Smart Gripping

Intelligent, konnektiv, sensitiv

Smart Gripping als Zukunft der Greiftechnik. Das wbk Institut für Produktionstechnik am Karlsruher Institut für Technologie entwickelt Ansätze, um den Autonomiegrad von Greifern zu erhöhen.

Beispielhaftes Werkstück mit möglichen Fehlstellen (l: Bruch, r: Fehlproduktion) © KIT

Die Digitalisierung beschreibt einen disruptiven Wandel von Prozessstrukturen in der Produktion, der neue Herausforderungen an die Produktion – etwa eine hohe Flexibilität in den Herstellmengen, eine zunehmende Individualisierung der Produkte und eine steigende Komplexität der Produkte und Prozesse. Um diesen Herausforderungen zu begegnen, basiert die Produktion von morgen auf intelligenten, dezentral gesteuerten Komponenten und Anlagen, die sich in andauernder Selbstoptimierung dynamisch an veränderte externe Bedingungen in Echtzeit anpassen. Diese Adaption kann nur nach erfolgter Wahrnehmung der geänderten Umstände – also durch die Aufnahme und Verarbeitung sensorischer Daten sowie deren Aggregation zu Informationen – erfolgen.

Greifysteme als wichtige Schnittstelle
Greifsystemen kommt im Handhabungsprozess eine besondere Bedeutung zu: Durch ihre Position als Schnittstelle zwischen Werkstück und Prozess können sie unmittelbar Informationen zum Werkstück sammeln und somit Prozesse flexibilisieren. Dazu müssen sie in die Lage versetzt werden, möglichst umfassend Informationen über ihren allgemeinen Zustand, das Werkstück und den Prozess zu erfassen.

Das wbk Institut für Produktionstechnik am Karlsruher Institut für Technologie mit seiner langjährigen Erfahrung in der Konzeptionierung und Auslegung von Handhabungssystemen entwickelt Ansätze, um den Autonomiegrad von Greifern zu erhöhen. Dabei stehen sowohl die Datenerfassung, die Übertragung der Daten sowie deren Verarbeitung zu Wissen im Fokus. Zusammen mit Schunk aus Lauffen werden Möglichkeiten entwickelt, Greifsysteme im industriellen Einsatz durch die konsequente Aufnahme und Verarbeitung von Daten intelligent zu machen.

Anzeige
Strom-Positions-Diagramm für den Greifvorgang eines Gutteils. © KIT

Sensorik macht Greifer flexibler
Das aktuell intelligenteste Serienprodukt von Schunk, der EGL, ist ein servoelektrischer Zwei-Finger-Parallelgreifer mit im Gehäuse integrierter Regelungs- und Leistungselektronik, der über Profinet mit der Steuerung kommuniziert. Darüber können Informationen wie die Position der Greiferbacken, deren Verfahrgeschwindigkeit oder den anliegenden Motorstrom an die Steuerung übermittelt werden. Es lassen sich Aussagen über den aktuellen Zustand des Greifers treffen, aber noch wenig über das zu greifende Werkstück oder den Prozess. Erst durch die gezielte Verarbeitung und Auswertung der Daten lässt sich Wissen aus dem gegriffenen Objekt extrahieren. Die Informationen aus der integrierten Sensorik können außerdem in Kombination mit den Daten externer Sensoren genutzt werden, um den Greifer flexibler und intelligenter zu gestalten. Beispielsweise werden digitale Distanzsensoren verwendet, um das Werkstück frühzeitig zu erkennen und die Geschwindigkeit entsprechend zu drosseln. Durch die geringere Verfahrgeschwindigkeit lassen sich Objekte deutlich sensitiver greifen, zudem sind mehr Informationen über das Werkstück erfassbar.

KI eröffnet neue Möglichkeiten
Zusätzliche Sensorik und Sensordatenfusion ermöglichen mehr Flexibilität, allerdings einhergehend mit zunehmender Komplexität. Die aktuell aufkommenden Algorithmen im Bereich künstlicher Intelligenz (KI) ermöglichen es, diese Komplexität beherrschbar zu machen. Im Rahmen der Forschungsarbeiten werden verschiedene Algorithmen und Ansätze untersucht, um komplexe Fragestellungen zu beantworten: Wann ist beispielsweise ein Griff erfolgreich, und welche Größen haben Einfluss darauf? Wie können Werkstücke eindeutig klassifiziert werden, um die Greifparameter werkstückspezifisch zu wählen. Ein einfaches Beispiel zeigt Abbildung 2: Auf der S-förmigen Struktur der Platine verläuft eine Leiterbahn. Ist diese, wie abgebildet, an einer Stelle gebrochen, so muss die Platine aussortiert werden. Das Erkennen eines solchen Fehlers könnte durch Sichtprüfung mittels industrieller Bildverarbeitung erfolgen. Dies wäre jedoch aufwändig, zeitintensiv und je nach Bruch nicht immer erfolgreich. Daher wird untersucht, ob der Greifer durch eine minimale Verformung des Bauteils einen solchen Fehler erkennen kann. Die dabei betrachteten Größen sind der Motorstrom als Indikator für die auf das Bauteil wirkende Kraft und der Abstand zwischen den beiden Greifflächen der Greiferfinger. Das Diagramm (Bild 1) zeigt den Zusammenhang der beiden Größen.

