Roboterprogrammierung: Robuster & schneller produzieren, Toleranzen ausgleichen

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Roboterprogrammierung: Robuster & schneller produzieren, Toleranzen ausgleichen

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Toleranzen bei Bauteilen oder Werkstücken erhöhen die Zykluszeit von Roboteranwendungen und machen diese anfällig für Fehler. Wie sich die Prozesse sicherer auslegen lassen, zeigt dieser Beitrag.
Roboterprogrammierung

Quelle: metamorworks/shutterstock

Eine der größten Herausforderungen beim Automatisieren von Prozessen mit Robotern sind Toleranzen. Gerade Bauteile weisen diese oft im hohen Maße auf. Aber auch Träger (Carrier), mit denen die zu bearbeitenden Produkte in die Zelle gelangen, können Ungenauigkeiten aufweisen.

Gerade bei Automatisierungsaufgaben mit definierten Arbeitspunkten wie dem Stecken von elektronischen Bauteilen – Kondensatoren, Spulen, Stecker oder Schalter – führt dies zu einem deutlich erhöhten Zeitaufwand bei der Suche nach der korrekten Steckposition. Zudem wird die Suche fehleranfällig – beispielsweise können sich Teile verklemmen oder Kratzer auf den Bauteil-Oberflächen erzeugen.

Wie kommt der Roboter-Anwender bei diesen Vorzeichen zu einem Roboterprogramm, das auch hohe Toleranzen des Carriers berücksichtigt und das bei verringerte Zykluszeit?

In einer konkreten Anwendung sollte ein Roboter empfindliche Bauteile an vordefinierten Positionen greifen und auf ein Produkt stecken, das auf einem Carrier in die Zelle gelangt. Die Träger stammen aus unterschiedlichen Werken und Modelljahren. Dies führte zu hohen Toleranzen im Bereich von +/- ein bis zwei Millimetern und mehr. Durch das hohe bereits getätigte Investment in die Träger entschied man sich, diese dennoch für die Aufgabe zu verwenden und keine neuen Carriers mit geringeren Toleranzen anzuschaffen.

Roboterprogrammierung: Datenbasierte Analyse und Optimierung

Die Roboterprogrammierung erfolgte mit der Robot Programming Suite (RPS) von Artiminds. Über eine grafische Oberfläche programmiert und konfiguriert der Anwender seine Applikation via Drag-and-drop von vordefinierten Bausteinen und kann so auch komplexere kraftgesteuerte Aufgaben wie das kontrollierte Fügen oder Abtasten von Oberflächen mit relativ wenig Aufwand lösen.

Um die Zykluszeit bei der kraftgesteuerten Suche zu verkürzen, galt es, die Position, an der die Anwendung mit der Suche beginnt, zu optimieren. Dazu haben die Ingenieure die Anwendung mit der Zusatzsoftware Learning & Analytics for Robots (LAR) analysiert. Durch QR-Codes, die an die Träger angebracht wurden, ließen sich diese vor dem Einfahren in die Zelle scannen und jeder Träger eindeutig identifizieren.

Roboterprogrammierung
Durch Identifizierung der Träger via QR-Code und Optimierung des Suchvorgangs konnte dieser um 50 Prozent (rund 3 Sekunden) verkürzt werden. Bild: Artiminds Robotics

Die Suche wurde zunächst im unoptimierten Modus ausgeführt, um die tatsächliche Arbeitsposition für jeden einzelnen Carrier zu ermitteln. Nach nur zehn Durchläufen pro Carrier ließ sich bereits die optimale Startposition für die kraftgesteuerte Suche – individuell für jeden Träger – aus der LAR auslesen. Auf Basis dieser Daten wurde der Roboter nachgeteacht und die Suche pro Carrier deutlich verkürzt.

Roboterprogrammierung
Bild: Artiminds Robotics

Learning & Analytics for Robots (LAR)

LAR als Zusatz-Tool der Robot Programming Suite ermöglicht detaillierte Einblicke in den Prozess. Dazu nutzt es eine Fülle an Daten wie Roboterbewegungen, Kraft-Momenten-Messungen, Bildverarbeitungsergebnisse oder Fehlercodes. Diese erhebt das Tool automatisch und speichert sie in einer lokalen Datenbank beim Anwender. Statt nur allgemeine Aussagen über den Roboter zu liefern, interpretiert LAR diese Daten zielgerichtet im Kontext der programmierten Teilprozesse und der zu lösenden Aufgabe. Das erleichtert es, daraus Optimierungen während der Roboterprogrammierung abzuleiten. Eine Querkraft deutet beim Greifen beispielsweise auf einen Fehler hin. Die gleiche Querkraft ist bei der Montage jedoch erwünscht. Diese kontextbezogene Auswertung vereinfacht also die Analyse, welche Auswirkungen unterschiedliche Bauteilchargen haben, und wie sich Taktzeiten verkürzen und die Prozesssicherheit erhöhen lassen.

Von Rainer Pfeifer.

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Andere Leser haben sich auch für die folgenden Artikel interessiert

Top Jobs

Industrial Digital Engineer (Holzwolle) m/w/d
Knauf Insulation GmbH, Ferndorf, Kärnten, Österreich
› weitere Top Jobs

Redaktionsbrief

Tragen Sie sich zu unserem Redaktions-Newsletter ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage

Aktuelle Ausgabe

Topthema: Digital Manufacturing mit SAP-Standardsoftware

Industrie 4.0 mit SAP MII bei Gerolsteiner Brunnen erfolgreich umgesetzt

Mehr erfahren

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.