End-of-Line Roboter-Automatisierung mittels KI

Ausgangssituation

Die End-of-line (EOL) Prozesse in der Produktion von flexiblen Metallbauteilen umfassen sowohl die Aufgaben der Qualitätskontrolle als auch die der Ablage in Verpackungseinheiten. Die Automatisierung der Systemschnittstelle der EOL, bestehend aus Prüf- und Packprozessen, ist eine notwendige Voraussetzung für weitere Automatisierung und Digitalisierung über Schnittstellengrenzen hinweg. Erst hierdurch können bspw. FTS vollständig in einen automatisierten Prozess eingebunden werden. Die Automatisierung des EOL Prozesses scheitert oft an der notwendigen Sichtkontrolle und der Komplexität des Packprozesses. Nur wenn beide Aufgaben gleichzeitig gelöst werden, kann sich eine automatisierte Lösung amortisieren. Im Projekt soll gezeigt werden, dass mit Unterstützung von ML-Methoden diese beiden Aufgabenstellungen gelöst werden können und eine vollständige Automatisierung möglich wird.

Lösungsidee 

Die Elemente der angestrebten Lösung sollten in Form eines Baukastensystems mit offenen Schnittstellen vorliegen, sodass sie in bestehende Produktionsprozesse integriert und skalierbar eingesetzt werden können. Mit dem Baukastensystem werden im Produktionsprozess Waren mittels KI geprüft und gleichzeitig möglichst platzsparend verpackt. Mit einem solchen Baukastensystem lassen sich Prozesse optimieren und die Produktivität steigern. 

Nutzen

Die erfolgreiche Automatisierung des End-of-Line Prozesses würde einen automatisierten Betrieb der gesamten Behälterpackanlage und eine robustere und wiederholgenauere Fehlererkennung in Form einer 100%-Prüfung ermöglichen. Dadurch würde eine massive Verbesserung im Vergleich zur bisherigen manuellen Stichprobenprüfung erzielt werden. Das optimierte Bin Packing System ermöglicht die Automatisierung der bisher manuellen Packprozesse. Hierdurch werden die Prozesse beschleunigt, ein höherer Durchsatz gewährleistet, die Qualität der gelieferten Waren erhöht und in Summe die Kundenzufriedenheit gesteigert. Dadurch können die Chancen der Digitalisierung und Automatisierung genutzt werden und Hochlohnstandorte innovativ auf veränderte Anforderungen reagieren. Die angestrebte Kombination von Qualitätskontrolle und Verpackungsprozesshat insgesamt einen enormen Einfluss auf die Optimierung von Logistikprozessen.

Umsetzung der KI-Applikation

Automatische Qualitätsprüfung

Die Außenseite der Bauteile wird von einer Zeilenkamera mit der von Witzenmann zur Verfügung gestellten Handlingsvorrichtung vollständig für die Qualitätskontrolle erfasst. Die Erkennung der qualitativen Merkmale der stark gekrümmten Oberflächen wird durch den Einsatz der Zeilenkamera zur Aufnahme und durch den Einsatz von CNN-Modellen in Kombination mit Transfer-Learning zur Auswertung der Bilddaten erreicht. Die Bälge werden für die Aufnahmen auf angetriebenen Rollen platziert. Mit der Zeilenkamera wird dann abschnittsweise eine vollständige Abwicklung der Bälge erstellt. Fehler aus dem Umformprozess, wie etwa Risse oder Aufplatzer der Schweißnaht und andere Verformungen, führen so zu Störungen in den Aufnahmen. Für die Qualitätsprüfung müssen diese Störungen mittels einer Korrekturfunktion herausgerechnet werden. Die Korrekturfunktion kann wiederum selbst zur Bestimmung von Qualitätsabweichungen genutzt werden.

© Fraunhofer IPA
Abb.: Screenshot einer Simulation zum Bin-Packing.

