämtlicher Branchen eingesetzt. In Abhängigkeit von dem jeweiligen Einsatzbereich, der beispielsweise durch das Gewicht, die Verpackung und die Art der zu transportierenden Waren und Güter bestimmt wird, werden unterschiedliche Flurförderzeugtypen verwendet, die sich hinsichtlich ihrer technischen Konfiguration unterscheiden.
Zudem wird zwischen einer Nutzung der Fahrzeuge im Innen- oder Außenbereich unterschieden. So werden in Innenräumen, beispielsweise in Produktionsstätten oder in Lagerhallen, elektrisch betriebene Flurförderfahrzeuge verwendet, während im Außenbereich oftmals klassische Gabelstapler mit einem Verbrennungsmotor eingesetzt werden.
In einer automatisierten Produktionsanlage oder in automatisierten Lagerhallen werden zunehmend auch autonom fahrende Flurförderfahrzeuge, die Waren und Güter auf einer Route von einem Ausgangsort zu einem Zielort transportieren, eingesetzt. Diese autonom fahrenden Flurfahrzeuge können zudem mit Roboterfunktionalitäten wie Greifarmen ausgestattet sein, so dass beispielsweise in der Produktion das selbstständige Entnehmen eines Montageteils aus einem Lagerregal oder einer Produktionspufferzone, der Transport des Montageteils zu einem Produktionsbereich und das Übergeben an eine andere Maschine, die wiederum als Industrieroboter ausgebildet ist, selbstständig erfolgen kann.
In einem Lagerlogistikunternehmen beispielsweise für den Onlinehandel sind die Lagerung, die Verpackung oder der Versand von Waren und Gütern zentrale Aufgabenbereiche. Um eine effiziente Lagerlogistik zu gewährleisten, sind daher die Planung des Warenflusses sowie die Steuerung, Organisation und Überwachung der Lager- und Transportvorgänge von großer Bedeutung, da nur auf diese Weise eine optimale Nutzung der Lagerfunktionen möglich ist. Im Rahmen einer Automatisierung kann beispielsweise das Entnehmen der Ware aus einem Hochregal und das Übergeben an einen Verpackungsbereich durch autonom fahrende Flurförderfahrzeuge erfolgen. Die Flurförderfahrzeuge bewegen sich dabei autonom durch die Produktions- oder Lagerhalle auf vorgegebenen Routen.
Um den Materialfluss innerhalb eines Lagers oder einer Produktionsanlage optimal zu steuern, ist es bekannt, Lagerverwaltungssysteme einzusetzen. Allerdings wird bei diesen Systemen eine Routenoptimierung der Flurförderfahrzeuge oft nicht berücksichtigt oder sie ist zu ungenau, da die Routenoptimierungsfunktionen mittels der verwendeten mathematischen Verfahren und klassischen Algorithmen nur eingeschränkt gelöst werden können. Aufgrund der großen Anzahl von Parametern, Variablen und Randbedingungen sind die Ergebnisse daher oft nicht sehr zuverlässig, um in der Praxis umgesetzt werden zu können. Dies wird noch verstärkt durch den hohen Zeitaufwand aufgrund der hohen Rechenzeiten. Des Weiteren ergeben sich bei komplexen Systemen oft Lösungsräume mit einer Vielzahl von lokalen Nebenminima, so dass oft nicht ersichtlich ist, welche dieser Minima geeignet für eine Lösung des Problems sein können.
Die US 2021/0248489 A1 offenbart ein Verfahren zur Routenoptimierung eines Kraftfahrzeugs, wobei die Routenoptimierung mittels eines Quantencomputers erfolgt. Eine Prozessdatenkomponente stellt Prozessdaten bereit und eine Quanten-Web-Service-Komponente erzeugt ein von einer Quantenverarbeitungseinheit zu lösendes Optimierungsproblems. Die Quanten-Web-Service-Komponente ist mit der Prozessdatenkomponente verbunden, wobei das Optimierungsproblem auf der Grundlage der Prozessdaten konfiguriert wird.
Die US 2014/0214257 A1 offenbart ein Verfahren zur Integration von Quantencomputersystemen in mobile Systeme, um eine quantencomputergestützte Echtzeitsteuerung der mobilen Systeme zu ermöglichen. Ein mobiles System umfasst ein Datenextraktions-Teilsystem, das Daten aus einer externen Umgebung des mobilen Systems extrahiert, und ein Quantencomputer-Teilsystem, das Daten von dem Datenextraktions-Teilsystem empfängt und eine Quantencomputer-Operation in Echtzeit unter Verwendung der Daten von dem Datenextraktions-Teilsystem durchführt. Ein Ergebnis der Quantenberechnungsoperation beeinflusst ein Verhalten des mobilen Systems, wie z. B. die Navigation des mobilen Systems oder eine von dem mobilen System durchgeführte Aktion.
Die US 2018/0276994 A1 offenbart ein Verfahren zur Optimierung eines Transportsystems, wobei transportbezogenen Daten aufgenommen werden, aus den Daten eine Transportmetrik abgeleitet wird, die mittels Quantencomputers verbessert wird.
Die WO 2019/118161 A1 offenbart ein Verfahren zur Ermittlung einer Fahrroute für ein autonom fahrendes Fahrzeugs. Für jeden Straßenabschnitt einer Route wird anhand von Fahrzeugsignalen eine Schwierigkeitsbewertung erstellt und auf der Grundlage dieser Informationen kann eine Route ausgewählt werden.
Eine Aufgabe der vorliegenden Erfindung besteht somit darin, ein System, ein Verfahren und ein Computerprogrammprodukt zur optimierten Routenplanung für sich autonom oder teilweise autonom bewegende Objekte, insbesondere Flurförderfahrzeuge, zu schaffen, um hierdurch eine verbesserte Effizienz der Planung, Steuerung und Durchführung von Prozessabläufen und Aufgaben in einer Entität zu erreichen und damit die Kostenstruktur zu verbessern.
Diese Aufgabe wird hinsichtlich eines Verfahrens durch die Merkmale des Patentanspruchs 1, hinsichtlich eines Systems durch die Merkmale des Patentanspruchs 10 und hinsichtlich eines Computerprogrammprodukt durch die Merkmale des Patentanspruchs 15 erfindungsgemäß gelöst. Die weiteren Ansprüche betreffen bevorzugte Ausgestaltungen der Erfindung.
Gemäß einem ersten Aspekt stellt die Erfindung ein Verfahren zur optimierten Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) O1, O2, ..., On, insbesondere Flurförderfahrzeuge, für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität, wie insbesondere Montageabläufen in einer Produktionsanlage oder Logistikabläufen in einer Lagerhalle, bereit. Die Prozessabläufe und/oder Aufgaben in der Entität sind jeweils durch Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervalle Δt1, Δt2, ..., Δtn und/oder Orte X1, X2, ..., Xn definierbar. Die Entität umfasst einen räumlichen Bereich mit Raumpunkten x,y,z, wobei die Raumpunkte x,y,z mittels räumlicher Koordinaten abbildbar sind. Die Objekte O1, O2, ..., On können sich hinsichtlich ihrer technischen Konfiguration voneinander unterscheiden und eine Konfiguration ist zumindest durch ausgewählte Kategorien K1, K2, ..., Kn und/oder Eigenschaften E1, E2, ..., En definiert. Ein Objekt Oj kann sich jeweils auf einer Trajektorie Tj in dem räumlichen Bereich der Entität entlang ausgewählter Raumpunkte x,y,z bewegen. Das Verfahren umfasst die folgenden Verfahrensschritte:

- Generieren von ersten Daten für die Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervalle Δt1, Δt2, ..., Δtn und/oder Orte X1, X2, ..., Xn der Entität und für die Kategorien K1, K2, ..., Kn und/oder Eigenschaften E1, E2, ..., En der Objekte O1, O2, ..., On mittels Sensoren und/oder zumindest einer Datenbank;
- Generieren von zweiten Daten für zumindest einen ausgewählten Prozessablauf und/oder eine ausgewählte Aufgabe, der/die mittels zumindest eines Objekts Oj durchführbar ist/sind, wobei der ausgewählte Prozessablauf und/oder die ausgewählte Aufgabe eine Zuordnung zumindest eines Ortes Xj zu einem Parameter Pj, einer Variablen Vj und/oder einem Zeitintervall Δtj umfasst;
- Übermitteln der ersten Daten und der zweiten Daten von dem Eingabemodul an ein Transformationsmodul, wobei das Transformationsmodul zumindest einen Encoder und ein Graphenmodul umfasst;
- Transformieren der ersten Daten und zweiten Daten in codierte Daten in dem Encoder, so dass die codierten Daten von dem Graphenmodul bearbeitbar sind;
- Erzeugen einer Menge Q von Graphen aus den codierten Daten, wobei ein Graph jeweils eine mögliche Zuordnung von zumindest einem Objekt Oj zu einer Trajektorie Tj abbildet, wobei eine von der Trajektorie Tj durchlaufene Raumkurve derart festgelegt wird, dass zumindest der eine ausgewählte Prozessablauf und/oder die eine ausgewählte Aufgabe erfüllbar ist/sind;
- Weitergeben der Menge Q von Graphen an ein Quantentestplanungsmodul;
- Auffinden zumindest eines Zielgraphen aus der Menge Q von Graphen mittels eines Quantenalgorithmus, wobei der Zielgraph ein optimales Minimum hinsichtlich der Anzahl der benötigten Trajektorien T1, T2, ..., Tn und/oder der benötigten Zeit zum Durchlaufen der Trajektorien T1, T2, ..., Tn und/oder der Anzahl der benötigten Objekte O1, O2, ..., On für eine optimierte Routenplanung darstellt.

