„Sensoradaptive Roboterprogramme gleichen selbst größere Prozessabweichungen sicher aus. Mit unserem System können die dafür nötigen Taktzeitpuffer jedoch drastisch reduziert werden, da der Prozess automatisch anhand der Optimierungsergebnisse angepasst wird. Dadurch erhöht sich die Robustheit des Robotersystems und die Qualität des Vorgangs“, erläutert Schmidt-Rohr die Vorteile des Ansatzes von Artiminds Robotics. „Außerdem werden die Mitarbeiter natürlich stark von der Software unterstützt und erhalten so neue Kapazitäten, um sich um andere Aufgaben zu kümmern.“ Im Ergebnis wird die zukünftige Ausführung der sensoradaptiven Roboterprogramme also vor allem schneller, besser und robuster.
Die automatische Teach-Punktanpassung kann sowohl bei der Anlagenentwicklung, bei der Inbetriebnahme, bei der Nachoptimierung im Dauerbetrieb als auch bei Umstellungen eingesetzt werden. Sie eignet sich sowohl für verschiedene Arten von Prozessen als auch für jeden denkbaren Robotertyp.
Ausblick
Bei der automatischen Teach-Punktanpassung läuft die Hauptintelligenz auf dem zeitlich entkoppelten Edge-PC mit dem LAR-Analyse-Tool. Doch hier ist die Entwicklung noch nicht abgeschlossen. Geplant ist bereits der Einsatz von Deep Learning bzw. tiefen neuronalen Netzen, um komplexe Zusammenhänge von Parametern im Roboterprogramm, die über Teach-Punkte hinausgehen, zu optimieren. „Dadurch können Prozesse sich an noch kompliziertere Veränderungen oder auftretende Abnutzungen an Werkstücken selbstständig und automatisch anpassen“, gibt Schmidt-Rohr einen ersten Ausblick.
((Kasten))