Forschungsthema »Cyber-Physical Production & Assembly Systems«

Projektziele

Ziel von CRAOS ist es, Verfahren zur Steuerung der Sicherheitsvalidierung von kollaborativen Robotern auf Freiflächen, insbesondere Ausstellungen und Messen, zu entwickeln. Der Grund für die Fokussierung auf diesen speziellen Anwendungsbereich liegt darin, dass Roboter im öffentlichen Raum im Vergleich zu gut untersuchten Fertigungsanwendungen ein höheres Risiko für unbeabsichtigte Mensch-Roboter-Kontakte darstellen. Darüber hinaus sind kollaborative Roboter im öffentlichen Raum schwer zu validieren, da relevante Standards und Richtlinien nicht ausreichend anwendbar sind. Das vorgeschlagene Ergebnis dieses COVR-Preises sind zwei Protokollentwürfe - für empfindliche serielle Robotersysteme bzw. empfindliche mobile Manipulatorsysteme - zur Ermittlung von Anforderungen, die die Sicherheitskonformität in offenen Räumen erfüllen. Mit CRAOS werden Unsicherheiten bei der Anzeige von kollaborativen Robotern im Freien verringert, indem klare Empfehlungen für die Erstellung von Sicherheitskompetenzen und die Durchführung von Sicherheitsexperimenten gegeben werden, die anschließend in das COVR-Toolkit eingebettet werden können.

Das Projektvorhaben greift die aktuellen Bedürfnisse der Wirtschaft bei MRK-Anwendungen auf und versucht über einen grundlegend alternativen Ansatz die erforderliche Personensicherheit, bei weitreichender Steigerung der Systemflexibilität, permanent zu garantieren. Im Gegensatz zu zahlreichen anderen Versuchen wird darauf verzichtet, zusätzliche bildgebende Verfahren zu verwenden und stattdessen werden industriell erprobte Schutzeinrichtungen und Sicherheitsfunktionen betrachtet.

Im Gegensatz zu klassischen industriellen Robotern ist es nicht erforderlich, kollaborationsfähige Roboter aus Sicherheitsgründen hinter Schutzzäunen zu betreiben, da diese auf einwirkende Belastungen reagieren können. Damit lässt sich prinzipiell Mensch-Roboter-Kollaboration (MRK) realisieren und die notwendige Personensicherheit gewährleisten, sofern potentielle Kontaktsituationen ermittelt, messtechnisch erfasst und mit den Grenzwerten der ISO/TS 15066 abgeglichen und bewertet werden. Durch die aktuelle signifikante Einschränkung der neuerlich notwendigen Risikoabschätzung und messtechnischen Beurteilung jeder Anwendung und Änderung, entzieht man jedoch einem kollaborativen Roboter genau diejenige wichtige Flexibilität, welche bei klassischen Industrierobotern vorhanden ist und das System jederzeit adaptierbar macht. Darüber hinaus sollen kollaborative Roboter (stationär u. mobil) vorzugsweise in dynamischen Umgebungen eingesetzt werden, wodurch sich auch ein Roboter aufgrund der Erfordernisse dynamisch anpassen muss.

Projektziele

Ziel des Forschungsprojekts ist es, für eine Grundanwendung an einem bekannten Robotersystem Modifikationsgrenzen zu definieren. Damit lassen sich Änderungen am System und an der Anwendung, in verschiedenen Dimensionen und dem Anwender bekannten Grenzen, in einem gewissen Rahmen durchführen. Die sicherheitstechnische Bewertung und Freigabe einer gewünschten Modifikation wird von einem Software Framework durchgeführt, das auf Basis zugrundeliegender Sicherheitssystem-Modelle die garantierte Einhaltung der Personensicherheit beurteilt. Diese Modelle werden bei der Inbetriebnahme der Anlage mit Parametern gefüllt, die unter anderem mithilfe von biofidelen Messsystemen ermittelt werden oder robotersystemabhängig sind. Weiters liefern statistische Modelle Aussagen über die Personensicherheit von Schutzeinrichtungen. Neben diesen extrinsischen Einflussgrößen werden auch Arbeitssystemparameter erhoben, die der intrinsischen Modellbildung realitätsnahe Grenzen übermittelt. Durch die ganzheitliche automatisierte Interpretation der Personensicherheit wird eine dynamische, multidimensionale System- und Anwendungsmodifikation von kollaborationsfähigen Robotersystemen möglich.

