Neues Datenverständnis
Im Mittelpunkt der Smart Factory steht ein grundlegend neues Datenverständnis. Es geht nicht mehr darum, Daten wie bisher einfach nur zu sammeln, sondern sie sollen analysiert und in werthaltige Informationen überführt werden. In smarten Schunk-Greifern werden die entsprechenden Daten über Inline-Messsysteme erfasst, dezentral ausgewertet und analysiert. So ist eine Closed-Loop-Qualitätskontrolle und eine unmittelbare Überwachung des Produktionsprozesses im Fertigungstakt möglich. Über eine Sensorfusion, indem also Daten von mehreren Sensoren aufgenommenen und verknüpfend analysiert werden, lassen sich Handhabungsprozesse detailliert überwachen sowie Systemzustände von Greifern und Zugriffssituation präzise bewerten. Sogar Greifobjekte können mit Sensorunterstützung erkannt werden, ebenso Störungen im Produktionsablauf wie beispielsweise differierende Rohstoffqualitäten, verschleißende Werkzeuge, Toleranzabweichungen oder Materialengpässe. Über Prozessanalyse in Echtzeit ist darüber hinaus eine proaktive Trendbewertung und deren umgehende Einbeziehung in die Qualitätsregelung des Fertigungsflusses möglich, beispielsweise auf Basis von Fähigkeitskennwerten. Über Korrelationsanalysen gelingt es, komplexe Zusammenhänge schneller zu erkennen und Fehler zu eliminieren.
Edge Computing: Funktionsintegration am Ort des Geschehens
Mit dem Grad der Vernetzung und Digitalisierung ist ein rasanter Anstieg der Datenmenge verbunden. Es besteht die Gefahr, dass die Verbindungen in die Cloud-Rechenzentren die großen Datenströme nicht bewältigen können, so dass Ausfälle und hohe Latenzzeiten drohen. Eine Ausweichstrategie stellt das Edge-Computing dar: Dabei werden vor allem zeitkritische Daten unmittelbar im smarten Greifsystem nahe am Ort des Geschehens verarbeitet, wohingegen rechenintensive Aufgaben ohne Echtzeitanforderungen in einer Cloud erfolgen können. Aktuelle Entwicklungen bei der Prozessorleistung sowie die Miniaturisierung der Komponenten lassen das Embedded Computing heute unmittelbar in die Greifsystemkomponente vordringen. Damit steigen die Möglichkeiten für eine weitere Funktionsintegration sowie für ein Edge-Computing, das neuartige Echtzeit-Szenarien eröffnet.
Künstliche Intelligenz
In diesem Kontext gewinnt auch der Einsatz künstlicher Intelligenz (KI) an Bedeutung. In Verbindung mit Kameras sind bereits erste Anwendungen kognitiver Intelligenz im Greiferumfeld möglich, die ein intuitives Trainieren durch Werker und eine selbstständige Erledigung der Greifaufgaben durch den Roboter ermöglichen. Anders als in Experimenten von Google Research, in denen Roboter mithilfe neuronaler Netze in die Lage versetzt wurden, das Greifen von Gegenständen selbstständig zu erlernen, setzt Schunk beim Einsatz von KI auf eine industrienahe Gestaltung der Handhabungsprozesse. Zweifelsohne belegt das Experiment von Google Research, dass Roboter durch die eigene Überwachung nach und nach in die Lage versetzt werden können, Greifvorgänge zu verbessern, eine eigene Hand/Auge-Koordination zu entwickeln und die Fehlerrate auf rund 18 Prozent zu senken. Für die industrielle Handhabung reicht dieser Zuverlässigkeitswert jedoch nicht aus. Der Ansatz von Schunk reduziert daher die Komplexität, indem die Zahl der Bauteilevariationen beschränkt wird und dies sowohl im Klassifikations- und Trainingsprozess als auch bei den abgeleiteten Lernstrategien Berücksichtigung findet. Damit verringert sich der Trainingsaufwand. Zugleich steigt die Prozessstabilität.