Deep Learning für die Montageautomation

Schlauer montieren mit maschinellem Lernen

Kognitive_Montage_Fraunhofer_IPA.jpg
Maschinelles Lernen gibt der Montage-Automation neue Impulse. Bild: Fraunhofer IPA
Anzeige
Maschinelles Lernen gibt der Montageautomation neue Impulse. Die Tools helfen, den Automatisierungsgrad zu erhöhen sowie Planungs- und Programmieraufwände zu reduzieren.

Auch wenn viele Produktionen heute weitgehend durchautomatisiert erscheinen, so trifft dies auf die Montage nicht zu. Der Einsatz von Robotersystemen liegt hier bei unter 15 Prozent. Gründe dafür sind verschiedenste Bauteile, kurze Taktzeiten und mitunter sehr knifflige Fügevorgänge. Das bedingt, dass der Einsatz von Robotern und der Aufwand für deren Programmierung oft noch nicht wirtschaftlich ist. Das gilt nicht nur, aber insbesondere für kleine und mittelständische Produktionen, deren geringe Losgrößen bisher noch nicht für den Robotereinsatz sprachen.

Technologien basierend auf maschinellem Lernen eröffnen nun neue Möglichkeiten. Generell hat maschinelles Lernen das Potenzial, den Automatisierungsgrad in Produktionen weiter zu erhöhen und die Abläufe zu optimieren. Grundlage hierfür sind große Datenmengen. Verfahren des Deep Learnings, also künstliche neuronale Netze, können Zusammenhänge in diesen Daten erkennen und daraus Aktionen ableiten. Was heißt das konkret für die Montage?

Neuro-CAD-Software bewertet Bauteileigenschaften

Um zu prüfen, ob sich ein Montageprozess aus wirtschaftlicher und technischer Sicht überhaupt automatisieren lässt, ist bisher das Wissen eines Automatisierungsexperten gefordert. Das Fraunhofer IPA bietet dieses Wissen beispielsweise im Rahmen seiner Automatisierungs-Potenzialanalyse an. Die webbasierte Software Neuro-CAD erarbeitet sich mithilfe eines neuronalen Netzes gerade ähnliches Wissen und ist reif für den Praxistest.

Interessenten mit Montageaufgaben können auf der Webseite www.neurocad.de die Step-Dateien ihres Bauteils hochladen. Die Software bewertet dann innerhalb weniger Minuten bestimmte Bauteileigenschaften. Wissensgrundlage hierfür sind rund 50.000 Datensätze, mit denen das neuronale Netz bereits gelernt hat. Aktuell analysiert die Software, wie einfach ein Bauteil zu vereinzeln ist. Außerdem bewertet sie die Greifflächen und Ausrichtbarkeit. Die Ausgabe weiterer Informationen, wie zum Beispiel die Positionierbarkeit, ist in Arbeit.

Neben der Bewertung des Bauteils nennt die Software zudem eine Wahrscheinlichkeit für die Richtigkeit der Bewertung. Weil das neuronale Netz noch Trainingsdaten braucht, sind ebenfalls Nutzer willkommen, die neben den Step-Dateien auch ihre eigene Einschätzung des Bauteils angeben – so tragen sie dazu bei, dass die Software dank der größeren Datenbasis besser trainiert und performanter wird.

Auch Bildverarbeitung vereinfacht die Roboterprogrammierung

Ein anderes Beispiel für den Nutzen von maschinellem Lernen in der Montageautomatisierung ist die Software Visualcue. Bei klassischen Montageaufgaben werden bisher große Zeitanteile verwendet, um den Roboter langsam manuell zu bewegen und den Fügevorgang im Hinblick auf Robustheit und Taktzeit feinzuteachen. Der Einsatz von Kameras und Bildverarbeitungssoftware mithilfe von maschinellem Lernen kann diese Zeitanteile drastisch reduzieren.

Spezielle Algorithmen extrahieren Montagemerkmale wie Schraubpositionen, Kanten oder Steckverbinder aus den Bilddaten und bieten diese dem Anwender zur Manipulation an. Damit werden Befehle wie „Teil an Kante ausrichten“, „In Kantenrichtung bewegen“ oder „Um Kante drehen“ möglich. Die Auswirkung der Befehle wird direkt im Bild dargestellt, sodass auch unerfahrene Roboternutzer Montageaufgaben erfolgreich via Roboter automatisieren können.

Die genannten Technologien für die Montage sind nur zwei Beispiele dafür, wie maschinelles Lernen den Robotereinsatz und Produktionen voranbringen kann. Am Fraunhofer IPA entstehen zahlreiche weitere Lösungen, die neben der Robotik die Bereiche Qualitätssicherung, Produktionsoptimierung und Umgebungserfassung adressieren. Interessierte Unternehmen erhalten von der ersten Beratung bis zur Realisierung eines Demonstrators zum Thema maschinelles Lernen Unterstützung im Zentrum für Cyber Cognitive Intelligence.

Fraunhofer Institut für Produktionstechnik und Automatisierung IPA

www.ipa.fraunhofer.de


Mehr zum Thema Industrie 4.0


Hier finden Sie mehr über:
Anzeige

Aktuelle Ausgabe

Schlagzeilen

KUKA: Smarte Automatisierung

KUKA Roboter Hochschule Karlsruhe

Smarte Automatisierung mit KUKA im Überblick

Newsletter

Jetzt unseren Newsletter abonnieren

Themenseite Cobot

Erläuternde Beiträge, Neuigkeiten, Anwendungsbeispiele und Hintergrundinfos rund um das Thema kollaborative Robotik

Messevideo


Greiferintegration leicht gemacht: Die Zimmer Group zeigt, wie es geht.

Kalender

Aktuelle Termine für die Automatisierungsbranche

Whitepaper

Whitepaper aller unserer Industrieseiten

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Anzeige
Anzeige

Industrie.de Infoservice

Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de