Das Fraunhofer Austria Projektteam fokussiert sich in diesem Forschungsprojekt hauptsächlich auf die Erhebung und Analyse potentieller MRK-Anwendungen und einer entsprechenden Applikationsklassifikation. Durch qualitative und quantitative Prozessanalysen bei den beteiligten Unternehmenspartnern werden Zielfunktionsbereiche identifiziert, die für den Einsatz rekonfigurierbarer MRK-Systeme in Frage kommen. Es werden relevante Parameter für die Modellierung derartiger hybrider Arbeitssysteme erarbeitet und deren Ausprägungen festgelegt. Daraus wird eine morphologische Applikationsklassifikation abgeleitet, die technologische, prozessuale, systemische, arbeitswissenschaftliche sowie sicherheitsspezifische Gestaltungsdimensionen im Sinne des Stands der Technik und Wissenschaft umfasst.

Aufbauend auf der Morphologie wird eine Systematik zur generischen Beschreibung und Modellierung von hybriden Arbeitssystemen, bestehend aus Ressourcen, sich dynamisch verändernden Aufgabeninhalten, Prozessfolgen und Rahmenbedingungen, abgeleitet. Dabei bilden sicherheitskritische Faktoren, dynamische Ressourcenallokation sowie geometrisch/physikalische Einschränkungen wesentliche Gestaltungsregeln. Die entwickelten Algorithmen sollen zudem mithilfe von Optimierungsansätzen, beispielsweise in Bezug auf räumliche Gestaltung der Arbeitsaufgabe oder Aufgabenaufteilung, erweitert werden.

Hybrid Work Systems (HWS) befasst sich mit Interoperation und Schnittstellen in digitalen Ökosystemen, über welche Industriebetriebe sowohl vertikal (vom ERP-System bis zum Industriearbeitsplatz) als auch horizontal (z.B. über digitale Plattformen) miteinander verbunden sind und somit sowohl Dienstleistungen in Anspruch nehmen, als auch miteinander Produktionsdaten austauschen können. HWS analysiert, wie zunehmende Automatisierung die Fabrik zu einer komplexen sozio-technologischen Umgebung macht, deren Prozesse sicherer und menschenfreundlicher gestaltet werden sollen. Wir orientieren uns daher an den Bedürfnissen des Menschen bei der Planung, Analyse und Überwachung industrieller Prozesse. Die gewonnenen Erkenntnisse sind auf andere Sparten übertragbar, jedoch betrachtet HWS ausschließlich Schnittstellen innerhalb von Firmen, sowie zu Plattformen als Mittler zwischen Firmen.

In einem derzeit laufenden Leitprojekt haben Profactor, Salzburg Research und Fraunhofer Austria ein prototypisches Assistenzsystem entwickelt, das in der Lage ist, zu erkennen, welche Objekte sich am Arbeitsplatz befinden, ob bestimmte Tätigkeiten durchgeführt werden, oder ob sprachlich bzw. durch Gesten Hilfe angefordert wird. Hybrid Work Systems wird auf diesen Prototyp, sowie auf Expertise der MTM (Method Time Measurement) Community aufbauen, um ein erweitertes, standardisiertes und formales Schichtenmodell industrieller Abläufe zu entwickeln, anhand dessen Fügeprozesse, Assistenzschritte,  ergonomische Verbesserungen, sowie Mensch/Maschine Interaktion in der kollaborativen Robotik beschrieben werden können.