Dargestellt ist der Griff einer fehlerfreien flexiblen Platine, der sich in vier Bereiche unterteilen lässt. Aus einer Ausgangsposition von 70,6 Millimeter (rechte Bildseite) beginnt der Greifvorgang. In Bereich I können sich die Greifbacken ohne größeren Widerstand zueinander bewegen. Der Übergang in den Bereich II erfolgt durch Erstkontakt mit dem Werkstück. Die Grenzstelle zwischen Bereich I und II ist die Ausgangslänge der Platine. Bei II erfolgt die Verformung des Werkstücks. Dabei ist zu erkennen, dass der Strom ansteigt, während sich die Distanz zwischen den Greifbacken weiter verringert. Erreicht der Greifer den vorgegebenen Maximalstrom, erfolgt der Übergang in III. Hier stagnieren Strom und Position, da die vorgegebene Stromgrenze erreicht wurde. Durch das Loslassen der Greifbacken geht der Greifer über in den Bereich IV, der das Öffnen des Greifers anzeigt.

Die aufgenommenen Datenpunkte lassen sich durch eine nichtlineare Regression annähern. Deren Ergebnis ermöglicht die Berechnung der Grenzposition, bei dem der Erstkontakt zwischen den Greiferfingern und dem Werkstück hergestellt wird. Alle Datenpunkte kleiner als die Grenzposition beschreiben demnach die Verformungskurve des Objektes, aus denen wichtige Kennwerte entnommen werden können. Somit ergibt sich für jeden Greifvorgang eine Liste von Merkmalen, die das Werkstück repräsentieren. Während der Produktion lassen sich dann Informationen zu den gegriffenen Objekten sammeln; mittels Clustering Algorithmus können die einzelnen Merkmale zu Clustern zusammengefasst werden. Aus dem erlernten Wissen über die Werkstücke kann der Greifer intelligente Entscheidungen treffen. Beispielweise kann durch das Greifen von Gutteilen ein Gutteilecluster erlernt werden und jeder weitere Griff, dessen Kennwerte nicht diesem Cluster zugeordnet werden kann, wird als fehlerhaft interpretiert, und das entsprechende Werkstück wird während der Produktion aussortiert.

M. Friedmann, H. Nguyen Duc, S. Coutandin, J. Fleischer, M. May/pb

Anzeige

Das könnte Sie auch interessieren

Anzeige

Anzeige

Headline bitte ergänzen!

Spritzgussteile können einfache, flache oder sehr komplexe Formen haben. Entsprechend muss der Greifer bei einer automatischen Entnahme aufgebaut sein. Die Anforderungen erhöhen sich, wenn die zu entnehmenden Teile später verchromt werden sollen.

mehr...

Forschung

Nachgiebigkeit ist Einstellungssache

Das Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen (ISW) der Universität Stuttgart hat für die Handhabung empfindlicher Werkstücke einen Roboterfinger mit adaptiver Nachgiebigkeit auf Basis von...

mehr...
Anzeige
Anzeige

Schunk auf der Motek

Intelligente Auslegung

Schunk zeigt zur Motek ein eigens für die Leichtbauroboter von Universal Robots abgestimmtes End-of-Arm-Programm mit Greifern, Schnellwechselmodulen, Kraft-Momenten-Sensoren und Inbetriebnahmetools.

mehr...
Anzeige

Vakuumtechnik

Leicht greifen, leichter konfigurieren

Welches Potenzial die Vakuumtechnik für Leichtbauroboter bietet, zeigt Schmalz. Ein Highlight ist das neue Greifsystem SLG für individuelle Handlingaufgaben in sich dynamisch wandelnden Fertigungsumgebungen. Intelligent wird es auch mit dem...

mehr...
Anzeige
Anzeige
Anzeige