REDUZIERUNG DER TIME-TO-VALUE BEI AUTOMATISIERUNGSPROJEKTEN: Q&A MIT ALLREAD
Nach einer Phase des Enthusiasmus zu Beginn führen Verzögerungen bei Automatisierungsprojekten oft zu Schäden am Return on Investment der Initiative sowie zur Motivation der beteiligten Parteien. Daher ist es genauso entscheidend für den Erfolg der Automatisierung wie die Qualität der angewandten Technologie selbst, eine kurze Time-to-Value zu gewährleisten. In einem kürzlich geführten Interview mit dem Port Technology International (PTI) Journal erläutert Adriaan Landman, COO und Mitbegründer von AllRead, wie AllRead die kurze Time-to-Value als Wettbewerbsvorteil nutzt, wenn es um die Automatisierung der Zugangskontrolle für Container-Gate-in/Gate-out, Schiff-zu-Land und Schienenverkehr geht.
Wie unterscheidet sich die Technologie von AllRead im wettbewerbsintensiven Markt der Containerterminals?
Aktuelle OCR-Lösungen sind stark auf Hardware angewiesen: metallene Tore mit zahlreichen Kameras, Lichtpanels, Detektionssensoren usw. Sie müssen optimale Bedingungen für die Datenerfassung schaffen. Das Deep-Learning–Backbone von AllRead bietet die höchste Erkennungsgenauigkeit, selbst unter den anspruchsvollsten Bedingungen. Unsere neuronalen Netzwerke sind tolerant und robust gegenüber verschiedenen Verzerrungen und Verformungen wie Bewegung, Unschärfe, Staub, Schmutz, teilweisen Okklusionen, Schäden, Rotation, Perspektive, etc. Diese Robustheit ist entscheidend beim Umgang mit jahrzehntealten Frachtgütern, die unter extremen Bedingungen weltweit reisen. Indem AllRead die gesamte “schwere Arbeit” auf die Software und ihre Leistung legt, kann es mit minimalen Hardwareanforderungen arbeiten und bietet leichte und kostengünstige Transitkontrollsysteme für Häfen jeder Größe.
Wie unterscheidet sich die Technologie von AllRead im wettbewerbsintensiven Markt der Containerterminals?
Ein standardisierter und “Plug-and-Play”-Onboarding–Prozess ist Teil des Wertversprechens von AllRead: AllRead strebt danach, den kürzesten “Time-to–Value” in dieser Branche zu bieten. AllRead koordiniert das Projekt und arbeitet eng mit dem IT-Team des Kunden und möglicherweise einem Hardware-Integrator von Drittanbietern zusammen, bis die endgültigen Liefergegenstände erreicht sind. Ein typisches Onboarding maximiert die Nutzung der vorhandenen Infrastruktur, kann jedoch die Installation (durch den Kunden oder einen Drittanbieter) von ein oder zwei gewöhnlichen Kameras und Beleuchtungseinrichtungen beinhalten. Ein Server auf dem Gelände des Kunden wird eingerichtet und über SSH über ein VPN ferngesteuert.
Das Onboarding umfasst:
- Entwurf der Installation und Bewertung der Hardwareanforderungen.
- Dokumentation und Unterstützung bei der Vorbereitung und dem Zugang zum Server.
- Einrichtung und Konfiguration der Software zur Bereitstellung der gewünschten Integrationsergebnisse.
- Leistungstests.
Wie hat AllReads Technologie den Containerterminals geholfen, ihre Abläufe zu verbessern und die Effizienz zu steigern?
Das Konzept der Torautomatisierung durch OCR ist einige Jahrzehnte alt. Das Ziel ist es, unnötige Stopps an den Ein– und Ausfahrten der Containerterminals zu vermeiden, manuelle Eingriffe und Warteschlangen zu reduzieren sowie die Sicherheit zu erhöhen und den Zustand der Container nachzuweisen. AllRead teilt diese Mission zur Steigerung der Durchsatzrate und der Qualität der von den Containerterminals angebotenen Dienstleistungen. Dank seiner fortschrittlichen KI-Technologie möchte es den Zugang zur Automatisierung demokratisieren, indem es diese einfacher, schneller und kostengünstiger gestaltet. Mit AllRead können Containerterminals mit 50.000 TEUs darüber nachdenken, ihre Zugänge zu automatisieren, während sie von den traditionellen Lösungen unbeachtet bleiben.
Wie geht die Technologie von AllRead mit den Herausforderungen der Automatisierung und Digitalisierung in Containerterminals um?
