Een recente case bij JCL Logistics maakt de keuze opnieuw actueel. In Eersel automatiseert de logistieke dienstverlener een warehouse van ruim 80.000 m² voor een grote klant in de drankenindustrie. JCL wil de aanpak met lasergeleide voertuigen verder toepassen, maar koppelt zulke investeringen aan langdurige klantenrelaties. Dat raakt een vraag die voor veel 3PL’s belangrijker is dan de technologie zelf: hoe flexibel moet een systeem zijn en hoeveel zekerheid is nodig om de investering terug te verdienen?
Wie zich in de markt verdiept, botst al snel op AGV’s, LGV’s, AMR’s, LiDAR, SLAM, magneetgeleiding en natural navigation. Die begrippen zijn niet allemaal rechtstreeks vergelijkbaar. AGV en AMR beschrijven vooral een type mobiel automatiseringsconcept, terwijl laser, magneten, QR-codes en natural feature navigation manieren zijn waarop een voertuig zijn positie en route kan bepalen.
Een LGV is een AGV, maar niet elke AGV is een LGV
AGV staat voor Automated Guided Vehicle. Het begrip wordt gebruikt voor voertuigen die goederen automatisch door een magazijn of productieomgeving verplaatsen. Oudere systemen worden vaak geassocieerd met een draad of magneetstrip in of op de vloer, maar AGV’s kunnen ook andere navigatiemethoden gebruiken.
Een LGV, of Laser Guided Vehicle, is een specifieke uitvoering. Het voertuig zendt lasersignalen uit die door reflectoren op vaste punten in het gebouw worden teruggekaatst. Aan de hand daarvan berekent het zijn positie. Het grote voordeel tegenover een fysieke geleidingslijn is dat de vloer niet over de volledige route moet worden aangepast. Verandert de flow, dan kan de route softwarematig worden gewijzigd, al moeten de reflectoren en de omgeving wel correct in kaart blijven.
Een AMR, Autonomous Mobile Robot, gaat doorgaans een stap verder in vrije navigatie. Met sensoren zoals LiDAR en camera’s maakt of gebruikt de robot een kaart van zijn omgeving. Hij kan binnen opgelegde zones zelf een route naar zijn bestemming berekenen en obstakels ontwijken. Dat maakt een AMR aantrekkelijk in omgevingen waar routes en processen vaker veranderen.
Van magneetstrip tot SLAM: de belangrijkste methoden
| Methode | Hoe werkt ze? | Sterk punt | Beperking |
|---|---|---|---|
| Magneetstrip of inductiedraad | Het voertuig volgt een vast fysiek traject in of op de vloer. | Eenvoudig en zeer voorspelbaar bij stabiele repetitieve flows. | Routewijzigingen vragen fysieke aanpassingen en bieden weinig flexibiliteit. |
| Markers of QR-codes | Vaste referentiepunten op de vloer helpen het voertuig zijn positie bepalen. | Relatief eenvoudig te installeren en routes zijn programmeerbaar. | Markers moeten leesbaar en onderhouden blijven; infrastructuur blijft nodig. |
| Laser + reflectoren (LGV) | Een laserscanner meet vaste reflectoren in het gebouw en berekent daaruit de positie. | Hoge nauwkeurigheid zonder een geleidingslijn over de volledige vloer. | Reflectoren en mapping vragen voorbereiding; grote layoutwijzigingen kunnen herconfiguratie vragen. |
| Natural navigation / SLAM | LiDAR, camera’s en andere sensoren herkennen natuurlijke kenmerken en gebruiken een digitale kaart. | Weinig fysieke infrastructuur en relatief flexibel bij veranderende routes. | Software, mapping en een betrouwbaar waarneembare omgeving worden belangrijker. |
De technologieën schuiven bovendien naar elkaar toe. Een moderne autonome heftruck kan vrij navigeren, maar tegelijk opdrachten krijgen van centrale fleetsoftware en op bepaalde plaatsen zeer nauwkeurig positioneren. Daardoor zegt het etiket op de machine steeds minder over wat het volledige systeem kan.
Dat zagen we eerder ook bij de nieuwe generatie autonome heftrucks. De ontwikkeling verschuift van simpel pallettransport tussen twee vaste punten naar voertuigen die meer hef-, opslag- en overslagtaken uitvoeren en met andere robots moeten samenwerken.
Wanneer is een vaste route juist een voordeel?
Meer autonomie is niet automatisch beter. Wie duizenden keren per dag dezelfde palletbeweging uitvoert tussen productie, buffer en expeditie, heeft weinig aan een robot die voortdurend nieuwe routes kan bedenken. Een voorspelbaar systeem kan daar eenvoudiger te beheren zijn en maakt capaciteit makkelijker berekenbaar.