In einer vorteilhaften Ausführungsform ist vorgesehen, dass der Zielgraph an ein Ausgabemodul weitergegeben wird, das den Zielgraphen in Ausgabedaten transformiert, wobei die Ausgabedaten die Anzahl der ausgewählten Objekte O1, O2, ..., On mit ihrer jeweiligen Konfiguration und Routenpläne für die ausgewählten Objekte O1, O2, ..., On insbesondere in Form von Graphiken, Textnachrichten, Hologrammen, Kennzahlen, Diagrammen, Power-Point Präsentationen, und/oder elektronischen Anweisungen an die jeweiligen Objekte O1, O2, ..., On umfassen.
In einer Weiterbildung ist vorgesehen, dass der Quantenalgorithmus als Quantenglühen (engl. quantum annealing) ausgebildet ist.
Insbesondere sind eine Graphenfärbung und/oder Graphenaufteilung (engl. clique partitioning) zum Auffinden eines Zielgraphen verwendet wird/werden.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass das Transformationsmodul zumindest einen Encoder aufweist, der insbesondere als One-Hot-Encoder ausgebildet ist.
Insbesondere umfasst das Ausgabemodul zumindest einen Decoder zum Transformieren und Decodieren des Zielgraphen in Ausgabedaten.
Vorteilhaftweise ist vorgesehen, dass das Quantentestplanungsmodul einen Quantenprozessor umfasst.
In einer Weiterentwicklung ist vorgesehen, dass das Eingabemodul und/oder das Transformationsmodul und/oder das Quantentestplanungsmodul und/oder das Ausgabemodul über eine oder mehrere technische Schnittstellen und Protokolle für den Zugang zu einer Cloud-Computing-Infrastruktur verfügt/verfügen oder in der Cloud-Computing-Infrastruktur integriert ist/sind.
In einer weiteren Ausführungsform ist vorgesehen, dass der Encoder und der Decoder neuronale Netze und/oder rekurrente neuronale Netze und/oder gefaltete neuronale Netze (Convolutional Neural Networks) verwenden.
Gemäß einem zweiten Aspekt stellt die Erfindung ein System zur optimierten Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) O1, O2, ..., On, insbesondere Flurförderfahrzeuge, für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität, wie insbesondere Montageabläufe in einer Produktionsanlage oder Logistikabläufe in einer Lagerhalle, bereit. Die Prozessabläufe und/oder Aufgaben in der Entität sind jeweils durch Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervalle Δt1, Δt2, ..., Δtn und/oder Orte X1, X2, ..., Xn definierbar. Die Entität umfasst einen räumlichen Bereich mit Raumpunkten x,y,z, wobei die Raumpunkte x,y,z mittels räumlicher Koordinaten abbildbar sind. Die Objekte O1, O2, ..., On können sich hinsichtlich ihrer Konfiguration voneinander unterscheiden und eine Konfiguration ist zumindest durch ausgewählte Kategorien K1, K2, ..., Kn und/oder Eigenschaften E1, E2, ..., En definiert. Ein Objekt Oj ist ausgebildet, sich jeweils auf einer Trajektorie Tj in dem räumlichen Bereich der Entität entlang ausgewählter Raumpunkte x,y,z zu bewegen. Das System umfasst ein Eingabemodul, das ausgebildet ist, erste Daten für die Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervalle Δt1, Δt2, ...., Δtn und/oder Orte X1, X2, ..., Xn der Entität und für die Kategorien K1, K2, ..., Kn und/oder Eigenschaften E1, E2, ..., En der Objekte O1, O2, ..., On mittels Sensoren und/oder zumindest einer Datenbank zu generieren, und zweite Daten für zumindest einen ausgewählten Prozessablauf und/oder eine ausgewählte Aufgabe, der/die mittels zumindest eines Objekts Oj durchführbar ist/sind, zu generieren. Der ausgewählte Prozessablauf und/oder die ausgewählte Aufgabe umfasst eine Zuordnung zumindest eines Ortes Xj zu einem Parameter Pj, einer Variablen Vj und/oder einem Zeitintervall Δtj. Des Weiteren umfasst das System ein Transformationsmodul, das einen Encoder und ein Graphenmodul umfasst, wobei das Transformationsmodul mit dem Eingabemodul verbunden ist und ausgebildet ist, die ersten Daten und die zweiten Daten in codierte Daten in dem Encoder derart zu transformieren, dass die codierten Daten von dem Graphenmodul bearbeitbar sind. Das Graphenmodul ist ausgebildet, eine Menge Q von Graphen aus den codierten Daten zu erzeugen, wobei ein Graph jeweils eine mögliche Zuordnung von zumindest einem Objekt Oj zu einer Trajektorie Tj abbildet, wobei eine von der Trajektorie Tj durchlaufene Raumkurve derart festgelegt ist, dass zumindest der eine ausgewählte Prozessablauf und/oder die eine ausgewählte Aufgabe erfüllbar ist/sind. Des Weiteren umfasst das System ein Quantentestplanungsmodul, das mit dem Graphenmodul verbunden ist und ausgebildet ist, zumindest einen Zielgraphen aus der Menge Q von Graphen mittels eines Quantenalgorithmus aufzufinden, wobei der Zielgraph ein optimales Minimum hinsichtlich der Anzahl der benötigten Trajektorien T1, T2, ..., Tn und/oder der benötigten Zeit zum Durchlaufen der Trajektorien T1, T2, ...., Tn und/oder der Anzahl der benötigten Objekte O1, O2, ..., On für eine optimierte Routenplanung darstellt.
In einer Weiterbildung ist vorgesehen, dass das Quantentestplanungsmodul ausgebildet ist, den Zielgraphen an ein Ausgabemodul weiterzugeben, wobei das Ausgabemodul ausgebildet ist, den Zielgraphen in Ausgabedaten zu transformieren, wobei die Ausgabedaten die Anzahl der ausgewählten Objekte O1, O2, ..., On mit ihrer jeweiligen Konfiguration und Routenpläne für die ausgewählten Objekte O1, O2, ..., On insbesondere in Form von Graphiken, Textnachrichten, Hologrammen, Kennzahlen, Diagrammen, Power-Point Präsentationen, und/oder elektronischen Anweisungen an die jeweiligen Objekte O1, O2, ..., On umfassen.
Insbesondere ist der Quantenalgorithmus als Quantenglühen (engl. quantum annealing) ausgebildet.
In einer weiteren Ausführungsform ist vorgesehen, dass eine Graphenfärbung und/oder Graphenaufteilung (engl. clique partitioning) zum Auffinden eines Zielgraphen verwendet wird/werden.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass das Transformationsmodul zumindest einen Encoder aufweist, der insbesondere als One-Hot-Encoder ausgebildet ist, und dass das Ausgabemodul zumindest einen Decoder zum Transformieren und Decodieren des Zielgraphen in Ausgabedaten umfasst.
Gemäß einem dritten Aspekt betrifft die Erfindung ein Computerprogrammprodukt, umfassend einen ausführbaren Programmcode, der so konfiguriert ist, dass er bei seiner Ausführung das Verfahren gemäß dem ersten Aspekt ausführt.
Nachfolgend wird die Erfindung anhand eines in der Zeichnung dargestellten Ausführungsbeispiels näher erläutert.
