Automatische Konfiguration von Robotersystemen mittels Zustandsmodellen
Zusammenfassung der Projektergebnisse
Produzierende Unternehmen müssen sich heute den Herausforderungen, die mit steigender Variantenvielfalt und sinkenden Losgrößen einhergehen, stellen, um erfolgreich am Markt bestehen zu können. Eine dieser Herausforderungen besteht im Einsatz von Industrierobotern für die Einzelfertigung oder Kleinserie. Die Anforderungen, nach denen Industrieroboter bisher entwickelt wurden, ergaben sich aus der Großserie. So sind sie zwar robust und preisgünstig, die Inbetriebnahme ist jedoch durch einen hohen Komplexitätsgrad gekennzeichnet. Die Konfiguration als Teil der Inbetriebnahme, von der Festlegung der Ein- und Ausgänge bis zur Einrichtung des Bussystems, wird von Systemexperten manuell und meist einmalig durchgeführt. Durch dieses vom Unternehmen vorzuhaltende notwendige Wissen und die Stillstandszeit der Zelle werden Industrieroboter nur selten für neue Aufgaben rekonfiguriert und finden damit in der Kleinserie kaum Anwendung. Der hier vorgestellte Ansatz beschreibt ein Verfahren zur ganzheitlichen automatischen Konfiguration von Robotersystemen, um diese Defizite zu überwinden. Ausgehend von einer Analyse der Informationsflüsse in Roboterzellen wurden Anforderungen für eine Methode zur automatischen Konfiguration abgeleitet. So ergab sich die Notwendigkeit, alle Daten für die Konfiguration maschinenlesbar ablegen zu können. Darunter fällt neben dem expliziten technischen Datenbestand auch implizites Expertenwissen. Für die Speicherung der Informationen wird ein Zustandsmodell vorgeschlagen, welches die Geräte untereinander entkoppelt und Daten über Transitionstreiber bereitstellen kann. Dadurch wird eine technologieunabhängige Speicherung und Herstellerunabhängigkeit sichergestellt. Auch die Daten der Geräte selbst werden über die Treiber nach dem Anschluss der Komponente an das Gesamtsystem in das Zustandsmodell übertragen. Um eine schnelle Rekonfigurierbarkeit gewährleisten zu können, müssen die anzuschließenden Peripheriegeräte nach bestimmten Richtlinien gestaltet und bewertet werden. Dazu wurde ein Vorgehen entwickelt, welches die im Robotersystem vorhanden Komponenten nach funktionalen Gesichtspunkten zusammenfasst und anschließend die Plug&Produce-Fähigkeit der entstanden Module bewertet. Die Gestaltung von Peripheriegeräten nach diesen Richtlinien führt zu einem Mehraufwand bei der Entwicklung dieser Komponenten. Daher muss der Mehrwert des Anwenders letztendlich den Initialaufwand der Hersteller zumindest ausgleichen. Für eine Bewertung des vorgestellten Konzepts sind jedoch weitergehende Arbeiten nötig. Das Vorgehen bei der Konfiguration selbst wurde in fünf Schritte gegliedert. Zunächst werden dazu die Informationen der Geräte in das Zustandsmodell übertragen. Nach der Auflösung von Abhängigkeiten wird die Konfiguration für das Zielsystem erstellt und an diesen übertragen. Nach Abschluss der Konfiguration kann der Konfigurationsmanager, in dem die Methode umgesetzt wurde, aus dem System entfernt werden, er ist für den Produktivbetrieb nicht nötig. Die Evaluierung des theoretischen Konzepts am Demonstrator ergab eine signifikante Verbesserung bei notwendigem Expertenwissen und Inbetriebnahmezeit. Erfahrene Benutzer gewannen eine erhebliche Zeitersparnis gegenüber einer konventionellen Inbetriebnahme, und Laien wurde es überhaupt erst mit der entwickelten Methode möglich, den Versuchsaufbau korrekt zu konfigurieren. Die Projektergebnisse bilden ein Grundgerüst, um Industrieroboter flexibler einsetzen zu können. Die nun folgenden Forschungsaktivitäten beschäftigen sich damit, die hier dargestellten Ergebnisse in bestehende Unternehmensprozesse zu integrieren und Plug&Produce, die schnelle und flexible Inbetriebnahme, in die Industrie zu transferieren.
Projektbezogene Publikationen (Auswahl)
- Automatische Konfiguration von Robotersystemen (Plug & Produce). Dissertation Technische Universität München. München: Utz 2013. (Forschungsberichte iwb 270)
Krug, S.
- Classification, Modelling and Mapping of Skills in Automated Production Systems. In: Zäh, M. F.; ElMaraghy, H. A. (Hrsg.): CARV 2013 – 5th International Conference on Changeable, Agile, Reconfigurable and Virtual Production. 06.-09. Oktober 2013, München. Berlin: Springer 2013
Backhaus, J.; Ulrich, M.; Reinhart, G.
