Lernende Roboter für die spanende Bearbeitung leicht zerspanbarer Materialien

Abstract

Zusammenfassung Wandlungsfähige Produktionssysteme werden oft im Kontext von Effizienzsteigerungen trotz sinkender Losgrößen und steigender Produktvariationen diskutiert. Aber auch derzeit noch manuell ausgeführte Prozesse können durch automatisierte Produktionssysteme realisiert werden, sofern sie sich an veränderliche Aufgaben und Randbedingungen autonom anpassen können. Nachgelagerte Prozesse bei der additiven Fertigung, wie das Reinigen der Bauteile, das Entfernen von Stützstrukturen und das Bearbeiten von Funktionsflächen sind hierfür Beispiele. Der vorliegende Artikel stellt ein Konzept der autonomen Nachbearbeitung additiv gefertigter Bauteile vor. Es werden die Integration von Lernverfahren in die Steuerung einer modularen, NC-roboterbasierten Fertigungszelle vorgestellt und zwei Aspekte des Lernens adressiert: Zum einen das initiale Training eines künstlichen neuronalen Netzes anhand von Simulationsdaten und zum anderen die Modifikation der Lernstrategie für das fortgesetzte, kontinuierliche Lernen im Betrieb des Roboters. Das Ziel des Lernens ist die Steigerung der Robotergenauigkeit. Hierzu wird eine, in die Roboterzelle integrierte, 3D-Laserlinienscanstation eingesetzt. Durch Analyse der erfassten Bauteilgeometrie werden unsichere Modellparameter des Roboters geschätzt und der Robotersteuerung mit dem Ziel einer genaueren Fertigung zugänglich gemacht.

Approach of Model Extension for Virtual Commissioning to Predict Energy Consumption of Production Systems

“…In this way, simulation ultimately serves to identify improvements quickly and without time-consuming and costly physical interventions in production. Possible application examples are contract manufacturing in the field of CNC machining [4], assembly lines automated by robots [5] or flexible matrix production systems [6]. In order to make the most accurate predictions possible within the simulation, it is necessary to know the energy consumption of the single machines and their components during the execution of individual process steps as precise as possible.…”