Dabei zeigt:

1 eine schematische Darstellung eines erfindungsgemäßen Systems zur optimierten Routenplanung für sich autonom oder teilweise autonom bewegende Objekte, insbesondere Flurförderfahrzeuge, in einer Entität;
2 eine schematische Darstellung eines Graphen;
3 ein Flussdiagramm zur Erläuterung der einzelnen Verfahrensschritte eines erfindungsgemäßen Verfahrens;
4 ein Computerprogrammprodukt gemäß einer Ausführungsform des dritten Aspekts der Erfindung.

Zusätzliche Merkmale, Aspekte und Vorteile der Erfindung oder ihrer Ausführungsbeispiele werden durch die ausführliche Beschreibung in Verbindung mit den Ansprüchen ersichtlich.
1 zeigt ein System 100 zur Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) O1, O2, ..., On für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität 10, wie insbesondere Montageabläufen in einer Produktionsanlage oder Logistikabläufen in einer Lagerhalle.
Die Objekte O1, O2, ..., On sind insbesondere als Flurförderfahrzeuge ausgebildet. Es kann sich bei den Objekten O1, O2, ..., On aber auch um ein autonom fahrendes Kraftfahrzeug, ein landwirtschaftliches Fahrzeug wie einen Mähdrescher, einen Roboter in der Produktion oder in Service- und Pflegeeinrichtungen, oder um ein Wasserfahrzeug oder um ein Flugobjekt wie ein Flugzeug oder eine Drohne handeln.
Die Entität 10 ist insbesondere als Produktionsanlage ausgebildet. Eine Produktionsanlage ist üblicherweise in verschiedene Produktionsbereiche und zugehörige Produktionspuffer unterteilt. Die Produktionspuffer enthalten produzierte Bauteile und Komponenten, die im nächsten Produktionsschritt benötigt werden. Die Produktionspuffer dienen dazu, die Produktion unabhängig von kurzen Stillstandzeiten oder Wartungsarbeiten reibungslos laufen zu lassen. Die Produktionsbereiche weisen Maschinenparks auf, die ein oder mehrere Maschinen enthalten und zudem mit Schutzzonen ausgestattet sind. Die Maschinen sind insbesondere als Industrieroboter ausgebildet.
Für den Produktionsablauf werden Montageteile mittels Flurförderfahrzeugen zu einem Produktionsbereich aus einem Lager oder einem Produktionspuffer transportiert. Die Flurförderfahrzeuge bewegen sich auf Trajektorien T1, T2, ..., Tn durch die Produktionshalle. Während bei durch von Personen gesteuerten Fahrzeugen eine Planung der Trajektorien in der Regel kurzfristig erfolgt und auch wieder schnell geändert werden kann, ist für autonom fahrende Flurförderfahrzeuge eine vorausschauende Routenplanung der von ihnen befahrenen Wegstrecken bzw. Trajektorien erstrebenswert, da nur auf diese Weise das Automatisierungspotential von sich autonom bewegenden Fahrzeugen genutzt werden kann.
Es kann sich bei der Entität 10 aber auch beispielsweise um ein Lagerlogistikunternehmen beispielsweise für den Onlinehandel handeln. Hierbei stellen die Lagerung, die Verpackung oder der Versand von Waren und Gütern zentrale Aufgabenbereiche dar. Um eine effiziente Lagerlogistik zu gewährleisten, sind daher die Planung des Warenflusses sowie die Steuerung, Organisation und Überwachung der Lager- und Transportvorgänge von großer Bedeutung, da nur auf diese Weise eine optimale Nutzung der Lagerfunktionen möglich ist. Im Rahmen einer Automatisierung kann beispielsweise das Entnehmen der Ware aus einem Hochregal und das Übergeben an einen Verpackungsbereich durch autonom fahrende Flurförderfahrzeuge erfolgen. Die Flurförderfahrzeuge bewegen sich dabei auf autonom durch die Produktions- oder Lagerhalle auf vorgegebenen Trajektorien bzw. Routen.
Die technische Konfiguration eines Objekts Oj kann durch verschiedene Kategorien K1, K2, ..., Kn und Eigenschaften E1, E2, ..., En gekennzeichnet werden. Bei den Kategorien kann es sich beispielsweise um einen Verbrennungsmotor, einen Elektromotor, das Bremssystem, das Lichtsystem, das Sicherheitssystem, Softwarekomponenten, etc. handeln. Die Kategorien K1, K2, ..., Kn wiederum können Eigenschaften E1, E2, ..., En enthalten, wie beispielsweise die Antriebskraft, das Gewicht, die Zylinderanzahl, die Zahl und Anordnung der Airbags, die Art der Software, etc. Die Eigenschaften E1, E2, ..., En können somit numerische, zeitliche, räumliche, akustische, optische, chemische und/oder sonstige Eigenschaften umfassen und es kann vorgesehen sein, dass sie mit Sensoren 20 gemessen werden.
Auch wenn im Folgenden die Eigenschaften mit den Bezugszeichen E1, E2, ..., En bezeichnet werden, ist die Eigenschaft E1 für die Kategorie K1 nicht notwendigerweise mit der Eigenschaft E1 für die Kategorie K2 identisch, aber aus Gründen einer übersichtlichen Darstellung wird auf eine weitere Spezifizierung der Eigenschaften E1, E2, ..., En in Bezug auf die jeweilige Kategorie K1, K2, ..., Kn verzichtet. Im Rahmen der Erfindung sind darüber hinaus weitere Untergliederungen und Zuordnungen von Kennwerten, Kennzahlen und Merkmalen zu den verschiedenen Kategorien K1, K2, ..., Kn sowie den Eigenschaften E1, E2, ..., En möglich. Bei den Kennwerten, Kennzahlen und Merkmalen kann es sich beispielsweise um Randbedingungen aufgrund von länderspezifischen Vorgaben handeln.
Die Entität 10 wie eine Produktionsanlage oder ein Lagerhalle umfasst einen räumlichen Bereich mit Raumpunkten x,y,z, wobei die Raumpunkte x,y,z mittels räumlicher Koordinaten abbildbar sind. Ein Objekt Oj wie ein Flurförderfahrzeug kann sich jeweils auf einer Trajektorie Tj in dem räumlichen Bereich der Entität 10 entlang ausgewählter Raumpunkte x,y,z bewegen.
Die Routenplanung für das eine Objekt Oj oder für mehrere sich autonom oder zumindest teilweise autonom in der Entität 10 bewegende Objekte O1, O2, ..., On, wie insbesondere Flurförderfahrzeuge, ist somit abhängig von dem jeweiligen Prozessablauf beispielsweise in einem Produktionsbereich oder von einer bestimmten Aufgabe beispielsweise in einem Lagerlogistikunternehmen. So wird für eine bestimmte Montage an einem bestimmten Ort X1 zu einem bestimmten Zeitpunkt ein Montageteil benötigt, das sich in einem Lager an einem anderen Ort X2 befindet. Für die Bestimmung eines Prozessablauf bzw. einer Aufgabe sind insbesondere zwei variable Eigenschaften von Bedeutung: der Zeitrahmen, d.h. der Beginn und die Zeitdauer des Prozessablaufs, sowie der genaue Ort innerhalb des Maschinenparks, an dem der jeweilige Prozessablauf stattfindet oder die Aufgabe erledigt wird. Ein Prozessablauf oder eine Aufgabe kann somit durch verschiedene Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., V, Zeitintervalle Δt1, Δt2, ..., Δtn und/oder Orte X1, X2, ..., Xn charakterisiert werden. Die Parameter P1, P2, ..., Pn und Variablen V1, V2, ..., Vn können numerische, zeitliche, räumliche, akustische, optische, chemische und/oder sonstige Eigenschaften umfassen. Beispielsweise kann ein Parameter eine bestimmte Warengruppe, ein bestimmtes Produkt oder eine bestimmtes Montageteil beinhalten. Bei den Variablen V1, V2, ..., Vn kann es um die Anzahl des bestimmten Produkts, den Herstellungszeitpunkt, eine bestimmte Version, etc. oder auch um weitere Randbedingungen handeln, wie beispielsweise die kontinuierliche Befüllung eines Puffers oder eines Hochregals mit einem spezifischen Montageteil, Produkt, etc.
