Das KI-Projekt FabOS entwickelt gerade eine intelligente Bin-Picking-Lösung für Produktionsunternehmen. Gibt es zum Beispiel mehrere Kommissionierzellen, könnten die Daten aller Zellen zentral verarbeitet und die Erkenntnisse daraus an die Zellen zurückgegeben werden. (Bild: Fabos)
Bin Picking gilt als Königsdisziplin der Robotik und ist in vielen Produktionen eine gefragte Option. Die Herausforderungen sind jedoch groß und Anwendungen werden daher oft nicht umgesetzt. Hierfür gibt es zwei typische Gründe. In vielen Fällen sind Kommissionierzellen das erste Glied in einer verketteten Produktions- oder Montagelinie und müssen daher eine garantierte Taktzeit bieten. Oft erkennt das Robotersystem jedoch nicht alle Teile, so dass die Mitarbeiter die Reste manuell entnehmen müssen. Dadurch gerät die Linie aus dem Takt. Außerdem dauert es oft umso länger, je leerer die Kiste ist, bis das Robotersystem die Teile darin erkennt und greift. Die Schwankungen in der Zykluszeit können entweder durch eine Worst-Case-Auslegung oder durch Puffer kompensiert werden. Beides ist nicht ideal.
Einfacheres Erkennen von Werkstücken
Um diese Probleme zu lösen, entwickelt Experten und KI-Forscher seit vielen Jahren die Technologien rund um die Behälterkommissionierung weiter. Besonderes Augenmerk legen die Forscher dabei auf Lösungen für Werkstücke, die von der Bildverarbeitung des Robotersystems nur schwer zu erkennen sind. Der neu entstehende Demonstrator setzt daher die Anwendung Bin Picking mit Blechteilen um.
Der Anwendungsfall wurde gemeinsam mit dem Industriepartner im Projekt, der Firma Trumpf, definiert, die auch die Werkstücke zur Verfügung stellt. Dieser Demonstrator ist Teil von FabOS, eines von 26 KI-Projekten des KI-Innovationswettbewerbs vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK).
Blechteile im Blick
Die Aufgabe ist es, ihre Algorithmen zur Objektlokalisierung in der Behälterkommissionierung an die Herausforderungen der Blechteilerkennung anzupassen. Dazu nutzen sie die bestehende Software bp3, die bereits in einigen Produktionen im Dreischichtbetrieb im Einsatz ist und die Unternehmen über eine Lizenz erwerben können. Um die flachen Blechteile gut zu erkennen, werden zunächst mit Kameras 3D-Daten der Werkstücke erzeugt.
Die Algorithmen konzentrieren sich dann auf Oberflächen und Kanten, um die Werkstücke besser zu erkennen und insgesamt robuster und schneller zu handhaben. Dazu gehört auch eine definierte Platzierung, damit das Bauteil direkt dem nächsten Prozessschritt zugeführt werden kann.
Software lernt aus Fehltritten
Für die Zukunft ist geplant, mit KI-Methoden ein kontinuierliches Lernen zu ermöglichen. Das bedeutet zum Beispiel, dass die Software aus Fehltritten lernt. Gibt es mehrere Kommissionierzellen, könnten die Daten aller Zellen zentral verarbeitet und die Erkenntnisse daraus an die Zellen zurückgegeben werden. Es ist auch geplant, das Robotersystem anhand von simulierten Daten in einer virtuellen Umgebung zu trainieren.
Wissen, was die Industrie bewegt!
Alles zu Industrie 4.0, Smart Manufacturing und die ganze Welt der Technik.
Automatische Identifizierung von Werkstücken
Der FabOS-Projektpartner Compaile ergänzt die Anwendung mit einer KI-basierten Werkstückidentifikation. Diese basiert nicht auf herkömmlicher Bildverarbeitung, sondern auf einem inhaltsbasierten Ähnlichkeitsvergleich der Werkstücke. Basierend auf neuronalen Netzen können die Werkstücke auf bestehende Zeichnungen abgebildet werden. Darüber hinaus geben die neuronalen Netze an, wie wahrscheinlich es ist, dass sie mit ihrer Einschätzung richtig liegen.
Durch den Einsatz dieser Technologie kann sich das System vollautomatisch auf ein neues Fertigungslos einstellen, ohne dass ein Werker das aktuelle Werkstück angeben muss. Im Gegensatz zur üblichen Klassifizierung mit neuronalen Netzen erfordert der inhaltsbasierte Ähnlichkeitsvergleich keine Anpassungen für neue, bisher unbekannte Werkstücke.
