Ein kritischer Vorfall in einem automatisierten Hafenterminal hat die Grenzen der Steuerungssoftware eines STS-Krans (Ship-to-Shore) unter die digitale forensische Lupe genommen. Während eines Entladevorgangs prallte der Kranausleger heftig gegen den Aufbau des Containerschiffs. Die erste Begutachtung deutet auf eine Diskrepanz zwischen der tatsächlichen und der deklarierten Last hin, aber nur die 3D-Simulation kann bestätigen, ob die Trägheit des Containers die Sicherheitsmargen des Schwingungskompensationssystems (Sway) überschritten hat. 🏗️
Forensischer Workflow: Vom Sway-Sensor zur Physik in Unreal Engine 5 🔬
Der Analyseprozess begann mit der Extraktion der Rohdaten des Schwingungskompensationssensors (Sway) des Krans. Diese Beschleunigungs- und Verschiebungsaufzeichnungen wurden in CloudCompare zur Bereinigung und zeitlichen Abstimmung mit den SPS-Logs importiert. Anschließend modellierte das Team in Siemens NX die exakte Geometrie des verdächtigen Containers und seines geschätzten Inhalts, während in SolidWorks der tatsächliche Trägheitstensor basierend auf einer hypothetischen Lastdichte berechnet wurde. Der Höhepunkt war die physikalische Nachbildung in Unreal Engine 5, bei der die korrigierten Trägheitsdaten eingegeben wurden, um den genauen Moment des Aufpralls zu simulieren. Die Simulation zeigte, dass die Steuerungssoftware, da sie ein geringeres als das tatsächliche Gewicht erhielt, die notwendigen progressiven Bremsprotokolle zur Bekämpfung der übermäßigen Schwingung nicht aktivierte.
Digitale Zwillinge als Zeugen bei Logistikunfällen ⚖️
Dieser Fall zeigt, dass der digitale Zwilling nicht nur ein Designwerkzeug ist, sondern ein Belastungszeuge bei der Untersuchung von Industrieunfällen. Die Nachbildung in Unreal Engine 5 ermöglichte es, einen Fehler zu visualisieren, den die Telemetriedaten allein nicht erklärten: eine falsch berechnete Trägheit, die den Sway-Kompensationsalgorithmus sättigte. Für die Logistikbranche ist die Lehre klar. Die Validierung von Lasten mittels 3D-Sensoren und Trägheitssimulationen vor dem Betrieb könnte solche Vorfälle verhindern und die Lücke zwischen der administrativen Deklaration und der physikalischen Realität des Containers schließen.
Da die 3D-Begutachtung gezeigt hat, dass die Lastträgheit am STS-Kran die Vorhersagen der Steuerungssoftware übertraf, welche Methodik der dynamischen Simulation oder welchen Echtzeit-Korrekturalgorithmus empfehlen Sie zur Implementierung, um zu verhindern, dass sich dieser latente Fehler in Umgebungen mit hoher Hafenautomatisierung wiederholt?
(PS: 3D-Logistik ist schön, bis man versucht, einen Container an einen Ort zu bringen, wo er nicht hinpasst)