Das Ziel einer optimierten Routenplanung für Objekte O1, O2, ..., On besteht darin, die Gesamteffizienz der Entität 10 zu optimieren. Ein Teilaspekt der Optimierung der Routenplanung für die Objekte O1, O2, ..., On besteht beispielsweise darin, möglichst kurze Wege für die Trajektorien T1, T2, ..., Tn auszuwählen und die Anzahl der benötigten Objekte wie insbesondere Flurförderfahrzeuge möglichst gering zu halten, aber gleichzeitig alle erforderlichen Transportaufgaben in einem möglichst kleinen Zeitintervall zu erledigen. Mit der Anzahl der in die Routenplanung integrierten Objekte O1, O2, ..., On sowie der Vielzahl der zu erfüllenden Prozessvorgänge und Aufgaben, steigt die Komplexität der Planung und damit die Schwierigkeit einer Optimierung. Die Routenplanung stellt sich somit als ein hochkomplexes kombinatorisches Optimierungsproblem dar.
Derartige hochkomplexen Problemstellungen benötigen zu ihrer Lösung häufig eine hohe Rechenzeit, so dass entsprechend der Ressourcenverbrauch ansteigt. Es ist bekannt, Optimierungsalgorithmen wie genetische und evolutionäre Algorithmen für die Lösung eines Optimierungsproblems zu verwenden. Allerdings sind aufgrund der großen Anzahl von Kategorien, Variablen und Randbedingungen die Ergebnisse nicht immer sehr zuverlässig und oft zu ungenau, um in der Praxis umgesetzt werden zu können. Dies wird noch verstärkt durch die langen Rechenzeiten für die Berechnung der Routenpläne. Des Weiteren ergeben sich bei komplexen Systemen oft Lösungsräume mit einer Vielzahl von lokalen Nebenminima, so dass oft nicht ersichtlich ist, welche dieser Minima geeignet für eine Lösung des Problems sein können.
Erfindungsgemäß werden daher für die Lösung des beschriebenen Problems Quantencomputeralgorithmen und Quantenprozessoren eingesetzt, da mit ihnen die Geschwindigkeit in der Berechnung erheblich gesteigert werden kann. Mit Quantenalgorithmen und Quantencomputern sind bestimmte nichtdeterministische Operationen möglich, die zu einer Steigerung der Rechengeschwindigkeit führen und damit Probleme lösen können, die mit klassischen Rechnern in überschaubarer Zeit nicht lösbar sind.
Erfindungsgemäß umfasst das System 100 ein Eingabemodul 200, ein Transformationsmodul 300, ein Quantentestplanungsmodul 400 und ein Ausgabemodul 500. Das Eingabemodul 200, das Transformationsmodul 300 und das Ausgabemodul 400 sind vorzugsweise als klassische Module ausgebildet und jeweils mit einem klassischen Prozessor und/oder einer Speichereinheit versehen sein. Insbesondere ist das Transformationsmodul 300 mit einem klassischen Prozessor 320 und einer Speichereinheit 340 versehen.
Unter einem klassischen „Prozessor“ kann im Zusammenhang mit der Erfindung beispielsweise eine Maschine oder eine elektronische Schaltung verstanden werden. Bei einem Prozessor kann es sich insbesondere um einen Hauptprozessor (engl. Central Processing Unit, CPU), einen Mikroprozessor oder einen Mikrocontroller, beispielsweise eine anwendungsspezifische integrierte Schaltung oder einen digitalen Signalprozessor, möglicherweise in Kombination mit einer Speichereinheit zum Speichern von Programmbefehlen, etc. handeln. Auch kann unter einem Prozessor ein virtualisierter Prozessor, eine virtuelle Maschine oder eine Soft-CPU verstanden werden. Es kann sich beispielsweise auch um einen programmierbaren Prozessor handeln, der mit Konfigurationsschritten zur Ausführung des genannten erfindungsgemäßen Verfahrens ausgerüstet wird oder mit Konfigurationsschritten derart konfiguriert ist, dass der programmierbare Prozessor die erfindungsgemäßen Merkmale des Verfahrens, der Komponente, der Module, oder anderer Aspekte und/oder Teilaspekte der Erfindung realisiert.
Insbesondere kann der Prozessor hochparallele Recheneinheiten und leistungsfähige Grafikmodule enthalten.
Unter einer „Speichereinheit“ oder „Speichermodul“ und dergleichen kann im Zusammenhang mit der Erfindung beispielsweise ein flüchtiger Speicher in Form eines Arbeitsspeichers (engl. Random-Access Memory, RAM) oder ein dauerhafter Speicher wie eine Festplatte oder ein Datenträger oder z. B. ein wechselbares Speichermodul verstanden werden. Es kann sich bei dem Speichermodul aber auch um eine cloudbasierte Speicherlösung handeln.
Unter einem „Modul“ kann im Zusammenhang mit der Erfindung beispielsweise ein Prozessor und/oder eine Speichereinheit zum Speichern von Programmbefehlen verstanden werden. Beispielsweise ist der Prozessor speziell dazu eingerichtet, die Programmbefehle derart auszuführen, damit der Prozessor und/oder die Steuereinheit Funktionen ausführt, um das erfindungsgemäße Verfahren oder einen Schritt des erfindungsgemäßen Verfahrens zu implementieren oder realisieren.
Zudem kann das Eingabemodul 200 mit den Sensoren 20 verbunden sein, die erste Daten 250 von Parametern P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervallen Δt1, Δt2, ..., Δtn und/oder Orten X1, X2, ..., Xn der Entität 10 und von Kategorien K1, K2, ..., Kn und/oder Eigenschaften E1, E2, ..., En der Objekte O1, O2, ..., On messen und übermitteln.
Bei den Sensoren 20 kann es sich beispielsweise um Uhren, Zähler, Drucksensoren, Piezosensoren, Drehzahlsensoren, kapazitive Sensoren, induktive Sensoren, Temperatursensoren und/oder bildaufnehmende Sensoren wie Kameras handeln. Die Kameras sind insbesondere als RGB-Kameras im sichtbaren Bereich mit den Grundfarben Blau, Grün und Rot ausgebildet. Es können aber auch UV-Kameras im ultravioletten Bereich und/oder IR-Kameras im infraroten Bereich insbesondere als Nachtsichtgeräte vorgesehen sein. Zudem können LIDAR (Light detection and ranging) Systeme mit optischer Abstands- und Geschwindigkeitsmessung, stereoskopische optische Kamerasysteme, Ultraschallsysteme und/oder Radarsysteme verwendet werden.
Des Weiteren kann das Eingabemodul 200 mit zumindest einer Datenbank 220, in welcher historische Daten in Form von Bildern, Graphiken, Zeitreihen, Kenngrößen, etc. gespeichert sind, verbunden sein. Des Weiteren können Zielwerte, Bestandswerte oder Erwartungswerte in der Datenbank 220 abgelegt sein, die beispielsweise einen Sicherheitsstandard oder weitere Randbedingungen eines Prozessablaufs oder einer Aufgabe definieren. So kann es sich bei den Bestandswerten beispielsweise um die Anzahl eines Bauteils oder einer Ware in einem Hochregal oder Pufferbereich handeln.
Unter „Datenbank“ ist sowohl ein Speicheralgorithmus als auch die Hardware in Form einer Speichereinheit zu verstehen. Insbesondere kann die Datenbank 220 als Cloud-Computing-Infrastruktur 700 ausgebildet sein.
Unter „Daten“ sind im Zusammenhang mit der Erfindung sowohl Rohdaten als auch bereits aufbereitete Daten aus den Messergebnissen der Sensoren 20 und/oder in der Datenbank 220 und/ oder einer Cloud-Computing-Infrastruktur 700 gespeicherte Daten und/oder manuelle eingegebene Daten zu verstehen.
Das Eingabemodul 200 ist insbesondere als Benutzerschnittstelle zur Eingabe und Generierung von Daten 250, 270 in Form von Textnachrichten und/oder Sprachnachrichten und/oder Bildern und Graphiken ausgebildet. Hierzu sind insbesondere eine Tastatur, ein Mikrofon, eine Kamera und/oder ein als Touchscreen ausgebildetes Display vorgesehen. Beispielsweise können Daten über eingehende Waren bei einem Logistiklager oder über die Anlieferung einer bestimmten Bauteilkomponente für eine Montage über die Benutzerschnittstelle eingegeben werden.
Die von dem Eingabemodul 200 generierten Daten 250, 270 werden mittels Kommunikationsverbindungen wie beispielsweise ein CAN-Bus-System (Controller Area Network) an das Transformationsmodul 300 weitergeleitet. Es können aber auch drahtlose Verbindungen vorgesehen sein. Eine drahtlose Kommunikationsverbindung ist insbesondere als Mobilfunkverbindung und/oder einer Nahfeldkommunikationsverbindung wie Bluetooth^®, Ethernet, NFC (near field communication) oder Wi-Fi® ausgebildet.
