KI und Robotik in der Montage und Endbearbeitung

Kraftsensorik ist ein Beispiel dafür, dass die beteiligte KI von den einfachsten Designs zu etwas viel Komplexerem übergehen kann. Bei Automobilanwendungen mit hochfesten Materialien, die im Allgemeinen dünner, fester und anspruchsvoller zu schweißen sind, wird Kraft zu einer entscheidenden Komponente, um sicherzustellen, dass Ihre Schweißnaht präzise ist. FANUC Kanada

Aktuelle Diskussionen über künstliche Intelligenz (KI) deuten darauf hin, dass diese in der Lage sein wird, Aufgaben autonom zu bewältigen. KI-Chatbots wie ChatGPT und andere Apps, die Kunst erstellen können, legen nahe, dass bei vielen Funktionen Menschen aus der Gleichung herausgenommen werden können. Bei industriellen Anwendungen ist das jedoch nicht der Fall. Beispielsweise profitieren Montage und Endbearbeitung, wo die Technologie von Jahr zu Jahr ausgefeilter und wertvoller wird, immer noch davon, von qualifizierten Bedienern verwaltet zu werden.

„Es gibt verschiedene Ebenen der KI, und die meisten industriellen Anwendungen fallen in das, was als ‚schmale Intelligenz‘ bezeichnet wird“, sagte Dale Arndt, Direktor für Technik und Integration bei FANUC Canada, Mississauga, Ontario. „Was Sie in diesem Fall versuchen, ist zu lernen, wie man eine Aufgabe erledigt und sie verbessert. Es basiert auf Algorithmen, und ein Großteil des maschinellen Lernens fällt in diese enge KI-Kategorie.“

Eine Definition von maschinellem Lernen ist die Fähigkeit eines Computersystems, zu lernen und sich anzupassen, ohne expliziten Anweisungen zu folgen, indem es Algorithmen und Modelle verwendet und Muster in Daten ableitet. Vereinfachte Schweißwege mittels Cobots sind ein gutes Beispiel für grundlegende Anwendungen. Mit Robotern, so Arndt, sind wir in der Lage, MIG-Schweißen oder Punktschweißen durchzuführen und mithilfe von Bildverarbeitungseingaben, Schweißmaschinendaten und Kraftmessungen sicherzustellen, dass jeder Prozess ordnungsgemäß ausgeführt wird. Die Kraftmessung kann auch zum Befestigen von Nieten und anderen Verbindungselementen verwendet werden.

„Wir führen diese Prozesse immer wieder durch und verbessern die Algorithmen schrittweise, um einen besseren Prozess zu schaffen“, sagte er.

Kraftsensorik ist ein Beispiel dafür, dass die beteiligte KI von den einfachsten Designs zu etwas viel Komplexerem übergehen kann.

„Auf der relativ einfachen Seite können Sie die Kraftmessung von Muttern oder Nieten im Automobilbau in Betracht ziehen“, sagte Arndt. „Sie können das Drehmoment einstellen, das erforderlich ist, um das Befestigungselement korrekt zu installieren. Wenn dieser Auslösepunkt nicht erreicht wird, wissen Sie, dass das Teil nicht den Spezifikationen entspricht. Das kann enorm viel Nacharbeit einsparen, ist aber trotzdem relativ einfach.“

In diesem Fall kann der Roboter einen automatischen Steckschlüssel mit integriertem Kraftsensor tragen, sodass in diesem Szenario keine externen Verbindungen erforderlich sind.

Algorithmen werden jedoch komplizierter, wenn man über die Materialentfernung nachdenkt, etwa das Polieren von Material oder das Entgraten von Spritzgussteilen.

„Beim Entgraten möchten Sie das Entgratungswerkzeug entlang des Teils bewegen und das überschüssige Material von Nahtlinien und Kanten entfernen“, sagte Arndt. „Das wird ziemlich kompliziert, weil es von der Zusammensetzung des Materials, der Zeit, die es nicht in der Form war, der Temperatur der Anlage und der Schärfe Ihres Werkzeugs abhängen kann. Plötzlich ist Ihr Datensatz viel größer.

