(openPR) Um Roboteranwendungen und Prozesse hinsichtlich Zykluszeit und Genauigkeit zu optimieren, werden Teachpunkte händisch nachjustiert. Hierfür muss der Roboterbetrieb bzw. Produktionsprozess unterbrochen werden. Mit den Softwarelösungen von ArtiMinds und einer integrierten SPS ist nun auch eine vollautomatische Optimierung möglich.
Karlsruhe, März 2022 - ArtiMinds Robotics hat mit dem Softwaretool Learning & Analytics for Robots (LAR) eine Lösung entwickelt, um relevante Punkte eines Roboterprogrammes hinsichtlich Laufzeit und Robustheit gezielt zu optimieren und Prozesse kontinuierlich zu überwachen.
Hierfür bedient man sich einer Datenanalyse (z.B. Machine Learning, Statistische Analyse, etc.) der im laufenden Betrieb des Roboters anfallenden Prozessdaten. Diese Daten können durch die Nutzung der Programmiersoftware ArtiMinds RPS ohne zusätzlichen Programmieraufwand automatisch erhoben und annotiert werden. Somit lässt sich zum Beispiel der optimale Startpunkt einer sensorbasierten Suche für einen Fügeprozess sehr effizient und transparent in ArtiMinds LAR ermitteln. Die Ergebnisse sind dann offline in das zu optimierende RPS-Programm übertragbar.
Um eine Optimierung vollautomatisch ohne händische Benutzereingaben in den laufenden Roboterbetrieb, d.h. ohne Produktionsstopp, einfließen zu lassen, bietet ArtiMinds seit Neuestem den Weg über eine SPS an. Diese vermittelt als Gatekeeper zwischen dem LAR-Datenbank-Backend und dem Robotercontroller, da beide unterschiedliche Anforderungen bezüglich ihrer Kommunikationsprotokolle aufweisen. Weiterhin übernimmt die SPS die Rolle einer zusätzlichen Sicherheitsinstanz, die sicherstellt, dass automatische Optimierungen nur in einem sicheren Maße stattfinden können und die den unterbrechungsfreien Roboterbetrieb auch gewährleistet, falls die Verfügbarkeit der Datenbank nicht gegeben sein sollte. Zu guter Letzt erlaubt ein HMI an der SPS nach erfolgreicher Benutzerauthentifizierung das manuelle Eingreifen in die Optimierungsparameter oder das (De-)Aktivieren der Optimierung.
Mittels des beschriebenen Ansatzes aus Roboter, SPS und datengetriebener Optimierung sind nicht nur einzelne, generelle Optimierungen durchführbar. Das System ist in der Lage, Optimierungen pro spezifischem Bauteil- oder Werkstückträger zu erlernen und diese zur Laufzeit passend zur vorliegenden Situation zu nutzen. Ein sicheres, sich selbst optimierendes System aus etablierten Industriekomponenten ist damit aus einer Hand realisierbar.