Projektziele

Die entwickelte Technologie wird über eine Cloud-basierte Industrie 4.0 Plattform als digitale Dienstleistung nutzbar gemacht werden. Dies geschieht über Schnittstellen zu "e-Factory", einem digitalen Ökosystem für Produktionsbetriebe in Europa. Somit fließen die Resultate direkt in die Agenda der Digitalisierung der Europäischen Industrie ein. HWS macht sich die Komplementarität der drei Forschungspartner Fraunhofer Austria (Fabrikplanung, Assistenzsysteme, MTM- sowie  Wertstromanalyse); Profactor (Videoanalyse, kollaborative Robotik), sowie Salzburg Research (Internet Plattformen für die Produktion, KI-basierte Bewegungs- und Planungsmodelle) zu Nutze. Die Deutsche  MTM Vereinigung bringt ihre Erfahrung in MTM-Systemen mit und ist auch an deren Weiterentwicklung in HWS interessiert. IMK Automotive ist ein deutsches KMU, das sich auf Fabrikplanungs- und Simulationswerkzeuge spezialisiert hat. INNIO Jenbacher ist ein  international erfolgreicher Hersteller von Gasmotoren, Energieanlagen und hat besonderes Interesse, durch Ergonomie-Maßnahmen und kollaborative Robotik seine ArbeiterInnen vor Langzeitschäden zu schützen. Wacker Neuson ist ein Hersteller von Baumaschinen und Baugeräten und verwendet MTM bereits für die Planung und Optimierung von Montagen, sowie zur Verbesserung der Ergonomie der Arbeitsplätze.

Die technologischen Ziele von Hybrid Work Systems können wie folgt zusammengefasst werden:

• Integrationsprofile und interface engines für hybride Mensch/Maschine Arbeitsplätze
• Video-basierte Bewegungsanalyse zur Erkennung von Produktionstätigkeiten
• Semantische Beschreibung von Arbeitsprozessen für detaillierte Prozessplanung
• Schnittstellen für Mensch-Maschine Situationserkennung in Produktionsumgebungen
• Interoperation von Bewegungsanalyse, kognitiven und semantischen Modellen
• Einbettung und Validierung in einer europäischen Produktionsplattform – eFactory.

Die produzierenden Unternehmen Österreichs stellen qualitativ hochwertige
Waren her und können auf einen hochqualifizierten Mitarbeiterstamm zugreifen. Allerdings sind die Unternehmen derzeit technologischen und gesellschaftlichen Trends ausgesetzt, auf die sie reagieren müssen, um weiterhin international kompetitiv produzieren zu können. Dazu gehört das Verlangen der Kunden nach individualisierten Produkten (kleinere Losgrößen, schnellere Produktionszyklen).

Produktionsanlagen und Produkte werden immer mehr vernetzt und mit Sensorik versehen. Das bedeutet eine erhöhte Informationsdichte und Komplexität für die MitarbeiterInnen und damit auch erhöhte Arbeitsbelastung und Stress. Zusätzlich
erfährt Österreich einen demographischen Wandel. Die BürgerInnen des Landes werden immer älter und sollten länger im Arbeitsprozess gehalten werden. All diese Trends, und das Ziel, die hohe Qualität der produzierten Waren zu erhalten, führen zu einem erhöhten Bedarf an optimierter Unterstützung der MitarbeiterInnen am Arbeitsplatz.

Projektziele

Ziel in MMAssist II ist es, das Wesen und die Charakteristik von Assistenz im Produktionskontext grundlegend zu untersuchen, daraufhin optimierte Assistenzsysteme für zukunftsweisende auf Menschen fokussierte Arbeitsplätze („Human-Centered Workplace“) zu entwickeln, diese in industriellen Umgebungen experimentell umzusetzen und zu evaluieren. Die grundlegende
Basis für die Umsetzung von Assistenz bilden sogenannte „Assistenz Units“ – Modulare Einheiten, die spezifische Assistenzfunktionalität für die entsprechenden Benutzergruppen bzw. Benutzungsszenarien (multimodal) bereitstellen. Assistenz Units sind so definiert, dass sie über die Use Cases hinweg generalisierbar und wiederverwendbar sind, was einen breiten Impact für die industriellen Partner ermöglicht. Die Implementierung erfolgt durch die Partner als Software Framework, sodass die Basis für eine funktionelle Anwendung gegeben ist.

Die Lösungen werden unter Einbeziehung von MitarbeiterInnen aus produzierenden Unternehmen entwickelt und in weiterer Folge mit den MitarbeiterInnen unter den jeweiligen realen Kontextbedingungen evaluiert werden. Dies bringt Erkenntnisse über die Akzeptanz bzw. dem Benutzererlebnis bei der Verwendung von Assistenzsystemen, und wird damit die Verringerung von Arbeitsbelastung und entsprechende Unterstützungsfunktionalität für die MitarbeiterInnen messbar machen.