Obwohl die OCR-Technologie in der Branche bekannt ist, ist ihre Akzeptanzrate niedrig. 97 % der Containerterminals haben ihre Zugänge nicht automatisiert. Trotz eines großen Trends zur Digitalisierung und Robotisierung bewegen sich Häfen langsamer als Branchen mit vergleichbarer Komplexität, teilweise weil die Wirtschaftlichkeit ihrer Automatisierung den Erwartungen nicht gerecht wird und der Return on Investment unzureichend ist. Noch wichtiger ist, dass nicht alle Containerterminals die finanzielle Kapazität haben, in die Automatisierung zu investieren. Um diesen Herausforderungen zu begegnen, haben wir die Agile Recognition Software (ARS) entwickelt. Eine vollständige Disruption des OCR-Paradigmas, hochpräzise mit geringem Hardwarebedarf, macht die Zugangsautomatisierung für eine größere Anzahl erschwinglich, indem sie finanzielle und technologische Barrieren für ihre Einführung beseitigt.
Können Sie Erfolgsgeschichten von Containerterminals teilen, die die Technologie von AllRead implementiert haben?
AllRead ist in über 40 Häfen und Terminals in Europa und Lateinamerika implementiert und automatisiert die Zugangskontrolle für Straßen-, Schienen– und Kranverkehr. Ein Geschäftsfall mit dem HGK Terminal CTS (Deutschland) liefert ein praktisches Beispiel dafür, wie mit minimalen Hardware-Ergänzungen eine 30 Jahre alte Krananlage durch Computer Vision und Deep Learning automatisiert werden kann. CTS installierte zwei Kameras und zwei Beleuchtungsspots an dem Kran sowie einen Edge-Server, da keine Konnektivität auf dem Kran vorhanden war. Das Projekt “Ship–to-Shore Tracking” umfasst die Containerkontrolle bei Ein– und Ausfahrt sowie die forensische Beweislieferung. Später soll versucht werden, die Detektion von Sicherheitsdichtungen in das Projekt aufzunehmen. Das Projekt wurde gestartet, um die Kosten für Fehler durch die Kontrolle der Containerabfertigung vor der Abreise zu reduzieren, die Ressourceneffizienz zu verbessern und die gezielte Zuweisung qualifizierter Arbeitskräfte zu ermöglichen.
In Italien benötigte der Terminal Darsena Toscana (TDT) die Rückverfolgbarkeit von Containern aus zwei seiner Straßenabfahrten. AllRead begleitete den Terminal während des gesamten Prozesses der Installation der beiden für das Projekt erforderlichen Kameras sowie der Vorbereitung des Servers und der nachfolgenden Integration der Daten. AllRead erfüllte die Erwartungen von TDT an die genaue Kontrolle des Verkehrs durch eine kostengünstige, reibungslose und schnelle Implementierung. Mit nur zwei Kameras war es möglich, einen Erfolgsanteil von 99 % bei der Zuordnung des Kennzeichens zum Container, eine Genauigkeit von 97 % bei der Containerlesung und eine Leserate von 99,5 % bei der Erfassung von Kennzeichen zu erreichen. Vor allem wurde im Vergleich zur Situation vor AllRead die Anzahl der Datensammlungsfehler drastisch reduziert.
Wie geht AllRead mit Datenschutz und -sicherheit für seine Containerterminalkunden um?
AllRead ist vor Ort in den Servern des Containerterminals installiert. Daher bleiben die generierten Daten innerhalb des Terminals und werden nicht an einen Dritten in der Cloud gesendet. Außerdem ist AllRead in dieser Hinsicht ein GDPR-zertifiziertes Unternehmen.
Wie plant AllRead, Innovationen voranzutreiben und in der Containerterminalbranche vorauszubleiben?
AllRead ist ein innovationsgetriebenes Unternehmen. Das technische Team wird vom CTO, Mitbegründer und Erfinder seiner Kerntechnologie, Dr. Marçal Rossinyol, geleitet, der über 18 Jahre Forschungserfahrung auf dem Gebiet der Computer Vision und des Deep Learning sowie insbesondere der Texterkennung verfügt. Unser Ziel ist es, an der Spitze der auf Containerterminals angewandten Technologien für Computer Vision und Deep Learning zu bleiben. Heute verfolgen wir erfolgreich verschiedene Vermögenswerte wie Container, Kennzeichen, Waggon-UICs, Gefahrgut, auf Straße, Schiene und zu Wasser. Aber wir haben noch einen langen Weg vor uns. Viele Anwendungsfälle, die Computer Vision erfordern, sind noch ungelöst. Zum Beispiel haben wir bereits Pilotprojekte für das Lesen von Sicherheitsdichtungscodes durch eine feste Kamera, die Detektion von Schäden, die Identifizierung von Massengut und andere Entwicklungen in Arbeit. Außerdem streben wir weiterhin nach Ressourceneffizienz: das Bestreben, die benötigte Verarbeitungsleistung weiter zu reduzieren und Ergebnisse in Echtzeit zu liefern. Dies wird dazu beitragen, eine gewisse Allgegenwärtigkeit von OCR mit leichten Edge-Geräten zu erreichen, die an jedem Ort in den Einrichtungen implementiert werden können.
