Anzeige
Anzeige
Anzeige
Anzeige

Möglichkeiten zur Steigerung der Autonomie von Handhabungssystemen

Werkstückerkennung mit Greifsystemen

Bereits heute wird eine Fülle an Daten entlang der Wertschöpfungskette erhoben und stellenweise bereits z.B. zur Prozessüberwachung genutzt. Das Ziel dieser Entwicklung sind autonome Fertigungssysteme, die eine flexible Automatisierung unabhängig von der Losgröße ermöglichen und damit für eine hohe Produktivität sorgen. In diesem Kontext werden am wbk Institut für Produktionstechnik des Karlsruher Institut für Technologie Möglichkeiten zur Steigerung der Autonomie von Handhabungssystemen, z.B. durch eine Werkstückklassifizierung mit Hilfe der Methoden künstlicher Intelligenz, erforscht.

Anhand des hier dargestellten Versuchsstands am wbk des Karlsruher Instituts für Technologie sollen Möglichkeiten zur Steigerung der Autonomie von Handhabungssystemen erforscht werden. (Bild: Hamdi Köse)

Anhand des hier dargestellten Versuchsstands am wbk des Karlsruher Instituts für Technologie sollen Möglichkeiten zur Steigerung der Autonomie von Handhabungssystemen erforscht werden. (Bild: Hamdi Köse)

Aufgrund ihres nicht wertschöpfenden Charakters und des direkten Kontakts zum Werkstück weisen Handhabungsprozesse ein hohes Potenzial zur Effizienzsteigerung auf. Neben mechanischen Greifern stellen Vakuumgreifer eine weitverbreitete Lösung zur Durchführung von Handhabungsoperationen dar. Attraktiv für den Einsatz macht sie ihre Fähigkeit, sich an komplexe Oberflächen anzupassen. Das gilt insbesondere in Kombination mit einer elektrischen Vakuumerzeugung am Endeffektor, die eine externe Druckluft- bzw. Vakuumversorgung überflüssig macht. Die Dauer bis zum Aufbau der notwendigen Haltekraft sowie der Druckverlauf sind von verschiedenen Faktoren abhängig. Die Verwendung dieser Informationen zur Prozessverbesserung ist bisher kaum untersucht. Ein überwiegender Anteil der Handhabungsvorgänge findet zwischen einzelnen Fertigungsschritten eines Werkstücks, Bauteils oder einer Baugruppe statt. So werden auch Schritte zur Qualitäts- und Prozesskontrolle oft in separaten Stationen durchgeführt, wodurch weitere Handhabungsvorgänge notwendig werden. Deutlich effizienter wäre es, wenn der Greifer Funktionen zur Qualitäts- und Prozesskontrolle übernehmen würde und das Werkstück z.B. in der richtigen Orientierung oder bereits vorsortiert zur Weiterbearbeitung bereitstellt. Das wbk Institut für Produktionstechnik am Karlsruher Institut für Technologie (KIT) hat hierzu einen Ansatz entwickelt, der es ermöglicht, Werkstücke mit einem Vakuumgreifer auf Basis des im Sauggreifer entstehenden Unterdruckverlaufs zu klassifizieren. Methoden der künstlichen Intelligenz versprechen dabei eine autonome Datenauswertung der Werkstückoberfläche noch während der Handhabung.

Wissensextraktion aus dem Druckverlauf

Um den Autonomiegrad von Handhabungssystemen zu erhöhen, muss aus erfassten Rohdaten zunächst prozessrelevantes Wissen extrahiert werden. In dem vom wbk entwickelten Ansatz handelt es sich um ein Greifsystem mit einem Sauggreifer, das anhand eines zusätzlichen Sensors den Druckverlauf während der Handhabung aufnimmt. Ein Greifvorgang wird durch Bewegung des Sauggreifers in axialer Richtung zum Werkstück realisiert. Sobald der gemessene Unterdruck einen vorgegebenen Wert unterschreitet, beginnt der Saugvorgang und Daten werden aufgenommen. Dementsprechend kann eine Unterdruck/Zeit-Korrelation aufgestellt werden. Um ein möglichst breites Spektrum an eingesetzten Werkstücken abzudecken, wurden Objekte mit unterschiedlichen Werkstoffen und Oberflächenrauheiten untersucht. Zu den Prüfobjekten zählen flächige Werkstücke aus Plexiglas, verschiedene weitere Kunststoffe sowie unterschiedliche Metalllegierungen. Bis auf einen Drucksensor bedarf es keiner weiteren Hardwarekomponente. Eine Auswertung über den Vergleich eindimensionaler Prozessmerkmale, wie dem mittleren erreichten Unterdruck, hat sich aufgrund statistischer Schwankungen als unzuverlässig erwiesen. Es bedarf daher eines Modells, das die Zusammenhänge zwischen Prozesseigenschaften und Unterdruckverlauf beschreibt.

