Handhabungsroboter
Ein Handhabungsroboter wie der Pick-and-Place-Roboter greift Teile anhand von Bildinformationen und sortiert fehlerhafte aus. Mit einer KI-Kamera erkennt er Lage und Qualität ungeordneter Teile, Inbetriebnahme und Service lassen sich digital organisieren.
Handhabungsroboter auf einen Blick
Am häufigsten in den Projekten auf dieser Seite
Anwender in diesen Projekten
Verifizierte Projekte mit Handhabungsroboter
Handhabungsroboter mit KI-Kamera: Teile erkennen und sortieren
Im Lösungsbeispiel von IDS und urobots läuft das neuronale Netz direkt auf der Industriekamera IDS NXT: Ein FPGA mit eigenem KI-Core führt es hardwarebeschleunigt aus, ein separater Industrie-PC entfällt. Trainiert wird über die Cloud-Software IDS NXT lighthouse oder mit eigenen TensorFlow-Modellen; 10 bis 20 Bilder pro Objekt genügten. Eine VisionApp wandelt 2D-Bildkoordinaten in 3D-Koordinaten um und steuert den Roboter über Ethernet. Laut urobots erkennt die Anwendung Objekte in 200 Millisekunden mit einer Lagegenauigkeit von ±2 Grad.
Die Use Cases sind Qualitätskontrolle, Objekterkennung im Materialfluss und Wissenssicherung. Bei der Endkontrolle von Dichtringen, die zufällig auf einem Band liegen, erkennt die Kamera fehlerhafte Ringe, und der Roboter sortiert sie aus; das Wissen eines Produktexperten fließt über gelabelte Bilder in die KI. Podcastfolge #48 mit IDS und urobots vertieft den Ansatz. Fabmatics, Hersteller von Handlingsystemen und Transportrobotern für die Halbleiterindustrie, organisiert Inbetriebnahmen über die EquipmentCloud von Kontron AIS und senkte den Zeitaufwand dafür um 50 Prozent.
Podcastfolgen mit Handhabungsroboter
Häufige Fragen zum Handhabungsroboter
Wie erkennt die Kamera eines Handhabungsroboters Lage und Ausrichtung der Teile?
Ein neuronales Netz bestimmt Position und Ausrichtung jedes Teils im Kamerabild, daraus entstehen Greifbefehle für den Roboter. Bei der Lösung von urobots läuft die KI direkt auf dem FPGA der Kamera IDS NXT. Die Software wandelt 2D-Bildkoordinaten in 3D-Koordinaten für den Roboter um. Laut urobots erfasst sie die Positionen aller Objekte in rund 200 Millisekunden, also fünf Erfassungen pro Sekunde.
Braucht man für einen Handhabungsroboter mit KI-Kamera Programmierkenntnisse?
Für das Training der KI nicht: Kunden laden in der Cloud-Software IDS NXT lighthouse passende Bilder hoch, labeln sie und starten das Training auf Knopfdruck. Die Steuerung des Roboters übernimmt eine VisionApp von urobots; deren Software ist in Python geschrieben, die Kamera-App in C++. Weil das neuronale Netz direkt auf der Kamera läuft, entfällt der sonst übliche PC. Über Ethernet lässt sich die App an andere Robotermodelle anpassen.
Wie lernt ein Sortierroboter in der Qualitätskontrolle, Gut- von Schlechtteilen zu unterscheiden?
Mit wenigen gelabelten Bildern und dem Wissen eines Fachexperten. Für die Kontrolle von Dichtringen genügten 10 bis 20 Bilder pro Objekt. Ein Experte, der Fehler am Produkt beurteilen kann, teilte die Bilder in gut und fehlerhaft ein und gab so sein Wissen an die KI weiter. urobots trainierte das Netz, wandelte es ins Format für IDS NXT um und lud es auf die Kamera. Daraus erstellt die Software konkrete Arbeitsanweisungen, mit denen der Roboter fehlerhafte Dichtringe aussortiert.
Wie lässt sich die Roboter-Inbetriebnahme bei Handhabungssystemen beschleunigen?
Mit einem digitalen Serviceportal, das Arbeitsabläufe, Checklisten und Anlagenhistorie bündelt. Fabmatics nutzt dafür statt Excel-Tabellen die EquipmentCloud von Kontron AIS. Die Workflows-App führt Techniker etwa durch die präzise Kalibrierung der Kameras. Fabmatics senkte den Zeitaufwand für die Inbetriebnahme um 50 Prozent und steigerte die Prozessgeschwindigkeit um 30 Prozent; für Transportroboter ist im Durchschnitt nur noch ein Abnahmetest nötig.
Weitere Assets in „Förder- und Handhabungstechnik“
Fahrerloses Transportfahrzeug (FTF/AGV)
Fahrerlose Transportsysteme bringen Material automatisch vom Lager an die Linie, wenn eine zentrale Leitsteuerung die fahrerlosen Transportfahrzeuge (FTF) koordiniert. Mit IoT lösen Sensoren die Transportaufträge aus, und Fahrzeuge verschiedener Hersteller laufen in einem System.
Kran
Vorausschauende Kranwartung mit IoT überwacht vor allem die Energiekette, die Strom- und Datenleitungen zur Laufkatze führt. Sensoren melden Überlast oder Bruch, bevor der Kran stillsteht, und geben Wartungs- und Austauschempfehlungen.
Industrieroboter
Vorausschauende Roboterwartung mit IoT bündelt die Zustands- und Performancedaten von Industrierobotern in einer Plattform. Betreiber erkennen Störungen und Verschleiß, bevor ein Roboter stillsteht, und Hersteller stellen Wartungsfälle aus der Ferne fest.
Förderband
An der Förderbandanlage erfassen IoT-Sensoren Schwingung, Temperatur und den Zustand von Band und Bandreinigern. Betreiber erkennen Schäden wie ein eingerissenes Band früh, planen Wartung nach Bedarf und vermeiden teure Stillstände ganzer Linien.
Gabelstapler
Ein Staplerleitsystem mit IoT weiß, wo jeder Gabelstapler steht, welche Palette er trägt und wohin sie gehört. RFID, UWB und Kameras ersetzen das manuelle Scannen und dokumentieren Einlagerung, Auslagerung und Verladung automatisch.
Hochregallager
Im Hochregallager verbindet IoT Lagerplätze, Gabelstapler und Lagerverwaltung über Echtzeitdaten. Mitarbeitende sehen auf großen Monitoren, welche Aufträge anstehen, und Paletten werden ohne manuelles Scannen ein- und ausgelagert.
IIoT Use Case Anwenderkreis
Was in keinem Projekt steht
Was hat das Projekt gekostet? Welcher Sensor hat im Feld nicht gehalten? Wie hat man die Instandhaltung mitgenommen? Solche Fragen besprechen 300+ Anwender aus der Industrie jeden Monat untereinander, offen und ohne Anbieter im Raum.
Häufige Themen in diesen Projekten, bring deine Fragen mit:
- Condition Monitoring
- Digitale Dokumentation
- Qualitätsmanagement
Jeden Monat online
Tech- und Business-Fokus im Wechsel
Nur Anwender
Kein Vertrieb im Raum, Austausch unter NDA
300+ Mitglieder
OT-, IT- und IIoT-Verantwortliche aus der Industrie