„Sie haben das gleiche Problem bei der Materialveredelung. Wie abgenutzt ist das Polierwerkzeug? Wie viel überschüssiges Material befindet sich an dem Teil, das Sie polieren? Dies kann eine Reihe von Faktoren umfassen, wie z. B. die Verwendung von Überwachungswerkzeugen, Kraftsensoren und Bildverarbeitungssysteme.“

Hier sehen wir einen Screenshot des Xiris Audio AI-Tools, das einen Alarm bei einem Schweißdurchbrand auslöst. Xiris

Ein FANUC-Roboterkraftsensor oder ein ATI-Kraftsensor, der direkt mit dem Roboter verbunden ist, kann als Teil der Bewegungsplanung in diesen Anwendungen verwendet werden, um auf der Grundlage des Echtzeit-Kraftvektors sofortige Änderungen am Roboterpfad zu erzeugen.

Punktschweißen kann eine ebenso große Herausforderung darstellen.

„Die meisten hochfesten Materialien, die in modernen Fahrzeugen verwendet werden, sind im Allgemeinen dünner und fester und können schwieriger zu schweißen sein“, sagte er. „Kraft wird zu einer wirklich entscheidenden Komponente, um sicherzustellen, dass Ihre Schweißnaht präzise ist: Wenn Sie zu stark drücken, entsteht ein Loch; Wenn Sie nicht fest genug drücken, erwärmt sich die Schweißnaht nicht richtig und wird zu schwach.

„Aber das ist natürlich nicht Ihre einzige Variable. Anhand des Stroms, der Kraft und des Zeitpunkts Ihrer Schweißnaht können Sie feststellen, ob noch weitere Bedenken zu berücksichtigen sind. Im Maul der Waffe kann ein Kraftsensor vorhanden sein. Und der Strom wird durch die Schweißsteuerung überwacht. Und die Position wird vom Roboter verwaltet und überwacht. Die Kommunikation zwischen der Schweißsteuerung und dem Roboter ist äußerst wichtig, und es wird viel Arbeit darauf verwendet, sicherzustellen, dass wir mit dem Servosystem so schnell wie möglich reagieren, um so schnell wie möglich Änderungen an dieser Schweißnaht vorzunehmen. Gute Schweißnähte zu erzielen mag ein einfaches Ziel sein, aber es erfordert eine Vielzahl miteinander verbundener Daten.“

Die Rückkopplungsmechanismen für diese Art von System sind direkt mit der Schweißsteuerung verbunden, um den Stromfluss schnell anzupassen, wenn sich die Schweißmetallurgie ändert.

Auch die Schweißüberwachung schreitet schrittweise voran, unterstützt von Unternehmen wie Xiris Automation mit Sitz in Burlington, Ontario. Das Unternehmen entwickelt seit mehr als 30 Jahren Bildverarbeitungsprodukte für die Prozess- und Qualitätskontrolle. Die Schweißkameras von Xiris sind für ihre klare Sicht auf Schweißlichtbögen bekannt und ermöglichen eine klare Darstellung des Schweißbades und der Naht.

Mit der Einführung des Audio-KI-Tools erweitern sie nun den Datensatz, den Schweißer sammeln können.

„Wir haben viele Experimente mit Schweiß-Audiosignalen durchgeführt“, sagte Cameron Serles, CEO von Xiris. „Aus Gesprächen mit erfahrenen Schweißern wussten wir, dass sie erkennen konnten, wenn bei einem Schweißprozess, der auf der anderen Seite der Werkstatt stattfand, etwas nicht stimmte, wenn es schlimm genug war. Manchmal ist das Problem subtiler, aber der Ton kann Probleme wie fehlendes Schutzgas, Durchbrennen und Unterbrechungen der Drahtzufuhr in Echtzeit erkennen.“

Das System verwendet eine etwa 10 Sekunden dauernde Aufzeichnung einer guten Schweißnaht als Basislinie (Xiris empfiehlt eine Zeitspanne deutlich unter 30 Sekunden). Mit dieser Aufzeichnung kann das System den Bediener dann warnen, wenn der Prozess außerhalb der Spezifikation liegt.