Das Ausgabemodul 500 ist zur Ausgabe von Ausgabedaten 550 wie die Anzahl der benötigten Trajektorien T1, T2, ..., Tn und/oder der benötigten Zeit zum Durchlaufen der Trajektorien T1, T2, ..., Tn und/oder der Anzahl der benötigten Objekte O1, O2, ..., On ausgebildet. Insbesondere wird die berechnete Routenplanung in Form von Graphiken, Textnachrichten, Hologrammen, Kennzahlen, Diagrammen, Power-Point Präsentationen ausgegeben. Insbesondere umfassen die Ausgabedaten 550 elektronische Anweisungen bzw. Softwareanweisungen an die jeweiligen Objekte O1, O2, ..., On, die über entsprechende Kommunikationsmodule und Steuerungsmodule verfügen, um sich entsprechend den Anweisungen auf den ihnen zugewiesenen Trajektorien innerhalb der berechneten Zeitintervalle mit einer berechneten Geschwindigkeit zu bewegen,
Das Eingabemodul 200 und das Ausgabemodul 500 können in einem Hardwaregerät wie einem Computer, einem Tablet, einem Smartphone, etc. integriert sein.
Das Transformationsmodul 300 und/oder das Ausgabemodul 500 können als selbstständige Rechnereinheiten oder als cloudbasierte Lösung ausgebildet sein. Die Datenbank 220 kann auch in der Cloud-Computing-Infrastruktur 700 integriert sein.
Es kann vorgesehen sein, dass insbesondere das Eingabemodul 200 und/oder das Ausgabemodul 500 mit Mobilfunkmodulen des 5G-Standards oder weiteren zukünftigen Mobilfunkstandards wie 6G ausgestattet ist/sind. 5G ist der Mobilfunkstandard der fünften Generation und zeichnet sich im Vergleich zum 4G-Mobilfunkstandard durch höhere Datenraten bis zu 10 Gbit/sec, der Nutzung höherer Frequenzbereiche wie beispielsweise 2100, 2600 oder 3600 Megahertz, eine erhöhte Frequenzkapazität und damit einen erhöhten Datendurchsatz und eine Echtzeitdatenübertragung aus, da bis zu eine Million Geräte pro Quadratkilometer gleichzeitig ansprechbar sind. Die Latenzzeiten betragen wenige Millisekunden bis unter 1 ms, so dass Echtzeitübertragungen von Daten und von Berechnungsergebnissen möglich sind. Die in das Eingabemodul 200 eingegebenen Daten 250, 270 können in Echtzeit an das in der Cloud-Computing-Infrastruktur 700 integrierte Transformationsmodul 300 gesendet werden.
Diese Geschwindigkeit bei der Datenübermittlung ist erforderlich, wenn cloudbasierte Lösungen für die Verarbeitung der Daten verwendet werden sollen. Cloudbasierte Lösungen bieten den Vorteil von hohen und damit schnellen Rechenleistungen. Um die Verbindung zu der Cloud-Computing-Infrastruktur 700 mittels einer Mobilfunkverbindung zu schützen, sind insbesondere kryptographische Verschlüsselungsverfahren vorgesehen.
In das Eingabemodul 200 werden Daten zu den verschiedenen Objekten O1, O2, ..., On eingeben, die verschiedene Kategorien K1, K2, ..., Kn sowie Eigenschaften E1, E2, ..., En umfassen können. Zudem werden Daten für die Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervalle Δt1, Δt2, ..., Δtn und/oder Orte X1, X2, ... , Xn der Entität 10 eingegeben. Aus diesen Daten generiert das Eingabemodul 200 erste Daten 250. Die ersten Daten 250 können durch die Eingabe von Daten in Form von Textnachrichten, Sprachnachrichten, Graphiken und Bildern generiert werden, die beispielsweise wie folgt lauten können:

a) Objekt O1 enthält die Kategorien K1, K2 und K3 mit den jeweils spezifizierten Eigenschaften E1, E2, ... En und ist in einer Anzahl von 2 verfügbar.
b) Objekt O2 enthält die Kategorien K1, K3 und K4 mit den jeweils spezifizierten Eigenschaften E1, E2, ... En und ist nur einmal verfügbar.
c) Objekt O3 enthält die Kategorien K1, K2, K4 und K7 mit den jeweils spezifizierten Eigenschaften E1, E2, ... En und ist in einer Anzahl von 4 verfügbar.
d) An dem Ort X1 befinden sich drei Teile der Komponente Y1.
e) Für die Fertigung des Bauteils V1 werden zwei Komponenten Y1 benötigt.
f) Die Montage der Komponente Y1 an dem Bauteil V1 dauert 10 Minuten.
g) etc.

Außerdem werden Daten zu einem Prozessablauf und/oder einer Aufgabe eingegeben, aus denen das Eingabemodul 200 zweite Daten 270 generiert.
Beispiele von Daten zu einem Prozessablauf und/oder einer Aufgabe können wie folgt aussehen:

a) An dem Ort X1 wird in einem Zeitintervall von 10 Minuten jeweils die Komponente Y1 an das Bauteil X1 montiert.
b) Die Komponente Y1 muss jeweils 2 Minuten vor der Montage an dem Ort X1 vorrätig sein.
c) Eine weitere Komponente Y2 wird 1 Minute nach der Montage der ersten Komponente Y1 mit dem Bauteil X1 verbunden.
d) Die Komponente Y2 muss jeweils 4 Minuten vor der Montage an dem Ort X2 vorrätig sein.
e) etc.

Die von dem Eingabemodul 200 generierten ersten Daten 250 und zweiten Daten 270 werden an das Transformationsmodul 300 weitergegeben. Da es sich bei den generierten ersten Daten 250 und zweiten Daten 270 insbesondere um kategoriale Daten handelt, werden diese in dem Transformationsmodul 300 von einem Encoder 350 derart konvertiert, dass sie von Algorithmen des maschinellen Lernens verwendet werden können. Insbesondere ist der Encoder 350 als One-Hot-Encoder ausgebildet. Die Grundidee der One-Hot-Codierung besteht darin, neue Variablen zu erstellen, die die Werte 0 und 1 annehmen und die ursprünglichen kategorialen Werte der ersten und zweiten Daten 250, 270 repräsentieren. So werden beispielsweise die kategorialen Daten „Elektromotor“ oder „Verbrennungsmotor“ in entsprechende numerische Ganzzahlen als Variablen abgebildet.
Der Encoder 350 verwendet zur Codierung insbesondere Algorithmen der künstlichen Intelligenz wie beispielsweiseneuronale Netzwerke. Ein neuronales Netzwerk besteht aus Neuronen, die in mehreren Schichten angeordnet und unterschiedlich miteinander verbunden sind. Ein Neuron ist in der Lage, an seinem Eingang Informationen von außerhalb oder von einem anderen Neuron entgegenzunehmen, die Information in einer bestimmten Art zu bewerten und sie in veränderter Form am Neuronen-Ausgang an ein weiteres Neuron weiterzuleiten oder als Endergebnis auszugeben. Hidden-Neuronen sind zwischen den Input-Neuronen und Output-Neuronen angeordnet. Je nach Netzwerktyp können mehrere Schichten von Hidden-Neuronen vorhanden sein. Sie sorgen für die Weiterleitung und Verarbeitung der Informationen. Output-Neuronen liefern schließlich ein Ergebnis und geben dieses an die Außenwelt aus. Durch die Anordnung und die Verknüpfung der Neuronen entstehen verschiedene Typen von neuronalen Netzwerken wie Feedforward-Netzwerke, Rekurrente Netzwerke oder Convolutional Neural Networks. Die Netzwerke lassen sich durch unbeaufsichtigtes oder überwachtes Lernen trainieren.
Die derart codierten Daten 355 werden an ein Graphenmodul 350 weitergeben, das aus den codierten Daten 355 eine Menge Q von Graphen 375 erzeugt. Wie in der 2 dargestellt, wird als Graph 375 eine abstrakte Struktur bezeichnet, die eine Anzahl von Graphenobjekten zusammen mit den zwischen diesen Graphenobjekten bestehenden Verbindungen repräsentiert. Die Graphenobjekte selbst werden als Knoten des Graphen bezeichnet und die Verbindungen zwischen zwei Knoten als Kanten. Die Kanten können ungerichtet sein oder eine Richtung aufweisen. Es können auch mehrere Kanten zwischen zwei Knoten existieren.
