Die Montage ist noch immer der Produktionsschritt, in dem vergleichsweise wenig Roboter im Einsatz sind. Nur deutlich unter 20 Prozent aller 2020 verkauften Industrieroboter werden für Fügeprozesse genutzt. Zwar möchten viele Unternehmen hier gerne mehr auf Robotik setzen. Sie stehen aber oft vor Hürden, die die Automatisierung erschweren. Genau hier setzen die Entwicklungen des Fraunhofer IPA an, indem sie diese Hürden senken oder gleich ganz beseitigen.

Automatisierbarkeit frühzeitig prüfen

Oft lässt sich schon im Planungsprozess eines Bauteils die entscheidende Weiche dafür stellen, dass das Bauteil später automatisiert gefertigt werden kann. Ob es hierfür passend geplant ist, können Unternehmen mit der Software NeuroCAD prüfen lassen. »Unsere Software analysiert mithilfe maschineller Lernverfahren Bauteileigenschaften und ermittelt daraus eine Einschätzung, inwieweit sich ein Bauteil für eine Montageautomatisierung eignet«, erklärt Entwickler und Projektleiter Raoul Schönhof vom Fraunhofer IPA. Unternehmen können auf https://neurocad-dev.web.app/dashboard ihre STEP-Dateien kostenlos hochladen und erfahren innerhalb weniger Sekunden, wie einfach oder schwierig ein Bauteil zu vereinzeln ist. Außerdem bewertet das Tool die Greifflächen und die Ausrichtbarkeit des Bauteils. Zusätzlich nennt das neuronale Netz eine Wahrscheinlichkeit dafür, dass es mit seinem Ergebnis richtigliegt. NeuroCAD hilft, unvorteilhafte Bauteilkonstruktionen noch im Planungsprozess zu vermeiden und Montageprozesse zu beschleunigen.

Eine zweite Aufgabe des Roboters zeigt, was sich forschungsseitig tut, um die Montageautomatisierung voranzubringen. So setzt das Verbundforschungsprojekt rob-aKademI auf selbstlernende Roboter. Das Projekt hat das Ziel, die flexible Roboterprogrammierung für Montageaufgaben mit wenig Aufwand zu ermöglichen. Es adressiert vornehmlich Unternehmen, die einen einfachen, aber zukunftsfähigen Einstieg in die roboterbasierte Montageautomatisierung suchen. Hierfür ist eine Simulationsumgebung entstanden, in welcher der Roboter auf Basis von CAD-Daten und mithilfe der KI-Methode des »Reinforcement Learning«, also dem Prinzip aus Versuch und Irrtum, das Montieren lernt. Er lernt dabei auch, mit Toleranzen des Werkstücks oder Ungenauigkeiten im Prozess umzugehen. So soll eine roboterbasierte robuste Montage bis hin zu Losgröße 1 möglich werden.
 

Auf einen Blick

Was?

NeuroCAD – Vereinzelung von Bauteilen prüfen
APA – Automatisierungs-Potenzialanalyse nutzen
Assemblio – Montageplanung intelligent automatisiert
pitasc – Roboter parametrieren statt programmieren

Wann?

4. bis 7. Oktober 2022

Wo?

Motek 2022, Messe Stuttgart, Halle 7, Stand 7115