Robotix Academy

Die Matrix Produktion erfordert die Planung des Fertigungsablaufs unter Berücksichtigung des Fahrwegs von Transportsystemen (FTS).

Damit soll ein flexibles Materialhandling erreicht werden. Die Einsatzplanung von Fertigungsinseln und FTS wird simultan betrachtet und nicht, wie bisher in Produktionsssteuerungssystemen üblich, getrennt ermittelt. Für die Optimierung der parallelen Planung von Produktion und Logistik wird Constraint Programming (CP) eingesetzt. Dabei werden die dezentralen Komponenten, die FTS, als cyber-physisches System durch Agenten vernetzt. Die Agenten kommunizieren  miteinander, um verschiedene Lösungen für die Produktions-Logistik Aufgabe zu finden. Die Architektur des Systems ist als Multi-Agenten-System implementiert. Simulationsergebnisse anhand von Benchmark-Instanzen zeigen, dass die simultane Planung zu einer 19,7%igen Reduzierung der Durchlaufzeit gegenüber konventionellen Systemen erreicht wird.

Montageprozesse im Allgemeinen und Peg-in-Hole-Prozesse im Besonderen bilden das Kernelement der Fertigung, u.a. in der Automobilindustrie. Zu den Vorteilen einer Automatisierung dieser Prozesse gehören neben einer kürzeren Taktzeit, Vermeidung ergonomisch kritischer Operationen sowie dokumentierte Prozesssicherheit.

Das Ziel des Projekts SaFyR (Self-adaptive Fuzzy control for Robotic Peg-in-Hole assembly processes) ist es, Peg-in-Hole-Prozesse für das Fügen sowohl harter als auch elastischer Werkstücke mit Robotern zu automatisieren ohne auf zusätzliche visuelle Sensorik zurückzugreifen. Im Gegensatz zu optischen Sensoren werden maschinenintegrierte Kraftsensoren nicht durch externe Umwelteinflüsse wie veränderliche Lichtverhältnisse oder eine teilweise Verdeckung des Werkstücks beeinträchtigt, sondern erfassen direkt die Prozesskräfte.

Die Analyse der Sensorsignale in Echtzeit bildet die Grundlage für die Regelung des Montageprozesses. Der Lösungsansatz dieses vom Fonds Nationale de Recherche (FNR) geförderten Projekts besteht in der Entwicklung innovativer Algorithmen, die auf statistischen Kenngrößen basieren, um diskrete Kontaktzustände zu erkennen und so die Prozessphasen zu unterscheiden, welche für alle Peg-in-Hole-Prozesse charakteristisch sind. Darauf aufbauend werden adaptive, kraftgeregelte Algorithmen für den industriellen Anwendungsfall untersucht, optimiert und validiert.

Um die komplementären Fähigkeiten von Mensch und Roboter in der Produktion sinnvoll und einander ergänzend einzusetzen, ist die dynamische Verteilung der Arbeitsschritte erforderlich. Sowohl die Montage als auch die Demontage sind konkrete Einsatzfelder dieser Forschungsgebiete.

Das Ziel von verschieden Projekten ist es, unterschiedliche Ansätze zu untersuchen.

In Kooperation mit einem Industriepartner wird die Aufteilung der Arbeitsschritte durch den Werker untersucht. In der Einzelstückfertigung wird je nach dem Arbeitsfortschritt der Roboter für spezifische, unterstützende Prozessschritte angefordert, um bspw. eine ergonomisch belastende Teilfunktion zu übernehmen oder einen Standardprozess zu komplettieren.

Die Programmierung von Industrierobotern werden mittels Digitalen Zwillingen mit Augmented Realty untersucht.

Im Rahmen eines weiteren Projekts, KIPs (Knowledge based Intelligent Planning system for production automation), werden intelligente Algorithmen entwickelt, welche unter Einbeziehung von Sensorsignalen Informationen über die Umwelt einbeziehen und daraufhin in Echtzeit das Verhalten, bzw. die Bahn des Roboters anpasst um Hindernisse zu umfahren. Eine Wissensdatenbank über verschiedene Fertigungsprozesse kombiniert Sensorinformationen über die Fertigungsumgebung u.a. von Time-of-Flight Sensoren und formalisiert diese durch Ontologien. Innovative Algorithmen ermöglichen bereits das Umfahren statischer Hindernisse im Labor. Die Umfahrung dynamischer Hindernisse wird derzeit weiter untersucht, um die Mensch-Roboter-Kollaboration in Montage und Demontage zu unterstützen.