Die Knoten A, B, C, D, E des Graphen 375 veranschaulichen die verschiedenen möglichen Orte X1, X2, ..., Xn und die Kanten die Trajektorien T1, T2, ..., Tn zwischen den verschiedenen Orten X1, X2, ..., Xn, wobei die Trajektorien T1, T2, ..., T3 jeweils eine andere Raumkurve aufweisen und mit einer unterschiedlichen Zeitdauer und damit Geschwindigkeit von einem Objekt Oj befahren werden.
Die Menge Q der Graphen 375 stellt nun eine Vielzahl an Möglichkeiten dar, wie eine Routenplanung für eine Anzahl von Objekten O1, O2, ..., On zur Erfüllung eines Prozessvorgangs und/oder einer Aufgabe in einer Entität 10 aussehen kann. Ein Graph 375 bildet somit jeweils eine mögliche Zuordnung von zumindest einem Objekt Oj zu einer Trajektorie Tj ab, wobei eine von der Trajektorie Tj durchlaufene Raumkurve derart festgelegt wird, dass zumindest der eine ausgewählte Prozessablauf und/oder die eine ausgewählte Aufgabe erfüllbar ist/sind. Ein Graph 375 stellt somit eine mögliche Lösung eines sogenannten „Botenproblems“ dar, das auch als Problem des Handlungsreisenden (engl. Traveling Salesman Problem) bezeichnet wird. Bei dem Problem des Handlungsreisenden besteht die Aufgabe besteht darin, eine Reihenfolge des Besuchs von mehreren Orten in der Weise zu wählen, dass keine Station mehr als einmal besucht wird, die gesamte Reisestrecke möglichst kurz ist und die erste Station der letzten Station entspricht.
Für die Auffindung eines optimierten Graphen in der Menge Z der Graphen 357 wird ein Algorithmus wie Graphenfärbung und/oder Graphenaufteilung (engl. clique partitioning) verwendet. Bei der Graphenfärbung werden den Knoten KG1, KG2, ...; KGn Farben zugeordnet, aus denen die verschiedenen Produktvarianten P1, P2, ..., Pn berechnet werden können. Es ist allerdings mit klassischen Berechnungsverfahren schwierig, das Graphenfärbungsproblem zu lösen. Daher wird erfindungsgemäß ein Quantenalgorithmus 440 zur Lösung des Graphenproblems verwendet.
Um den optimierten Graphen in der Menge Q der Graphen 375 zu finden, wird die Menge Q der Graphen 375 an das Quantentestplanungsmodul 400 übermittelt. Das klassische Transformationsmodul 300 und das Quantenplanungsmodul 400 sind mittels einer Kommunikationsverbindung miteinander verbunden. Insbesondere ist vorgesehen, dass das Quantentestplanungsmodul 400 in eine bestehende Hard- und Softwarearchitektur eingebettet werden kann. Dies bedeutet, dass an den klassischen Modulen des Systems 100 keine oder nur geringe Veränderungen vorgenommen werden müssen, um das Quantentestplanungsmodul 400 zu integrieren.
Das Quantentestplanungsmodul 400 weist zumindest einen Quantenprozessor 420 auf, der ausgebildet ist, einen Quantenalgorithmus 440 auszuführen. Der Quantenalgorithmus 440 ist ausgebildet, zumindest ein optimales Minimum hinsichtlich der Anzahl der benötigten Trajektorien T1, T2, ..., Tn und/oder der benötigten Zeit zum Durchlaufen der Trajektorien T1, T2, ..., Tn und/oder der Anzahl der benötigten Objekte O1, O2, ..., On, etc. über der Menge Q der Graphen 375 aufzufinden. Dieser von dem Quantenalgorithmus 440 ermittelte optimierte Graph ird als Zielgraph 475 bezeichnet. Mit einem optimalen Minimum wird im Rahmen der Erfindung ein Minimum bezeichnet, das eine gute Lösung des Problems darstellt. Dies bedeutet, dass auch mehr als ein Minimum gefunden werden kann, das eine akzeptable Lösung des Problems darstellt.
Als Quantenalgorithmus 440 wird im Folgenden ein Algorithmus bezeichnet, der zur Ausführung einen Quantencomputer benötigt. Da in der Quantenmechanik der Zustand eines Systems nicht wie in der klassischen Mechanik exakt vorhersagbar ist und daher einem möglichen Messwert nur eine Wahrscheinlichkeit zuordnen lässt, handelt es sich bei Quantenalgorithmen 440 um probabilistische Algorithmen, die nur eine Wahrscheinlichkeit für ein Ergebnis angeben können. Allerdings kann durch Wiederholung von Rechenoperationen mit dem Quantenalgorithmus 440 die Fehlerwahrscheinlichkeit beliebig klein werden. Für die Berechnung werden verschiedene, gleichzeitig existierende quantenmechanische Zustände von Teilsystemen überlagert (Superpositions-Prinzip). Die Variablen der Algorithmen werden in Quantenbits (Qubits) gespeichert.
Insbesondere wird als Quantenalgorithmus 440 für das Auffinden zumindest eines optimales Minimums über der Menge Q der Graphen 375 ein Quantenglühen-Algorithmus (engl. quantum annealing) verwendet. Beim Quantenglühen wird mittels der Quantenphysik der minimale Energiezustand einer Zielfunktion ermittelt. Es handelt sich somit um eine Metaverfahren basierend auf Quantenfluktuationen, um zumindest ein optimales Minimum innerhalb einer möglicherweise sehr großen, aber endlichen Menge an möglichen Lösungen zu finden, die insbesondere zahlreiche lokale Minima aufweisen. Das Quantenglühen geht von einer quantenmechanischen Überlagerung aller möglichen Zustände mit gleichen Gewichten aus. Dann entwickelt sich das System gemäß der zeitabhängigen Schrödinger-Gleichung.
Der Zielgraph 475 kann direkt von dem Ausgabemodul 500 ausgegeben werden. Es kann aber auch vorgesehen sein, dass das Ausgabemodul 500 über ein Ausgabe-Transformationsmodul 520 verfügt, das den von dem Quantentestplanungsmodul 400 aufgefundenen Zielgraphen 475 in ein für einen Benutzer zugängliches Datenformat in Form von Ausgabedaten 550 übersetzt. Bei den Ausgabedaten 550 kann es sich um die Anzahl der ausgewählten Objekte O1, O2, ..., On mit ihrer jeweiligen Konfiguration und Routenpläne für die ausgewählten Objekte O1, O2, ..., On insbesondere in Form von Graphiken, Textnachrichten, Hologrammen, Kennzahlen, Diagrammen, Power-Point Präsentationen, und/oder elektronischen Anweisungen an die jeweiligen Objekte O1, O2, ..., On handeln.
Hierzu kann das Ausgabe-Transformierungsmodul 520 insbesondere einen Decoder 570 aufweisen. Insbesondere kann vorgesehen sein, dass die Berechnungsergebnisse in Form von Routenplänen in der Cloud-Computing-Infrastruktur 700 gespeichert werden und jeweils über das Internet verfügbar sind.
Durch die Verwendung des Quantentestplanungsmoduls 400 mit einem Quantenalgorithmus 440 wird eine Beschleunigung der Rechenzeit für eine vorausschauende Routenplanung für die ObjekteO1, O2, ..., On einer Entität 10 ermöglicht. Das Quantentestplanungsmodul 400 ermöglicht es, komplexe Optimierungsprobleme in einer geringen Rechenzeit zu lösen. Hierdurch kann die Anzahl der benötigten Objekte O1, O2, ..., On und die Anzahl der benötigten Transportwege, d.h. der von den Objekten O1, O2, ..., On befahrenen Trajektorien T1, T2, ..., Tn begrenzt werden, so dass Planung, Steuerung und Durchführung von Prozessabläufen und Aufgaben in einer Entität 10 effizienter gestaltet werden können. In einer Weiterentwicklung der Erfindung kann vorgesehen sein, neu entstehende Randbedingungen aufgrund von räumlichen Änderungen, neuen Vorgaben, Umweltbedingungen, etc. wiederum als erste und zweite Daten 250, 270 einzugeben, so dass dann eine entsprechend modifizierte Routenplanung entwickelt werden kann. Da die Rechenzeit deutlich verkürzt ist aufgrund des Einsatzes von Quantenalgorithmen, kann somit schnell auf Änderungen reagiert werden.