Maschinelle Lernverfahren als Problemlöser

Zur Lösung dieses Problems rücken maschinelle Lernverfahren in den Fokus. Sie ermöglichen es, die angesprochenen Zusammenhänge zwischen den Merkmalen des Druckverlaufs und der zugehörigen Werkstückoberfläche zu erlernen. In einem Dauerversuch werden daher Lerndaten erzeugt, indem in einem realitätsnahen Szenario elf verschiedene Werkstücke in einem Pick&Place-Prozess gegriffen und die entstehenden Druckverläufe für jedes Werkstück mehrfach aufgezeichnet werden. Die Verläufe liegen sehr nahe beieinander, was eine Unterscheidung schwierig macht. Der ähnliche Verlauf verdeutlicht das zuvor beschriebene Problem beim Vergleich der Druckverläufe mit eindimensionalen Prozessmerkmalen. Daher wird mithilfe PC-gestützter Berechnungen eine nichtlineare Regression zu den Aufnahmekurven der Werkstücke ermittelt. Dabei handelt es sich um eine Überlagerung verschiedener Exponentialfunktionen, die den Unterdruckverlauf mit vier Parametern beschreibt. Diese Parameter werden zusammen mit der jeweiligen Werkstückkennung in einer Datenbank abgespeichert (das sogenannte Labeling). Durch den Einsatz von Algorithmen für das überwachte Lernen kann dann der Zusammenhang zwischen den Merkmalen (Funktionsparametern) und der Klassifikationsgruppe (Werkstücktyp) antrainiert werden. Im beschriebenen Beispiel kommt ein abgewandeltes Entscheidungsbaumverfahren zum Einsatz, das bei der Verwendung von nur vier Merkmalen trotz stellenweise geringer Unterschiede in den Werkstückoberflächen eine durchschnittliche Vorhersagegenauigkeit von 75 Prozent erreicht. Bei dem hier vorgestellten Ansatz handelt es sich um eine prototypische Anwendung zur datengetriebenen Erkennung von Werkstücken, wobei die prinzipielle Machbarkeit sowie die schnelle Übertragung in eine industrielle Anwendung zunächst im Vordergrund des Entwurfs stehen. Auf dem Weg hin zu einer robusten, industriellen Anwendung bedarf es noch weiterer Untersuchungen hinsichtlich der Prozessgrenzen sowie der Eignung des Verfahrens beim Einsatz unterschiedlicher Greiferkonfigurationen.

Werkstückerkennung mit Greifsystemen
Bild: Hamdi Köse


Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Bei all den Vorteilen, die ein Cobot mit sich bringen kann, bedeutet das nicht, dass traditionelle Industrieroboter nicht mehr benötigt werden. Cobots haben jedoch Einfluss auf die Entwicklung von Industrierobotern. Viele der Sicherheitsfunktionen, die zuerst bei kollaborativen Robotern zu sehen waren, werden zum Standard bei den industriellen Versionen. Darüber hinaus sind Cobots benutzerfreundlich, erweiterungsfähig und bieten eine hohe Flexibilität in Bezug auf ihren Einsatzbereich.‣ weiterlesen

Anzeige

8,5t Eigengewicht, eine Traglast bis 2,3t und eine Reichweite von 3,7m: So lauten die Leistungsdaten des größten Industrieroboters der Welt. Trotzdem muss der Fanuc M 2000iA/2300 eine hohe Genauigkeit bieten. Mit einem integrierten Messsystem lässt sich einfach sicherstellen, dass Kinematik und Greifer stets korrekt eingestellt bzw. ausgerichtet sind.‣ weiterlesen

Anzeige

Doosan hat auf der diesjährigen Automatica neue Lösungen zum Palettieren, Schweißen und Schleifen vorgestellt. Das neue Palettiersystem des Roboterherstellers beinhaltet das Robotermodell H2017, ist aber auch mit allen anderen Robotern des Unternehmens kompatibel. Es eignet sich vor allem für Unternehmen, die zum ersten Mal eine automatisierte Palettierlösung einsetzen, da es sich auch von Anwendern ohne Vorerfahrung bedienen lässt. ‣ weiterlesen

Anzeige

Aufgrund der zeit- und kostenintensiven Programmerstellung, die für jedes Robotermodell individuell erfolgen muss, scheuen sich viele Unternehmen, Roboter einzusetzen. Die auf anspruchsvolle Automatisierungsaufgaben spezialisierte Firma ACP Systems ermöglicht durch den Einsatz der Software ArtiMinds Robot Programming Suite die intuitive und herstellerunabhängige Programmierung der Bewegungsbahnen. Die Automatisierung mithilfe des Roboters wird dadurch einfacher, schneller und effizienter. Darüber hinaus lassen sich auch Anwendungen realisieren, die bisher nicht möglich waren.‣ weiterlesen

Anzeige

Das Unternehmen Skyline Robotics aus Tel Aviv automatisiert die Fassadenreinigung für Wolkenkratzer in aller Welt und setzt dafür Roboter von Kuka ein. Das selbst entwickelte System Ozmo kombiniert den KR Agilus mit einem computergestützten Bildverarbeitungssystem, künstlicher Intelligenz und maschinellem Lernen. Was vorher drei bis vier Monate harter körperlicher Arbeit erforderte, schafft das System automatisch in knapp der Hälfte der Zeit. Das System sorgt außerdem für Sicherheit, indem es menschliche Arbeitskräfte auf der Arbeitsbühne ablöst.  ‣ weiterlesen

Anzeige

Das Heiß-Aktiv-Plasmaverfahren Acerios von Fronius entfernt partikuläre und filmische Verunreinigungen sowohl von metallischen als auch nichtmetallischen Oberflächen. Der Automobilhersteller Audi setzt das Verfahren seit mittlerweile zwei Jahren bei dünnen Alu-Karosserieteilen ein: Dort wo die Bleche für das Bolzenschweißen vorbereitet werden müssen, ist es so gelungen, die anfallenden Reinigungskosten zu reduzieren und die Ressourceneffizienz zu steigern.‣ weiterlesen