• Newsroom
  • Karriere
  • Kontakt
Micromata
  • Leistungen
    • Leistungsübersicht
      • Unser 360°
        Leistungsportfolio auf 
        einen Blick
    • Leistungen
      • Künstliche Intelligenz & Data Science
      • IT Beratung & Potenzialanalysen
      • Softwareentwicklung & DevOps
      • Projekt- & Qualitätsmanagement
      • CX/UX-Design
    •  
      • IT Security & Cloud Defense
      • Cloud Solutions & Operations
      • Change Management & Digitalisierung
      • Support & Maintenance
      • Barrierefreiheit
    • Weitere Themen
      • SAP to Cloud
      • KI-Corporate Chatbot
      • AR & VR Workshop
      • KI-Workshop für Unternehmen
      • Invaider ↗
      • Kubernetes
  • Branchen
    •  Logistik
    •  Automotive
    •  Verkehr & Versorgung
    •  Life Science
    •  Rohstoffe
    •  Forschung & Entwicklung
  • Unternehmen
    •    Über Micromata
    •    Karriere
    •    Forschung & Entwicklung
    •    Publikationen & Vorträge
    •    Micromata Magazin
    •    Kontakt
  • Blog
  • Jetzt anfragen
  • Menü Menü
  • Leistungen
    • Leistungsübersicht
    • Künstliche Intelligenz & Data Science
    • IT-Beratung & Potenzialanalysen
    • CX/UX-Design
    • Barrierefreiheit
    • Softwareentwicklung & DevOps
    • Projekt- & Qualitätsmanagement
    • Change Management & Digitalisierung
    • IT Security & Cloud Defense
    • Support & Maintenance
    • Cloud Solutions & Operations
    • SAP to Cloud
    • KI-Corporate Chatbot
    • Apple Vision Pro Workshop
    • KI-Workshop für Unternehmen
    • Invaider ↗
    • Kubernetes
  • Branchen
    • Automotive
    • Forschung & Entwicklung
    • Life Science
    • Logistik
    • Rohstoffe
    • Verkehr & Versorgung
  • Unternehmen
    • Über Micromata
    • Karriere
    • Newsroom
    • Micromata Magazin
    • Forschung & Entwicklung
    • Publikationen & Vorträge
    • Rückruf anfordern
    • Kontakt
  • Karriere
  • Blog
  • Jetzt anfragen

Referenz

InWeSt: Intelligente Wechselbrückensteuerung in der Transportlogistik

Die EU-Kommission zur Verbesserung des Klimaschutzes hat es sich zum Ziel gesetzt, den CO2-Ausstoß bis zum Jahr 2020 um 20 % zu verringern und die Energieeffizienz zeitgleich um 20 % zu erhöhen. Ziel des Projektes InWeSt war in diesem Kontext die nachweisliche Reduktion des Verkehrsaufkommens in der Transportlogistik als wesentlichem Mitverursacher von Emissionen.

Jetzt Projekt anfragen

Wechselbrückensteuerung in der Transportlogistik: Der Hintergrund

Jeder kennt die große Auswahl in unseren Warenhäusern und jeder schätzt die bunte Vielfalt im Onlinehandel. Nahezu niemand aber begrüßt das enorme Verkehrsaufkommen, das durch den Transport dieser Waren täglich verursacht wird – stellt es doch nicht nur für den eigenen Zeitplan, sondern auch für die Gesundheit von Mensch und Umwelt eine echte Gefahr dar.

Um den Güterverkehr zu optimieren und gleichzeitig die Umwelt zu entlasten, wurde 2008 das Forschungsprojekt InWeSt ins Leben gerufen. Die Projektpartner machten es sich zur Aufgabe, die Effizienz in der Transportlogistik mithilfe moderner IT-Technologie zu steigern und die Emissionen deutlich zu reduzieren. InWeSt steht für „Intelligente Wechselbrückensteuerung“ – Ansatzpunkt sind also jene bunten Ladungsträger, die auf dem Rücken von Lastwagen und Güterzügen transportiert und praktisch niemals sesshaft werden. Viele von ihnen kommen aus Übersee und haben einen Großteil ihres Weges bereits zu Wasser zurückgelegt.

Die Umsetzung

InWeSt war interdisziplinär und setzte auf die Verknüpfung mehrerer Technologien: Über GPS (Global Positioning System) wurden die Wechselbrücken identifiziert und ihre Standorte ermittelt. Die von Micromata konzipierte und mit den BIBA-Wissenschaftlern abgestimmte Software band diese Daten anschließend in eine effiziente und bessere Routenberechnung ein.

Die Hauptkomponenten des Systems

Weiterlesen

Yellow Box: Diese Box wurde an der Wechselbrücke angebracht und verfügte über eine autarke Stromversorgung. Durch Aktivierung des Rüttelsensors bzw. zeit- und tourbezogene Meldepunkte meldete sie sich kurzzeitig am System zur Datenabfrage an. Je nach Konfiguration konnten drei Schnittstellen belegt werden, z. B. mit Informationen zu Standort, Füllmenge, Temperatur etc.

Middleware: Die Middleware war das Bindeglied zwischen der Wechselbrücke und dem Disponenten. Diese Softwarekomponente bildete den intelligenten Teil des Systems, indem sie Daten aufnahm, diese auswertete und Reaktionen auslöste bzw. Informationen an andere Systeme weitergab. Neben der Anbindung an unterschiedlichste Netzwerke wie Logistik-, Wetter- und Verkehrsinformationssysteme, bot die Applikation außerdem Kontextinformationen zu jeder Wechselbrücke, wie deren Name, Standort, Batteriestand, Eigentümer, Füllstand oder den nächsten Wartungstermin. Diese konnten anwenderspezifisch in unterschiedlichen Darstellungen (Auftragserfassung, „Fluglotsensicht“ oder per Google-Maps-Integration) abgerufen werden.

Das Ergebnis

Weiterlesen

Mit dem Softwaresystem InWest war nicht nur eine durchgängige Dokumentation über die Bewegung und den Einsatz von Wechselbrücken möglich, sondern auch die Verfolgung einzelner Container und der zugehörigen Aufträge. Resultat war ein enormer Effizienzgewinn für die Transportlogistik und die nachweisliche Reduktion von CO2-Emissionen.

Die Forschungspartner im Überblick
Bremer Instituts für Produktion und Logistik (BIBA)
Deutschen Post AG
DHL Solutions GmbH
OHB Teledata GmbH
Micromata GmbH

Förderung durch den Bund
Das Bundesministeriums für Wirtschaft und Technologie (BMWI) förderte das Projekt zur Laufzeit mit 2,4 Mio. Euro.

Micromata berät Sie gern

Sprechen Sie uns an!

Die Digitalisierung, ein ganzer Kosmos an Möglichkeiten! Wir finden heraus, welche davon für Sie die besten sind: Smart. Zukunftsweisend. Wertschöpfend. Brechen wir gemeinsam in Ihre digitale Zukunft auf – wir freuen uns auf Ihre Nachricht!

Rückruf anfordern Nachricht senden

Rechtliches

Impressum
Datenschutzerklärung

Kontakt

Nachricht senden
Rückruf Service
Anfahrt

Social Media

© Micromata | Datenschutzerklärung | Impressum
Link to: AVAPS: Machine Learning im Spritzguss Link to: AVAPS: Machine Learning im Spritzguss AVAPS: Machine Learning im Spritzguss
Nach oben scrollen Nach oben scrollen Nach oben scrollen