„Damit lässt sich zu etwa 80 Prozent feststellen, wann ein Problem vorliegt“, sagte Serles. „Wir haben eine Reihe von Experimenten durchgeführt, um eine Inferenzmaschine zu entwickeln, die mehrere Arten von Fehlern erkennt, aber zum jetzigen Zeitpunkt sind die erforderlichen Daten zu komplex. Letztendlich besteht das Ziel jedoch darin, dies so weit zu entwickeln, dass das System tatsächlich lernen kann, sich anhand der Audioeingabe zu verbessern.“

KI-Algorithmen werden komplizierter, wenn man anfängt, Materialabtrag wie Polieren, Entgraten oder Entgraten von Spritzgussteilen in Betracht zu ziehen. FANUC Kanada

In Kombination mit den Videodaten, die Xiris-Systeme bereits erzeugen können, erhöht dies jedoch die Art und Weise, wie Schweißer Probleme diagnostizieren können, um ein gewisses Maß an Komplexität.

„Durch die Zusammenarbeit mit dem Kamerasystem können Sie erkennen, ob der Brenner außermittig ist, ein Problem mit dem Schutzgas vorliegt oder ein anderes Problem vorliegt“, sagte Serles. „Und in gewisser Weise ist es für Integratoren einfacher, dies in Verbindung mit einem Roboter zu verwenden, da das Mikrofon frei schweben kann und nicht wie eine Kamera genau auf den Bogen zielen muss.“

Wichtig ist, dass Benutzer ihren Datensätzen mehr Informationen hinzufügen.

Aber Arndt zögert, ein KI-System dieser Art als „Wundermittel“ zu bezeichnen. Ein guter Integrator, der weiß, wie man diese Aufgaben bewältigt, stellt einer Werkstatt die anfänglichen Masterteilparameter zur Verfügung, um zu bestimmen, was ein Gutteil sein sollte, aber Arndt betrachtet dies erst als den Anfang des Prozesses.

„Sobald das System in Produktion ist und eine Weile läuft, hoffen wir, dass der Endbenutzer sagen kann: ‚Hey, ich habe jetzt viel mehr Daten, und ich möchte sie mir ansehen und.‘ „Stelle sicher, dass ich alles so optimal wie möglich mache.“ So verbessert sich der Prozess mit der Zeit. Eine Werkstatt wünscht sich möglicherweise eine längere Werkzeugstandzeit, weniger Ausschuss oder ein besseres Finish. Die Arbeit mit den Daten kann ihnen dabei helfen, den Prozess voranzutreiben.“

Wie Arndt feststellte, gibt es viele Variablen, die den Ablauf eines industriellen Prozesses beeinflussen.

„Anders als beispielsweise eine Übersetzungs-App, die sich lediglich mit Sprache befasst, sind industrielle Prozesse nicht linear“, sagte er. „Sie interagieren mit der physischen Welt, die sich ständig verändert. Jemand muss den Roboter, den Polierkopf und was auch immer verwendet wird, warten. All das erfordert eine gute industrielle Disziplin.“

Was kommt als nächstes für diese Teilmenge der KI? Arndt glaubt, dass Industrie 4.0 weitere Innovationen vorantreiben wird.

„Es geht um die Vernetzung industrieller Geräte und darum, wie wir all diese Daten verwalten“, sagte er. „So wie wir alle jedes Jahr schnellere und leistungsfähigere Laptops bekommen, werden wir auch schnellere und leistungsfähigere Industrieroboter bekommen. Aber mit der Industrie 4.0-Architektur, bei der Daten von ganzen Anlagen gespeichert werden, könnte es irgendwann möglich sein, Informationen von einem Roboter auf einen anderen zu übertragen, ohne dass die Programmierung dupliziert werden muss.

„Wenn beispielsweise ein Roboter lernt, besser zu schweißen oder ein Teil zu polieren, könnten diese Informationen in das System auf Werksebene hochgeladen und dann mit anderen Robotern geteilt werden. Wir sind noch nicht so weit – das sind viele Daten und erfordern viele neue Verbindungen –, aber das ist ein plausibles positives Ergebnis der Forschungsentwicklung.“

Herausgeber Robert Colman ist unter [email protected] erreichbar.

FANUC Kanada, fanucamerica.com

Xiris Automation, xiris.com