Projektziele

Der Innovationsgehalt von SAMY liegt darin, Systemeigenschaften aus Spezifikationen zu extrahieren und diese gegen die Systembeschreibung formal zu verifizieren. Dabei werden basierend auf einer intuitiven Systembeschreibung in Form von Funktionsblöcken, einer regelbasierten Systemspezifikation sowie definierten Systemszenarien, eine deklarative Prozessbeschreibung abgeleitet, sodass sich diese als formales Beschreibungsmodell durch Verifikationstechniken, wie Model Checking und Testing, auf Vollständigkeit verifizieren lässt. Bei formaler Vollständigkeit wird eine imperative Systembeschreibung in Form eines ausführbaren Maschinencodes generiert, der im Rahmen von industriellen Use-Cases in Laborumgebung validiert wird.

Durch die Nutzung von deklarativen Beschreibungsformalismen in Kombination mit formalen Verifikationstechniken im Rahmen der Modifikation von Steuerprogrammen industriell eingesetzter kollaborationsfähiger Robotersysteme erreicht SAMY:

• die notwendige Einfachheit, um Steuerprogramme ohne explizite Robotik-Expertise zu modifizieren und damit einen weitreichenderen Einsatz kollaborationsfähiger Robotersysteme zu gewährleisten,
• die notwendige Ganzheitlichkeit, um eine systemische Implementierung von kollaborationsfähigen Robotersystemen durch die integrative Berücksichtigung von peripheren Einheiten und deren Kommunikationsschnittstellen zu gewährleisten,
• die notwendige Flexibilität, um Adaptionen in Abhängigkeit veränderlicher Produkte, Prozesse und Ressourcen einfach und schnell zu gewährleisten, sowie
• die notwendige Robustheit, um die Resilienz sowie Sicherheit gegenüber Modifikationen zu gewährleisten.

Ergebnisse

Durch den Nachweis der Anwendbarkeit formaler Verifikationstechniken basierend auf deklarativen Prozessbeschreibungen, trägt SAMY dazu bei, zukünftigen Marktanforderungen, wie Produkt- oder Losgrößenvariabilität, im Hinblick auf Individualisierung und Kosten durch eine flexible, für die Zusammenarbeit mit Menschen geeignete, Automatisierungslösung zu begegnen. Aus Perspektive des Hochlohnstandortes Österreich trägt SAMY dazu bei, die Konkurrenzfähigkeit produzierender Unternehmen zu steigern, da die Industrialisierung und Verbreitung des MRK-Konzepts deutlich vergrößert werden kann, wenn die technische Umsetzbarkeit in veränderlichen Umgebungen verbessert, der Implementierungs- und Adaptionsaufwand reduziert und vereinfacht, die Sicherheit und Funktionalität trotz Modifikation stets ohne Mehraufwand gewährleistet sowie der rentable Einsatz bei kleineren Losgrößen ermöglicht wird.

Im Forschungsprojekt »Stabile Produktion in wandlungsfähigen zellenorientierten Montagesystemen durch einen Digital Twin (StaProZell)« forschen die Projektpartner unter der Konsortialführerschaft von Fraunhofer Austria an der Entwicklung und Evaluierung einer Methode zur Planung und Steuerung in wandlungsfähigen zellenorientierten Montagesystemen durch einen Digital Twin, um eine stabile Produktion zu ermöglichen. Durch die Wandlungsfähigkeit der Module und der Konfiguration der Montagezellen stellt das Montagesystem kein statisches Konstrukt mit fest vorgegebenen Montagefunktionen dar, sondern repräsentiert ein dem effizientesten Wertschöpfungsfluss folgendes System.

Eine steigende Variantenvielfalt, individualisierbare Produkte, verkürzte Produktlebenszyklen aber auch sinkende Losgrößen fordern zunehmend eine erhöhte Flexibilität seitens der Industriebetriebe. Um auch in Zukunft jenen Anforderungen gewachsen zu sein, müssen vor allem die Produktionsbereiche flexibler werden. Bisher eingesetzte Linien-Montagesysteme werden teilweise jenen Ansprüchen nicht mehr gerecht. Neue Trends zeichnen sich vor allem im Bereich der Zellenmontage ab.

