Fast Feeder mit KI

Das Projekt Klag Robotics soll es ohne Programmierkenntnisse erlauben, Bauteile zu erkennen, zu prüfen, zu sortieren und zu verpacken. Möglich machen das Roboter- und Zuführungssysteme kombiniert mit einer blitzschnellen optische Prüfung der Bauteile. Die KI-gestützte Steuerung berücksichtigt nicht nur Input-Signale, sondern auch das Wissen aus Entscheidungen zu vergangenen Signalfolgen. Dadurch kann sie situationsbezogen aktiv Entscheidungen treffen und kontinuierlich dazulernen. In Zukunft sollen so Taktraten von 120 Bauteilen pro Minute bei null Fehlern realisiert werden.

In dem Entwicklungsprojekt wird neben genau dieser KI-basierten Steuerung auch sämtliche Hardware entwickelt, gebaut und integriert. Je nach Anforderung lässt sich die Anlage aus drei verschiedenen kartesischen Robotern und dem Fast-Feeder-System zusammensetzen. Letzteres bildet den Kern des Entwicklungsprojektes. Es besteht aus einem Drehteller, auf den die Bauteile direkt oder durch eine Zuführung befördert werden. Das verbaute Kamerasystem prüft die Bauteile in 4 bis 400ms und übermittelt die Informationen zur Lage an den nachfolgenden Roboter. Defekte Bauteile werden aussortiert, fehlerfreie dem Roboter zugeführt.

Bilddaten in 2D und 3D

Die Kamerasysteme sind so innovativ konzipiert, dass sie 2D- und 3D-Bilddaten verwenden, um die Bauteile zu erkennen und zu klassifizieren. Durch die Software können Anpassungen schnell vorgenommen werden, ohne umfangreiches Programmierwissen. Zu Beginn müssen spezifische Merkmale der Bauteile definiert werden. Der Lern- und Optimierungsprozess erfolgt kontinuierlich während der Bauteilzuführung. Durch die Integration spezifischer Merkmale, die vom Kamerasystem erfasst werden, können die Roboter präzise identifizieren, welche Bauteile sie greifen müssen. Die größte Herausforderung besteht darin, sich dynamisch verändernde Bauteile im Prozess zu verarbeiten, die aufgrund von Reflexionen, Falten, Interferenzen oder ähnlichem auftreten.

Neben den dynamischen Veränderungen zur Bauteilerkennung werden auch statische und dynamisch veränderte Daten der Roboter genutzt. Sie ermöglichen Rückschlüsse auf Verschleiß und liefern Informationen für einen Predicitve-Maintenance-Ansatz. Zusätzlich werden die Fahrwege der Systeme verfolgt, um sie zu verbessern, Taktraten zu erhöhen und den Energieverbrauch pro gegriffenem Bauteil zu senken.

Die nötige Datenbasis wird aus digitalen Zwillingen als auch aus realen Sensoren und Aktoren während vielfältiger Simulationsvorgänge generiert, ausgewertet und in realen Testumgebungen umgesetzt. Neue Entwicklungen und Technologien werden im Rahmen des Projektes direkt in den Produktionslinien der Pilotpartner validiert.

Konventionell und KI-basiert

Die Implementierung ermöglicht es dem Anwender, durch die Kombination von konventionellen und KI-basierten Algorithmen, Produktwechsel ohne Programmierkenntnisse durchzuführen. Zur Einrichtung des Systems werden die Bauteile auf den Fast-Feeder gelegt und auf der Benutzeroberfläche entsprechend ausgewählt. Im Hintergrund wird zeitgleich geprüft, ob das Bauteil dem ausgewählten entspricht. Spezifische Informationen und Daten werden dann an den Roboter übermittelt. Im Falle eines noch nicht produzierten Bauteils genügt es, das Bauteil auf den Feeder zu legen, diesen zu aktivieren, die entsprechenden Positionen auf dem Bildschirm zu markieren und den Greifer am Roboter anzupassen. Für bereits produzierte Produkte ist lediglich ein Greiferwechsel erforderlich. Das System kennt alle bereits gefertigten und ähnliche Produkte und kann mittels Deep Learning den neuen Produktionsablauf eigenständig anlernen. Zudem kann es nach Wartungsarbeiten oder Stillstandszeiten erforderlich sein, die Automatisierungssysteme zueinander auszurichten. Hierfür wurde ein Kalibrierungsverfahren entwickelt, mit dem der Einrichter die einzelnen Teile der Produktionsanlage in weniger als zehn Minuten zueinander kalibrieren kann. Der Fast Feeder bildet auch für die Kaliberierung die Basis, anhand deren die Koordinatensysteme aller beteiligten Systeme ausgerichtet werden. In einer Routine lernt sich das System eigenständig an und kalibriert sich. Anschließend sind Roboter und Fast-Feeder wieder bereit für den Produktionsbetrieb.

Im Rahmen des zweijährigen Forschungsvorhabens Klag Robotics, das durch das Hessische Ministerium für Digitalisierung und Innovation (Distr@l Förderlinie 4A) mit knapp 1 Millionen Euro unterstützt wird, sollen mithilfe von KI verschiedene Probleme gelöst werden, etwa für Predictive Maintenance, intelligente Bahnplanung, bildbasierte Qualitätskontrolle oder die Erkennung komplexer Bauteile. Das Projekt- und Forschungsteam der Technischen Hochschule Mittelhessen (THM) unter der Leitung von Prof. Udo Fiedler vom Fachbereich Wirtschaftsingenieurwesen arbeitet gemeinsam mit mehreren Pilotpartnern zusammen. In den vergangenen Jahren wurden mehrere Patente angemeldet und das Team erhielt bereits das Exist-Gründungstipendium. Nach Abschluss des Projekts ist die Gründung eines eigenständigen Unternehmens geplant, das marktreife Robotersysteme in den Bereichen Medizintechnik, Maschinenbau und Verpackungsindustrie etablieren soll.