Das Projekt SeConRob zielt darauf ab, Methoden für die Selbstkonfiguration von Roboterprozessen zu entwickeln, bei denen jeder Fertigungsschritt von den Ergebnissen des vorherigen Schritts abhängt. In diesem Fall gehen eine Menge Produktivität, Energie und Ressourcen verloren, da die Prozesse aus technischen und wirtschaftlichen Gründen derzeit nicht automatisiert werden können. Solche Situationen treten typischerweise bei der Inspektion und Nacharbeit auf, wo der (nachgelagerte) Nacharbeitsprozess von den Ergebnissen des (vorgelagerten) Inspektionsprozesses jedes einzelnen Teils abhängt.

SeConRob wird Technologien entwickeln, die die Automatisierung solcher Prozesse ermöglichen, indem Roboterprozesse geschaffen werden, die automatisch für jedes einzelne Teil konfiguriert werden können. Dies wird auf einer KI-basierten Datenanalyse aufbauen, die Informationen aus den Inspektionsdaten extrahiert, die wiederum verwendet werden, um automatisch ein Roboterprogramm und Prozessparameter für den nachgelagerten Nachbearbeitungsprozess zu generieren. Physikalische Prozessmodelle bilden die Grundlage für die anfängliche Planung, und es wird eine langfristige Rückkopplungsschleife auf der Grundlage von Reinforcement Learning eingerichtet, um den Prozess zu optimieren und Eigenschaften zu berücksichtigen, die im ursprünglichen Modell nicht enthalten sind.

Zwei Anwendungsfälle mit mehrstufigen Fertigungsprozessen, einschließlich Inspektion, Fugenhobeln, Schweißen, Schleifen und Polieren, werden als Testfälle für die Entwicklungen dienen. Es sind Demonstrationen an einer realen Produktionslinie geplant, um das Interesse in Sektoren wie der Automobil- und Luftfahrtindustrie zu wecken, wo sicherheitskritische Teile hergestellt werden. Das Marktpotenzial für solche mehrstufigen, selbstkonfigurierenden Roboterprozesse wird auf etwa 2000 Roboterarbeitszellen geschätzt, was einem Markt von 600 Mio. € entspricht.

Quelle: SeConRob – Self-Configuring Multi-Step Robotic Workflows