In der Wissenschaft sind mittlerweile vereinzelt Konzepte vorhanden, die derartige wandlungsfähige modulare Montagesysteme beschreiben. Jedoch gilt es für eine erfolgreiche technische und wirtschaftliche Umsetzung noch einige Herausforderungen zu bewältigen. Aktuelle Konzepte und Methoden zur Produktionsplanung, vor allem solche für wandlungsfähige modulare Systeme, sind nur teilweise in das physische Montagesystem integriert und können so nur längerfristige Anpassungen berücksichtigen.

Projektziele

Das Ziel von StaProZell ist es, eine Methode für die optimierte Planung und Steuerung von wandlungsfähigen modularen cyberphysischen Montagesystemen, basierend auf rekonfigurierbaren Zellen zu entwickeln. Die grundlegende Basis hierfür bildet ein Digital Twin, ein digitales und stets aktuelles Abbild des physischen Montagesystems. Der Digital Twin bietet die Möglichkeit unterschiedliche Szenarien in einer Simulation zu bewerten und basierend auf den Ergebnissen aktiv das physische Montagesystem zu steuern. Durch ständige Neuplanung und Neuausrichtung der Systemmodule des Montagesystems wird dieses den kapazitiven und funktionalen Ansprüchen gerecht und ermöglicht so eine stabile, bedarfsorientierte und effiziente Montage. Der zu entwickelnde Proof-of-Concept-Demonstrator wird in der TU Wien Pilotfabrik Industrie 4.0 evaluiert sowie eine Machbarkeitsstudie durchgeführt.

Projektziele

Das Hauptziel dieses Projektes besteht darin, Roboterausfälle bei Punktschweißanwendungen vorherzusagen und entsprechende Handlungsanweisungen vorzuschlagen, um die betrieblichen Ausfallzeiten um etwa 3 % zu verringern. Durch die Kombination verschiedener mathematischer und numerischer Modelle aus der Zuverlässigkeitstheorie und Qualitätskontrolle, Methoden der industriellen künstlichen Intelligenz zur Klassifizierung und Regressionsanalyse sowie des Domänenwissens über das Systemverhalten von Schweißanwendungen, wird ein selbstlernender charakteristischer Raum mit einer dynamischen Anzahl von Dimensionen und Zuständen geschaffen. Dieser Raum kann genutzt werden, um i) Roboterdaten zu interpretieren und ii) über Aktionen an bzw. des Roboters zu entscheiden.

Grundlage für die Dateninterpretation ist ein synchroner Verlauf von Sensor- und Zustandsinformationen sowie Fehlerprotokollen, der zur Identifikation charakteristischer Verhaltensmuster der Roboter führt. Zusätzlich werden relevante Roboterfehlerzustände in einer Fehlermöglichkeits- und Einflussanalyse (FMEA) durch Roboterexperten ermittelt, um zusätzliche Kovariablen in den Datensätzen der bereitgestellten Punktschweißzyklen bereitzustellen. Die Identifikation weiterer möglicher Fehlerquellen durch Anwendung von Klassifikationsalgorithmen ist ebenfalls angedacht. Durch die Kombination der Zuverlässigkeitstheorie mit unüberwachtem, überwachtem oder verstärktem Lernen ist das Modell dann in der Lage, i) Systemfehler vorherzusagen, d. h. eine diskrete Fehlerklassifizierung und Fehlerratenschätzung (mit Kovariaten) durchzuführen, ii) noch detailliertere Klassifizierungen zu identifizieren, um die Zuverlässigkeit der Vorhersage zu erhöhen, und iii) Handlungsempfehlungen abzuleiten.

Auf industrieller künstlicher Intelligenz basierende Methoden machen nicht nur die Wartung für das Instandhaltungspersonal effizienter, indem sie Echtzeit-Empfehlungen liefern, sondern liefern auch ein tieferes Wissen über das Systemverhalten und die Ausfallzeiten, indem neue Korrelationen und Muster innerhalb relevanter Datensätze dynamisch identifiziert werden.

Ergebnisse

• Konsolidierter Bericht über Datenauswahl, Datenqualität und Datenkorrelation
• Software-Prototyp zur Vorhersage von Robotersystemfehlern
• Handlungsempfehlungen zur Verbesserung der Robotersystemverfügbarkeit

Digitalisierung und demographischer Wandel stellen Produktionsunternehmen vor neue Herausforderungen. Der Trend von Massen- zur kundenorientierten Produktion impliziert eine steigende Anzahl von Varianten und kleinere Losgrößen. Die hohe Komplexität von Montageprozessen in Kombination mit der Forderung, kleinste Losgrößen wettbewerbsfähig produzieren zu können, schließt eine vollständige Automatisierung der Montage aus.