Flexibiliteit wordt waardevoller wanneer de layout regelmatig verandert, verschillende processen dezelfde verkeersruimte delen of robots telkens andere begin- en eindpunten krijgen. In zo’n omgeving kan natural navigation of een AMR-concept vermijden dat elke proceswijziging ook aanpassingen aan de fysieke geleiding vraagt.
Ook de taak bepaalt de keuze. Een lage mobiele robot die bakken of rolcontainers vervoert, stelt andere eisen dan een autonome reachtruck die een pallet op enkele meters hoogte in een stelling moet positioneren. Nauwkeurigheid, veiligheid, draagvermogen en integratie met conveyors, deuren en rekken kunnen zwaarder wegen dan de gekozen navigatietechniek.
De businesscase begint bij de goederenstroom
Voor een haalbaar automatiseringsproject zijn vooral volume en herhaling belangrijk. Hoe meer voorspelbare transportbewegingen een voertuig kan overnemen en hoe meer uren per dag het systeem kan draaien, hoe groter de kans dat de investering rendeert. Bij sterk wisselende volumes of veel uitzonderingen blijft een combinatie van automatische en manuele voertuigen vaak logisch.
Daar komt voor logistieke dienstverleners een extra factor bij: de klantcontracten. Een voertuig kan technisch jarenlang meegaan, maar een 3PL moet ook weten of de goederenstroom waarvoor het systeem werd ontworpen lang genoeg blijft bestaan. De terugverdientijd moet daarom worden bekeken naast de resterende contractduur, de mogelijkheid om voertuigen later elders in te zetten en de mate waarin infrastructuur klantspecifiek is.
De JCL-case illustreert dat goed. Voor de automatisering in Eersel werd een volledig systeem van Elettric80 geïnstalleerd, inclusief geautomatiseerde apparatuur en een automatisch laadsysteem voor vrachtwagens. JCL koppelt verdere uitrol aan voldoende lange klantrelaties. Automatisering wordt zo niet alleen een technische maar ook een contractuele investeringsbeslissing.
België heeft al praktijkvoorbeelden
Ook in België rijden dergelijke systemen al in operationele logistieke omgevingen. DHL Supply Chain zette in Bornem autonome heftrucks in voor Unilever, terwijl Distrilog in Willebroek geautomatiseerde reachtrucks en stapelaars combineert met manuele voertuigen. In Mornimont gebruikt Lannutti zware lasergeleide transporters voor de interne verplaatsing van glasrekken in een logistieke hub van 60.000 m².
Die voorbeelden tonen meteen waarom één technologie niet voor elk magazijn de winnaar kan zijn. Een repetitieve palletstroom, zware glasrekken en een flexibel fulfilmentproces stellen totaal andere eisen. De vraag is daarom niet simpelweg of een bedrijf voor een AGV of AMR moet kiezen, maar welke mate van vrijheid, nauwkeurigheid en infrastructuur de specifieke goederenstroom nodig heeft.
Bij complexere automatisering wordt ook de softwarelaag belangrijker. Logistiek.be schreef eerder over de groeiende rol van interoperabiliteit bij autonome heftrucks en mobiele robotvloten en over flexibele magazijnrobotica bij Flanders Make. Hoe meer systemen naast elkaar rijden, hoe belangrijker het wordt dat WMS, WCS, fleetmanagement en voertuigen opdrachten en statusinformatie kunnen uitwisselen.
Welke oplossing past bij welk magazijn?
Voor een stabiele goederenstroom met hoge volumes en weinig routewijzigingen kan een sterk geleid systeem nog altijd rationeel zijn. Wie maximale flexibiliteit nodig heeft en processen regelmatig aanpast, zal sneller naar natural navigation en AMR-achtige oplossingen kijken. Een LGV zit daar niet simpelweg tussenin: laserreflectoren bieden een nauwkeurige positiebepaling en routes kunnen softwarematig worden aangepast zonder een volledige fysieke geleidingslijn.
De keuze hoort daarom pas na een procesanalyse te komen. Welke bewegingen keren vaak genoeg terug? Hoeveel uitzonderingen zijn er? Hoeveel interactie is er met mensen en manuele trucks? Moet het voertuig alleen horizontaal transporteren of ook heffen? Hoe lang blijft de operatie op dezelfde locatie en voor dezelfde klant bestaan? En kan het systeem worden hergebruikt als die operatie verandert?
Wie die vragen eerst beantwoordt, voorkomt dat een magazijn technologie kiest omdat ze moderner klinkt. De beste autonome oplossing is uiteindelijk niet degene die het meest zelfstandig kan rijden, maar degene die de goederenstroom betrouwbaar automatiseert tegen een investering die binnen de operationele en contractuele realiteit past.