Bin Packing

Die walzenförmigen, federnden Bauteile können nach der Ablage in der Verpackungseinheit rollen und ineinander rutschen. Deshalb erfolgt die Ablage der Bauteile auf Basis von 3D-Sensordaten der Verpackungseinheit und gelernten CNN-Modellen durch kontinuierliche Anpassung des Ablageprozesses an die tatsächlichen Gegebenheiten in der Verpackungseinheit ohne Voraussetzung produktspezifischer Lagemuster. Die Geometrie der Bauteile wird hier zunächst als gegeben vorausgesetzt. Charakteristisch bei der freien Ablage ist, dass das Packmuster aufgrund von instabilen oder semistabilen Ablagepositionen und den physikalischen Eigenschaften der flexiblen Metallbauteile nicht zuverlässig im Voraus berechnet werden kann, sondern bei jeder Ablage eine bestmögliche Position gewählt werden muss. Die Fähigkeiten des Menschen, für verschiedene Geometrien die stets nahezu optimale Packstrategie umzusetzen, ist beeindruckend und soll hier algorithmisch nachgebildet werden. Für die situativ beste Ablageposition wird die optimale Ablagestrategie dabei als Policy eines Reinforcement Learning Verfahrens ermittelt.

Ausgangssituation

Die Witzenmann GmbH ist ein weltweit agierender Hersteller von flexiblen, metallischen Elementen. Mit einer Vielzahl von Hochlohnstandorten im Produktionsnetz hat die durchgängige Prozessautomatisierung zur Sicherung des wirtschaftlichen Betriebs eine hohe Bedeutung.

Die Kontrolle und Verpackung von Bauteilen wird derzeit durch manuelle und damit kostenintensive Arbeit durchgeführt. Die Automatisierung dieser End-of-Line-Prozesse bietet daher ein hohes Potenzial. Bisher sind am Markt jedoch keine standardmäßigen Lösungen für die flexible durchgängige Automatisierung dieser Prozesse vorhanden.

Lösungsidee 

Durch die Methoden der Künstlichen Intelligenz ist es vorstellbar, die visuelle Qualitätskontrolle mithilfe gelabelter Datensätze zu automatisieren. Die erkannten Fehler werden in einer Produktionslinie automatisch durch maschinelle Lernverfahren klassifiziert. Die Verpackung der Bauteile ist durch einen Echtzeitabgleich des Packbildes denkbar. Das automatisierte, füllgradoptimierte Beladen von Ladungsträgern ohne gegebenes Packmuster wird durch maschinelle Lernverfahren umgesetzt. Für eine wirtschaftlich sinnvolle Lösung sollen die Kontrolle und Verpackung von flexiblen zylindrischen Bauteilen ganzheitlich und prozessübergreifend automatisiert werden.

© Fraunhofer IPA

Nutzen

Durch die Kombination von Bauteilhandling und Qualitätsprüfung von anspruchsvollen Bauteilen ergibt sich die Möglichkeit zur prozessübergreifenden Automatisierung von Produktionsprozessen. Diese Automatisierung bietet für die Witzenmann GmbH die Chance, den wirtschaftlichen Betrieb diverser Produktionsprozesse in Hochlohn-standorten zu sichern und eine höhere Flexibilität der Produktionsprozesse zu erreichen. Die Lösung dieser Problemstellung bietet neue Möglichkeiten zur Automatisierung in der gesamten Zulieferindustrie.

Umsetzung der KI-Applikation

Die Elemente der angestrebten Lösung sollen in Form eines Baukastensystems mit offenen Schnittstellen vorliegen, sodass sie in bestehende Produktionsprozesse integriert und skalierbar eingesetzt werden können. Sollte die technische Machbarkeit erwiesen werden, sind Prototypen zunächst in einem internen Laborversuch zu erproben, um diese anschließend in die Produktionsprozesse zu integrieren. Hierzu wird ein firmeninternes Digital-Labor aufgebaut, welches die Möglichkeit bietet, Datenaufnahme, Tests und Roboterversuche im Rahmen des Projekts durchzuführen. Ohne die Produktion zu beeinträchtigen, können Lösungen im Labor bis zur Einsatzreife erprobt werden. Vor diesem Hintergrund kann auch bestehende Kameratechnik im Rahmen des Projekts genutzt werden. Bei erfolgreicher Lösung der Problemstellung ist eine Weiterentwicklung hin zu einem prozessfähigen Produkt angestrebt.