Während papierbasierte Arbeitsanweisungen in der Montage nicht die geforderte Flexibilität sowie Aktualität aufweisen, sind MitarbeiterInnen durch visuelle Werkerführungssysteme (digitale Assistenzsysteme) bei der Durchführung der Montageaufgaben zu unterstützen. Die ausgegebenen Informationen werden dabei in Form von Texten, Bildern, Videos, virtuellen 3D-Objekten oder einfachen Lichtsignalen vorliegen und sind im Vorfeld der Produktion zu erstellen sowie in die Datenbanken der einzelnen digitalen Assistenzsysteme zu übertragen. Dieser Vorbereitungsprozess ist sehr zeitaufwendig und erfordert ein ausgeprägtes Spezialwissen in Programmierung und CAD-Modellierung. Einzelne Methoden zur Minderung des Problems werden in aktuellen Veröffentlichungen aufgezeigt, es fehlt jedoch ein ganzheitlicher sowie durchgängiger Ansatz.

Projektziele

Ziel der Dissertation ist die Entwicklung eines Prozessmodells, welches zuvor identifizierte Automatisierungspotenziale im Informationsversorgungsprozess digitaler Assistenzsysteme adressiert und als IT-Artefakt (Software) implementiert wird. Ausgehend von 3D-CAD-Konstruktionsmodellen und Stücklisteninformationen kann damit teilautomatisiert bei möglichst geringem manuellem Handlungsbedarf eine für die aktuell zu produzierende Produktvariante vollständig konfigurierte digitale Assistenzlösung erreicht werden. Das Prozessmodell soll anschließend hinsichtlich Auswirkungen auf Effektivität sowie Effizienz des Arbeitsvorbereitungsprozesses untersucht werden. Für die Evaluierung des Prozessmodells wird das cyberphysische Montagesystem der TU Wien Pilotfabrik Industrie 4.0 herangezogen.

Wie können Aufwände und Kosten in manuell geprägten Informationsversorgungsprozessen visueller Werkerführungssysteme signifikant gesenkt werden?

Im Zuge des Dissertationsvorhabens wird ein Prozessmodell zur teilautomatisierten Informationsversorgung digitaler Assistenzsysteme entwickelt, als IT-Artefakt implementiert und hinsichtlich Auswirkungen auf Effektivität sowie Effizienz des Arbeitsvorbereitungsprozesses untersucht werden. Darüber hinaus sollen systematisch die Effekte der jeweiligen Automatisierungsmöglichkeiten im Informationsversorgungsprozesses digitaler Assistenzsysteme im Arbeitsvorbereitungsprozess cyberphysischer Montagesysteme quantifiziert werden

Die Einführung der Mensch-Maschine-Kollaboration (MRK) gilt als einer der wichtigsten Trends im Rahmen der Industrie 4.0. Durch MRK lassen sich Arbeitsqualität und -effizienz in industriellen Prozessen steigern, indem die individuellen Eigenschaften von Mensch und Roboter in einem gemeinsamen Arbeitssystem kombiniert werden.

Die Sicherheit des Menschen in der Interaktion mit vernetzten Maschinen hat höchste Priorität. Ihre Sicherstellung wird bei von zahlreichen Normen und Richtlinien unterstützt. Aktuell fehlen aber gerade bei der direkten Kollaboration von Mensch und Maschine, sowie bei der Integration von IT-Security, noch Erfahrungswerte in der Umsetzung der gesetzlich vorgeschriebenen Anforderungen. Dadurch ergeben sich für Unternehmen erhebliche Umsetzungsbarrieren bei der Einführung kollaborativer Arbeitssysteme.

In einem gemeinsamen Projekt mit TÜV Austria entwickelt Fraunhofer Austria ein integriertes Safety und Security Konzept (ISS-Konzept), das speziell die Anwendungen im Bereich kollaborativer Robotiksysteme in der Montage addressiert.

