Aufrufe
vor 2 Monaten

Automationspraxis 02.2024

  • Text
  • Chatgpt
  • Automatisierung
  • Industrial
  • Robotics
  • Robotik
  • Roboter
  • Automation

_Industrie 4.0 Interview

_Industrie 4.0 Interview mit Dr. Ulrich Reiser, CDO der Scio Automation Group „Digital Twin für alle Anlagen-Phasen“ Über Anwendungen und Potenziale von Digital Twins und virtueller Inbetriebnahme in der Fertigungsindustrie spricht Dr. Ulrich Reiser, Chief Digital Officer der Scio Automation Group. Der digitale Zwilling verarbeitet reale Daten und überträgt diese zwischen der physischen Anlage und dem digitalen Modell, um die Anlagen-OEE gezielt zu verbessern. AP: Zunächst mal zum Verständnis: Was verstehen Sie bei Scio unter einem Digital Twin? Reiser: Manchmal werden ja bereits einfache CAD-Modelle als Digital Twin bezeichnet. Unser Verständnis geht weit darüber hinaus. Wir betrachten die Anwendungsfälle des digitalen Zwillings für alle Phasen eines Anlagenlebenszyklus. Ausgehend von der Planungs- und Konstruktionsphase über die Inbetriebnahme funktioniert unser Digital-Twin-Konzept für Remote Services, Schulungen, das Durchspielen von Änderungsszenarien oder die Anlagenoptimierung. Die Anlage ist zu diesem Zeitpunkt bereits in Betrieb, sodass Daten zwischen der physischen Anlage und dem digitalen Modell hin und her übertragen werden. Bild: Scio Bild: Scio „Wir arbeiten an einem standardisierten Datenmodell und einer strukturierten Datenablage, damit der digitale Zwilling sein volles Potenzial entfalten kann.“ Ulrich Reiser AP: Und wie macht ein Digital Twin die Produktions- und Betriebsprozesse effizienter? Reiser: Die wichtigste Grundlage für die Optimierung von Produktions- und Betriebsprozessen sind in der Regel reale Betriebsdaten. Das digitale Modell und die damit einhergehende Visualisierung der oftmals sehr komplexen Anlagen und Abläufe hilft den Betreibern jedoch, ihre Anlagen besser zu verstehen. Das digitale Modell ermöglicht im Betrieb z.B. die Anlagenüberwachung oder Reparaturen aus der Ferne. In Kombination mit der Aufzeichnung von Betriebsdaten können die Betreiber ihre Anlage kontinuierlich optimieren, Stillstände reduzieren und die Gesamtanlageneffektivität (OEE) gezielter verbessern. AP: Und wie sieht das konkret aus? Reiser: Vor einiger Zeit haben wir für eine Anlage mit vielen Bearbeitungsstationen einen reinen Daten-Zwilling erstellt, um NiO-Teile früh zu erkennen. Auf Grundlage von aufgezeichneten Anlagendaten haben wir eine Prognosematrix erstellt, die die Wahrscheinlichkeit einer NiO-Prüfung für jedes Bauteil in den verschiedenen Stationen vorhersagt. Dank dieser zuverlässigen Prognose konnten wir bereits sehr früh im Fertigungsprozess feststellen, ob ein Bauteil NiO getestet wird. Das Beispiel zeigt uns, dass der Digital Twin mit KI-basierten Analysen ein großes Potenzial zur Verbesserung der Anlagen-OEE bietet. AP: Welche Herausforderungen sind bei der Digital-Twin-Entwicklung noch zu bewältigen? Reiser: Neben dem Aufwand für die Entwicklung des virtuellen Modells sehe ich insbesondere die fehlende Daten-Architektur als große Herausforderung. Für den Digital Twin müssen wir Daten aus z.B. CAD/ECAD-Software übernehmen. Hier fehlen passende Schnittstellen, Datenformate sind oftmals inkompatibel. Daher arbeiten wir bei Scio an einem standardisierten Datenmodell, einer strukturierten Datenablage und der Entwicklung von neuen Schnittstellen für eine größtmögliche Durchgängigkeit. ↓ SCIO Automation GmbH www.scio-automation.com 32 April 2024

_Robotik Solution Kit Part Separation mit 2D Grasping-Kit Flexible Vereinzelung mit KI und Vision Für die flexible Teilevereinzelung mit Hilfe von KI- und Vision-Technologie haben Fruitcore Robotics und Schunk das neue Solution-Kit-Paket Part Separation mit 2D Grasping-Kit geschnürt. Das Solution Kit Part Separation für die Teilevereinzelung zielt auf Unternehmen, die unsortierte Teile in einer Kiste unkompliziert und flexibel handhaben wollen. Es basiert auf dem KI-unterstützten 2D Grasping-Kit von Schunk und erweitert das Solution Kit-Portfolio von Fruitcore Robotics. Diese Solution Kits (etwa für Maschinenbestückung oder Teilevereinzelung) ermöglichen einen einfachen Einstieg in die Automation, weil alle für den jeweiligen Anwendungsfall erforderlichen und aufeinander abgestimmten Komponenten enthalten sind. Das Solution Kit für die Teilevereinzelung vereint den smarten Industrieroboter Horst600, das 2D Grasping-Kit von Schunk inklusive dem mechatronischen Kleinteilegreifer EGK sowie den Bauteilvereinzeler Flexibowl. Das integrierte 2D Grasping-Kit umfasst ein Kamerasystem, einen Industrie-PC, die Schunk KI-Software sowie ein Plugin zur einfachen Einbindung in die Robotersteuerung. Es lokalisiert verschiedene Bauteile und erkennt deren Lage und Orientierung – und kommt dabei auch mit wechselnden Lichtverhältnissen zurecht. Wenn der Roboter beispielsweise Bauteile mit transparenter Umverpackung (etwa Schrauben in einem Kunststoffbeutel) greifen soll, gewährleistet die intelligente KI-Software eine zuverlässige Erkennung der Bauteile. Anwender die Steuerung von Roboter, Komponenten wie das 2D Grasping-Kit im Solution Kit Part Separation und bestehenden Industrieprozessen intuitiv verwalten können. Dabei erleichtert die Assistenzfunktion des AI Copiloten die Bedienung erheblich, indem sie kontextbezogene Unterstützung bietet. ↓ Fruitcore Robotics GmbH www.fruitcore.de Bild: Fruitcore Robotics Zentrale Prozesssteuerung Das Solution Kit Part Separation mit 2D Grasping-Kit zeichnet sich wie alle Solution Kits von Fruitcore Robotics durch Benutzerfreundlichkeit aus. Sowohl Experten als auch Einsteiger können das Automatisierungsmodul ohne tiefgreifendes Fachwissen schnell in Betrieb nehmen und individuell anpassen. Möglich wird das durch voreingestellte Parameter und die nahtlose Integration aller Komponenten in das KI-gestützte Betriebssystem HorstOS von Fruitcore Robotics: HorstOS fungiert als zentraler Steuerungspunkt, über den Der Einsatz des 2D Grasping-Kits von Schunk im Automatisierungsmodul von Fruitcore Robotics vereinfacht die Teilevereinzelung auch bei wechselnden Anforderungen und Lichtverhältnissen. April 2024 33

Automationspraxis