Wie in 3 dargestellt, umfasst ein Verfahren zur optimierten Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) O1, O2, ..., On, insbesondere Flurförderfahrzeuge, für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität, wie insbesondere Montageabläufen in einer Produktionsanlage oder Logistikabläufen in einer Lagerhalle die folgenden Verfahrensschritte:

In einem Schritt S10 werden erste Daten 250 für die Parameter P1, P2, ..., Pn, Variablen V1, V2, ..., Vn, Zeitintervalle Δt1, Δt2, ..., Δtn und/oder Orte X1, X2, ..., Xn der Entität 10 und für die Kategorien K1, K2, ..., Kn und/oder Eigenschaften E1, E2, ..., En der Objekte O1, O2, ..., On mittels Sensoren 20 und/oder zumindest einer Datenbank 220 von einem Eingabemodul generiert.

In einem Schritt S20 werden zweite Daten 270 für zumindest einen ausgewählten Prozessablauf und/oder eine ausgewählte Aufgabe, der/die mittels zumindest eines Objekts Oj durchführbar ist/sind, generiert, wobei der ausgewählte Prozessablauf und/oder die ausgewählte Aufgabe eine Zuordnung zumindest eines Ortes Xj zu einem Parameter Pj, einer Variablen Vj und/oder einem Zeitintervall Δtj umfasst.
In einem Schritt S30 werden die ersten Daten 250 und die zweiten Daten 270 von dem Eingabemodul 200 an ein Transformationsmodul 300 übermittelt, wobei das Transformationsmodul 300 zumindest einen Encoder 350 und ein Graphenmodul 370 umfasst.
In einem Schritt S40 werden die ersten Daten 250 und die zweiten Daten 270 in codierte Daten 355 in dem Encoder 350 transformiert, so dass die codierten Daten 355 von dem Graphenmodul 370 bearbeitbar sind.
In einem Schritt S50 wird eine Menge Q von Graphen 375 aus den codierten Daten 355 erzeugt, wobei ein Graph 375 jeweils eine mögliche Zuordnung von zumindest einem Objekt Oj zu einer Trajektorie Tj abbildet, wobei eine von der Trajektorie Tj durchlaufene Raumkurve derart festgelegt wird, dass zumindest der eine ausgewählte Prozessablauf und/oder die eine ausgewählte Aufgabe erfüllbar ist/sind;
In einem Schritt S60 wird die Menge Q von Graphen 375 an ein Quantentestplanungsmodul 400 weitergegeben.
In einem Schritt S70 wird zumindest ein Zielgraphen 475 aus der Menge Q von Graphen 375 mittels eines Quantenalgorithmus 440 aufgefunden, wobei der Zielgraph 475 ein optimales Minimum hinsichtlich der Anzahl der benötigten Trajektorien T1, T2, ..., Tn und/oder der benötigten Zeit zum Durchlaufen der Trajektorien T1, T2, ..., Tn und/oder der Anzahl der benötigten Objekte O1, O2, ..., On für eine optimierte Routenplanung darstellt.
Die vorliegende Erfindung bietet durch die Verwendung von Quantenalgorithmen wie insbesondere Quantenglühen die Möglichkeit, eine optimierte Routenplanung für autonom fahrende Objekte, insbesondere Flurförderfahrzeuge, in einer Entität für die Durchführung von Prozessabläufen und/oder Aufgaben zu erstellen. Da die Komplexität durch einen quantenmechanischen Optimierungsalgorithmus reduziert wird, können hierdurch beispielsweise Produktionsabläufe oder logistische Warenmanagementaufgaben ressourcenschonender und kostengünstiger durchgeführt werden.
Bezugszeichen

10: Entität
20: Sensoren
100: System
200: Eingabemodul
220: Datenbank
250: erste Daten
270: zweite Daten
300: Transformationsmodul
320: Prozessor
340: Speichereinheit
350: Encoder
355: codierte Daten
370: Graphenmodul
375: Graphen
400: Quantentestplanungsmodul
420: Quantenprozessor
440: Quantenalgorithmus
475: Zielgraph
500: Ausgabemodul
550: Ausgabedaten
570: Decoder
700: Cloud-Computing-Infrastruktur
900: Computerprogrammprodukt
950: Programmcode
O1, O2, ..., On: Objekte
P1, P2, ..., Pn: Parameter
V1, V2, ..., Vn: Variablen
K1, K2, ..., Kn: Kategorien
E1, E2, ..., En: Eigenschaften
X1, X2, ..., Xn: Orte
Δt1, Δt2, ..., Δtn: Zeitintervalle
T1, T2, ..., Tn: Trajektorien
x,y,z: Raumpunkt
Q: Menge aller Graphen 375

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 2021/0248489 A1 [0007]
US 2014/0214257 A1 [0008]
US 2018/0276994 A1 [0009]
WO 2019/118161 A1 [0010]

Claims

Verfahren zur optimierten Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) (O1, O2, ..., On), insbesondere Flurförderfahrzeuge, für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität (10), wie insbesondere Montageabläufen in einer Produktionsanlage oder Logistikabläufen in einer Lagerhalle; wobei die Prozessabläufe und/oder Aufgaben in der Entität (10) jeweils durch Parameter (P1, P2, ..., Pn), Variablen (V1, V2, ..., Vn), Zeitintervalle (Δt1, Δt2, ...., Δtn) und/oder Orte (X1, X2, ..., Xn) definierbar sind; wobei die Entität (10) einen räumlichen Bereich mit Raumpunkten (x,y,z) umfasst und die Raumpunkte (x,y,z) mittels räumlicher Koordinaten abbildbar sind; und wobei die Objekte (O1, O2, ..., On) sich hinsichtlich ihrer technischen Konfiguration voneinander unterscheiden können und eine Konfiguration zumindest durch ausgewählte Kategorien (K1, K2, ..., Kn) und/oder Eigenschaften (E1, E2, ..., En) definiert ist; und ein Objekt (Oj) sich jeweils auf einer Trajektorie (Tj) in dem räumlichen Bereich der Entität (10) entlang ausgewählter Raumpunkte (x,y,z) bewegen kann, umfassend die folgenden Verfahrensschritte: - Generieren (S10) von ersten Daten (250) für die Parameter (P1, P2, ..., Pn), Variablen (V1, V2, ..., Vn), Zeitintervalle (Δt1, Δt2, ..., Δtn) und/oder Orte (X1, X2, ..., Xn) der Entität (10) und für die Kategorien (K1, K2, ..., Kn) und/oder Eigenschaften (E1, E2, ..., En) der Objekte (O1, O2, ..., On) mittels Sensoren (20) und/oder zumindest einer Datenbank (220); - Generieren (S20) von zweiten Daten (270) für zumindest einen ausgewählten Prozessablauf und/oder eine ausgewählte Aufgabe, der/die mittels zumindest eines Objekts (Oj) durchführbar ist/sind, wobei der ausgewählte Prozessablauf und/oder die ausgewählte Aufgabe eine Zuordnung zumindest eines Ortes (Xj) zu einem Parameter (Pj), einer Variablen (Vj) und/oder einem Zeitintervall (Δtj) umfasst; - Übermitteln (S30) der ersten Daten (250) und der zweiten Daten (270) von dem Eingabemodul (200) an ein Transformationsmodul (300), wobei das Transformationsmodul (300) zumindest einen Encoder (350) und ein Graphenmodul (370) umfasst; - Transformieren (S40) der ersten Daten (250) und zweiten Daten (270) in codierte Daten (355) in dem Encoder (350), so dass die codierten Daten (355) von dem Graphenmodul (370) bearbeitbar sind; - Erzeugen (S50) einer Menge (Q) von Graphen (375) aus den codierten Daten (355), wobei ein Graph (375) jeweils eine mögliche Zuordnung von zumindest einem Objekt (Oj) zu einer Trajektorie (Tj) abbildet, wobei eine von der Trajektorie (Tj) durchlaufene Raumkurve derart festgelegt wird, dass zumindest der eine ausgewählte Prozessablauf und/oder die eine ausgewählte Aufgabe erfüllbar ist/sind; - Weitergeben (S60) der Menge (Q) von Graphen (375) an ein Quantentestplanungsmodul (400); - Auffinden (S70) zumindest eines Zielgraphen (475) aus der Menge (Q) von Graphen (375) mittels eines Quantenalgorithmus (440), wobei der Zielgraph (475) ein optimales Minimum hinsichtlich der Anzahl der benötigten Trajektorien (T1, T2, ..., Tn) und/oder der benötigten Zeit zum Durchlaufen der Trajektorien (T1, T2, ..., Tn) und/oder der Anzahl der benötigten Objekte (O1, O2, ..., On) für eine optimierte Routenplanung darstellt.