• Planung und Steuerung kollaborativer Robotiksysteme in der industriellen Montage
• Funktionale Sicherheit
• Rechtlicher Rahmen der Produktion und Montage
• Ergonomische und alternsgerechte Mensch-Maschine-Interaktion
• IT-Security, Auswirkung der Datensicherheit auf die Maschinensicherheit

In dem Projekt werden Prinzipien des Industrial Engineerings (IE), wie etwa die Optimierung der Arbeitssystemgestaltung und die Erschließung von Produktionssteigerungspotenzialen, mit Fokus auf Umsetzungs- und Implementierungsmöglichkeiten bei KMU, berücksichtigt.

Die Mensch-Roboter-Kollaboration (MRK) ist eine der wesentlichen Bausteine von Cyber-physischen Produktionssystemen – vor allem in manuell geprägten Arbeitssystemen, wie der Montage. Mithilfe von kollaborierenden Robotern wird die Effizienz der Produktion gesteigert, indem die Eigenschaften und Potentiale von Mensch und Maschine optimal miteinander kombiniert werden. Hierbei ist stets die Sicherheit des Menschen zu gewährleisten.

Sicherheitsmechanismen moderner kollaborierender Roboter beruhen meist auf berührungsbasierten Systemen im Sinne von Kraft-Momenten-Sensoren. Das heißt, dass die bei einer Kollision wirkenden Kräfte überwacht werden und die Überschreitung eines Schwellwerts automatisch zum Stillstand des Roboters führt. Auf diese Art und Weise soll sichergestellt werden, dass ein Mensch keine schwerwiegenden Schäden von sich trägt. Um die Zusammenarbeit aber noch effizienter und vor allem sicherer zu gestalten, sollten Kollisionen jedoch gänzlich vermieden werden.

Aus diesem Grund arbeitet Fraunhofer Austria an neuen, berührungslosen Konzepten zur sicheren Arbeitsraumüberwachung von kollaborativen Arbeitssystemen und testet diese in der TU Wien Pilotfabrik Industrie 4.0.

Unser Beitrag

Mit Hilfe eines Local Positioning Systems (Human Motion Capture Systems) wird die Position der Bedienperson im Arbeitsbereich laufend verfolgt. Der Roboter selbst liefert kontinuierlich über die eigene Steuerung seine aktuelle Positions- und Geschwindigkeitsinformationen. Mittels einer entwickelten Software-Lösung zur Echtzeiterfassung und Verarbeitung von großen Datenströmen, einer sogenannten Complex-Event-Processing-Engine, wird aus den jeweiligen Positions- und Geschwindigkeitsdaten in Echtzeit errechnet, ob es zu einer Kollision zwischen Mensch und Roboter kommen könnte und sendet gegebenenfalls ein Stopp-Signal an die Robotersteuerung. Aktuell sind die Sicherheitsmodi »Halt« und »Geschwindigkeitsreduktion« gemäß ISO/TS 15066 möglich.

Ziele und Nutzen

Die Anwendung der entwickelten Lösung ermöglicht die Nutzung folgender Vorteile:

• Durch die Vermeidung von Kollisionen in der Mensch-Roboter-Kollaboration kommt es zur Effizienzsteigerungen, da der Mensch ungehindert arbeiten kann.
• Kollaborierende Roboter können auch in Anwesenheit einer Bedienperson mit erhöhten Geschwindigkeiten agieren, da eine genauere Bestimmung des Arbeitsraums des Menschen in Echtzeit ermöglicht wird.
• Durch ein frühzeitiges Erkennen von möglichen Kollisionen und entsprechend gesetzten Gegenmaßnahmen (Ausweichen bzw. Stoppen des Roboters) wird auch die Sicherheit der Bedienperson gesteigert.
• Teure, hardwaretechnische Sicherheitstechnologien werden durch intelligente Datenverarbeitung und Steuerungsalgorithmen reduziert.

Partner und Förderung

Dieses Vorhaben wurde aus internen Mitteln von Fraunhofer Austria im Zuge eines internen Vorlaufforschungsprojekts finanziert. Die Hardware wurde aus Mitteln der Technischen Universität Wien erworben und im Rahmen der Forschungskooperation mit Fraunhofer Austria bereitgestellt. Die Umsetzung und Implementierung erfolgte in der TU Wien Pilotfabrik Industrie 4.0.