Zum Inhalt springen

DiProLeA

Zwei Studentinnen im Labor für kooperative automatisierte Verkehrssysteme der TH Aschaffenburg.
  1. Artificial Intelligence and Data Science
  2. Intelligent Sensors and Signals

Entwicklung eines durchgängig digitalen Produktionsprozesses mit lernendem Assistenzsystem; Verfahren zur Montageanalyse und dem Szenenverständnis an manuellen Montageabläufen.

Kooperationspartner

  • SKM Informatik Logo
  • Robur Automation - YOUR INDUSTRIAL AUTOMATION SPECIALIST Logo
  • Rauschert Logo
  • Fortiss Logo
  • Hutchinson PFW Aerospace GmbH Logo
  • Youse Logo
  • IBO  - Our technology your process Logo

Förderung

Hintergrund

Branchenübergreifend untergliedert sich der Produktentstehungsprozess in die Konzept-, Entwicklungs- und Produktionsphase. Innerhalb der Unternehmen werden dabei bis heute produktspezifische Informationen dieser Phasen aufgabenbezogen in verschiedenen Systemen und Datenbanken hinterlegt. Die Vernetzung dieser Systeme und Datenbanken bietet ein hohes Potential, um der steigenden Variantenvielfalt und den zunehmenden Qualitätsanforderungen in der Fertigung künftig gerecht zu werden. Gemeinsam mit den am Prozess beteiligten Verbundpartnern sollte ein modulares und branchenunabhängiges sozio-technisches Assistenzsystem für den Produktentstehungsprozess entwickelt werden.

Die TH Aschaffenburg leistet Forschungsbeiträge und Konzepte zu der Gestaltung des Montagearbeitsplatzes von morgen. Dies ist vor allem von Interesse, da auch in der digitalen Fabrik der Zukunft durch Menschen ausgeführte manuelle Montageprozesse unverzichtbar bleiben werden – sei es wegen der hohen Flexibilität oder der hohen Präzision, die dadurch gewährleistet wird. Erstrebenswert ist es, den Menschen bei diesen zumeist monotonen, aber dennoch konzentrationsfordernden Aktivitäten intelligent zu unterstützen. Bereits bestehende Assistenzsysteme für manuelle Montageprozesse sind in der Regel aufwendig für einzelne Prozesse optimiert. Diese Systeme sind nicht in der Lage, aus vorhandenen Unternehmensdaten dynamische Assistenzdaten zu erzeugen, was sie für die variantenreiche Fertigung ungeeignet macht.

Ziele

Im Rahmen des Projekts wurde ein flexibles, intelligentes Assistenzsystem zur Unterstützung kleinteiliger manueller Montageabläufe entwickelt und erfolgreich in der Praxis getestet. Das System ist mit einer semantischen Wissensbasis und einem Process Execution System verknüpft, wodurch die einzelnen Prozessschritte nachverfolgt und nachvollziehbar zurückverfolgt werden können. Daten werden in Echtzeit mit der Wissensdatenbank abgeglichen, um eine lückenlose digitale Abbildung des gesamten Prozesses zu gewährleisten.

Der Werker wird bei der variantenreichen Montage effektiv geschult und unterstützt. Das System gibt Hinweise zur korrekten Montage und dokumentiert die Vorgänge während der Montage automatisch. Das Assistenzsystem bietet somit nicht nur proaktive Unterstützung der Werker mit Echtzeit-Anweisungen, sondern trägt auch zur Optimierung der Arbeitsprozesse bei.

Die Wirtschaftlichkeit und Flexibilität des Assistenzsystems standen bei der Entwicklung des Systems im Vordergrund. Statt auf teure, manuelle und statische Verfahren zu setzen, wurden selbstlernende Verfahren mittels Simulationen eingesetzt. Dadurch ist es möglich, einen Montagevorgang kosteneffizient und in kurzer Zeit auf neue Gegebenheiten abzustimmen.

  • Das flexible, intelligente Assistenzsystem zur Unterstützung kleinteiliger manueller Montageabläufe wurde im Rahmen von DiProLeA entwickelt und erfolgreich in der Praxis getestet.

Methoden

Das Assistenzsystem besteht aus mehreren Kameras, deren Sichtfeld elementare Bereiche des Arbeitsplatzes abdeckt. Die erfassten Daten werden von einem Industrie-PC verarbeitet und in die Infrastruktur des Unternehmens eingespeist. Aus der Infrastruktur können diese Daten von weiteren Geräten, wie z.B. einer Augmented Reality Brille zur Darstellung von Ereignissen am Arbeitsplatz, abgerufen werden.

Es werden verschiedene Detectionsalgorithmen eingesetzt, die je nach geforderter Genauigkeit und Arbeitsschritt variieren. Diese Algorithmen reichen von 2D-Erkennung über 3D-Handerkennung bis hin zur 6D-Posenschätzung von Objekten. Diese Vielfalt an Algorithmen ermöglicht es, die spezifischen Anforderungen der jeweiligen Montageschritte optimal zu erfüllen und eine hohe Genauigkeit in der Erkennung und Nachverfolgung zu gewährleisten.

Kontakt