Verfahren nach Anspruch 1, wobei der Zielgraph (475) an ein Ausgabemodul (500) weitergegeben wird, das den Zielgraphen (475) in Ausgabedaten (550) transformiert, wobei die Ausgabedaten (550) die Anzahl der ausgewählten Objekte (O1, O2, ..., On) mit ihrer jeweiligen Konfiguration und Routenpläne für die ausgewählten Objekte (O1, O2, ..., On) insbesondere in Form von Graphiken, Textnachrichten, Hologrammen, Kennzahlen, Diagrammen, Power-Point Präsentationen, und/oder elektronischen Anweisungen an die jeweiligen Objekte (O1, O2, ..., On) umfassen.
Verfahren nach Anspruch 1 oder 2, wobei der Quantenalgorithmus (440) als Quantenglühen (engl. quantum annealing) ausgebildet ist.
Verfahren nach einem der Ansprüche 1 bis 3, wobei eine Graphenfärbung und/oder Graphenaufteilung (engl. clique partitioning) zum Auffinden eines Zielgraphen verwendet wird/werden.
Verfahren nach einem der Ansprüche 1 bis 4, wobei das Transformationsmodul (300) zumindest einen Encoder (350) aufweist, der insbesondere als One-Hot-Encoder ausgebildet ist.
Verfahren nach einem der Ansprüche 2 bis 5, wobei das Ausgabemodul (500) zumindest einen Decoder (570) zum Transformieren und Decodieren des Zielgraphen (475) in Ausgabedaten (550) umfasst.
Verfahren nach einem der Ansprüche 1 bis 6, wobei das Quantentestplanungsmodul (400) einen Quantenprozessor (420) umfasst.
Verfahren nach einem der Ansprüche 1 bis 7, wobei das Eingabemodul (200) und/oder das Transformationsmodul (300) und/oder das Quantentestplanungsmodul (400) und/oder das Ausgabemodul (500) über eine oder mehrere technische Schnittstellen und Protokolle für den Zugang zu einer Cloud-Computing-Infrastruktur (700) verfügt/verfügen oder in der Cloud-Computing-Infrastruktur (700) integriert ist/sind.
Verfahren nach einem der Ansprüche 5 bis 8, wobei der Encoder (350) und der Decoder (570) neuronale Netze und/oder rekurrente neuronale Netze und/oder gefaltete neuronale Netze (Convolutional Neural Networks) verwenden.
System (100) zur optimierten Routenplanung für ein oder mehrere sich autonom oder teilweise autonom bewegende(s) Objekt(e) (O1, O2, ..., On), insbesondere Flurförderfahrzeuge, für die Durchführung und Steuerung von Prozessabläufen und/oder Aufgaben in einer Entität (10), wie insbesondere Montageabläufe in einer Produktionsanlage oder Logistikabläufe in einer Lagerhalle; wobei die Prozessabläufe und/oder Aufgaben in der Entität (10) jeweils durch Parameter (P1, P2, ..., Pn), Variablen (V1, V2, ..., Vn), Zeitintervalle (Δt1, Δt2, ...., Δtn) und/oder Orte (X1, X2, ..., Xn) definierbar sind; wobei die Entität (10) einen räumlichen Bereich mit Raumpunkten (x,y,z) umfasst und die Raumpunkte (x,y,z) mittels räumlicher Koordinaten abbildbar sind; und wobei die Objekte (O1, O2, ..., On) sich hinsichtlich ihrer Konfiguration voneinander unterscheiden und eine Konfiguration zumindest durch ausgewählte Kategorien (K1, K2, ..., Kn) und/oder Eigenschaften (E1, E2, ..., En) definiert ist, und ein Objekt (Oj) ausgebildet ist, sich jeweils auf einer Trajektorie (Tj) in dem räumlichen Bereich der Entität (10) entlang ausgewählter Raumpunkte (x,y,z) zu bewegen, umfassend: ein Eingabemodul (200), das ausgebildet, erste Daten (250) für die Parameter (P1,P2, ..., Pn), Variablen (V1, V2, ..., Vn), Zeitintervalle (Δt1, Δt2, ...., Δtn) und/oder Orte (X1, X2, ..., Xn) der Entität (10) und für die Kategorien (K1, K2, ..., Kn) und/oder Eigenschaften (E1, E2, ..., En) der Objekte (O1, O2, ..., On) mittels Sensoren (20) und/oder zumindest einer Datenbank (220) zu generieren, und zweite Daten (270) für zumindest einen ausgewählten Prozessablauf und/oder eine ausgewählte Aufgabe, der/die mittels zumindest eines Objekts (Oj) durchführbar ist/sind, zu generieren, wobei der ausgewählte Prozessablauf und/oder die ausgewählte Aufgabe eine Zuordnung zumindest eines Ortes (Xj) zu einem Parameter (Pj), einer Variablen (Vj) und/oder einem Zeitintervall (Δtj) umfasst; ein Transformationsmodul (300), das einen Encoder (350) und ein Graphenmodul (370) umfasst, wobei das Transformationsmodul (300) mit dem Eingabemodul (200) verbunden ist und ausgebildet ist, die ersten Daten (250) und die zweiten Daten (270) in codierte Daten (355) in dem Encoder (350) derart zu transformieren, dass die codierten Daten (355) von dem Graphenmodul (370) bearbeitbar sind; wobei das Graphenmodul (370) ausgebildet ist, eine Menge (Q) von Graphen (375) aus den codierten Daten (355) zu erzeugen, wobei ein Graph (375) jeweils eine mögliche Zuordnung von zumindest einem Objekt (Oj) zu einer Trajektorie (Tj) abbildet, wobei eine von der Trajektorie (Tj) durchlaufene Raumkurve derart festgelegt ist, dass zumindest der eine ausgewählte Prozessablauf und/oder die eine ausgewählte Aufgabe erfüllbar ist/sind; ein Quantentestplanungsmodul (400), das mit dem Graphenmodul (370) verbunden ist und ausgebildet ist, zumindest einen Zielgraphen (475) aus der Menge (Q) von Graphen (375) mittels eines Quantenalgorithmus (440) aufzufinden, wobei der Zielgraph (475) ein optimiertes Minimum hinsichtlich der Anzahl der benötigten Trajektorien (T1, T2, ..., Tn) und/oder der benötigten Zeit zum Durchlaufen der Trajektorien (T1, T2, ...., Tn) und/oder der Anzahl der benötigten Objekte (O1, O2, ..., On) für eine optimierte Routenplanung darstellt.
System (100) nach Anspruch 10, wobei das Quantentestplanungsmodul (400) ausgebildet ist, den Zielgraphen (475) an ein Ausgabemodul (500) weiterzugeben, wobei das Ausgabemodul (500) ausgebildet ist, den Zielgraphen (475) in Ausgabedaten (550) zu transformieren, wobei die Ausgabedaten (550) die Anzahl der ausgewählten Objekte (O1, O2, ..., On) mit ihrer jeweiligen Konfiguration und Routenpläne für die ausgewählten Objekte (O1, O2, ..., On) insbesondere in Form von Graphiken, Textnachrichten, Hologrammen, Kennzahlen, Diagrammen, Power-Point Präsentationen, und/oder elektronischen Anweisungen an die jeweiligen Objekte (O1, O2, ..., On) umfassen.
System (100) nach Anspruch 10 oder 11, wobei der Quantenalgorithmus (440) als Quantenglühen (engl. quantum annealing) ausgebildet ist.
System (100) nach einem der Ansprüche 10 bis 12, wobei eine Graphenfärbung und/oder Graphenaufteilung (engl. clique partitioning) zum Auffinden eines Zielgraphen verwendet wird/werden.
System (100) nach einem der Ansprüche 10 bis 13, wobei das Transformationsmodul (300) zumindest einen Encoder (350) aufweist, der insbesondere als One-Hot-Encoder ausgebildet ist, und wobei das Ausgabemodul (500) zumindest einen Decoder (570) zum Transformieren und Decodieren des Zielgraphen (475) in Ausgabedaten (550) umfasst.
Computerprogrammprodukt (900), umfassend einen ausführbaren Programmcode (950), der so konfiguriert ist, dass er bei seiner Ausführung das Verfahren nach einem der Ansprüche 1 bis 10 ausführt.