Zusammenfassung
Die Automatisierung von Fertigungsabläufen in kleinen und mittleren Unternehmen erfordert Anlagen, die sich zur Produktion kleiner Stückzahlen bis Losgröße 1 automatisch an variierende Werkstücke und Bearbeitungspositionen anpassen. Zur Bearbeitung großer Bauteile werden dabei auf externen Positioniersystemen angebrachte Industrieroboter verwendet. Die damit einhergehende kinematische Redundanz des gesamten Bewegungssystems wird genutzt, um die Bewegungen des Endeffektors optimiert bezüglich verschiedener Gütekriterien zu gestalten. Die dabei erforderliche Bewegungsoptimierung muss echtzeitfähig implementiert und online auf speicherprogrammierbaren Steuerungen ausführbar sein. Dies ermöglicht den Einsatz der Anlage als flexibles Fertigungssystem im Hinblick auf eine kundenindividuelle Variantenfertigung und gewährleistet damit die industrielle Akzeptanz. Der Beitrag stellt den Anwendungsfall des Bahnschweißens vor, in dem zuvor offline geplante Schweißbahnen mit vorgegebener Prozessgeschwindigkeit durchfahren werden sollen. Die Redundanz des Systems wird zur Vermeidung von Singularitäten genutzt. Ferner wird der Abstand zwischen robotergeführtem Werkzeug und dem Werkstück sensiert, sodass die Bewegungen entlang der Werkzeugbahn online geregelt und prozessbedingte Abweichungen kompensiert werden können.
Abstract
The automation of production processes in small and medium-sized companies requires systems that automatically adapt to varying workpieces and processing positions for the production of small quantities up to batch size 1. Industrial robots mounted on external positioning systems are used to process large components. The resulting kinematic redundancy of the entire motion systems is used to optimize the movements of the end effector with regard to various quality criteria. The required motion optimization must be implemented real-time capable and must be executable online on programmable logic controllers. This enables the use of the plant as a flexible manufacturing system with regard to customer-specific variant production and thus guarantees industrial acceptance. The paper presents the application of path welding, in which previously offline-planned welding paths are to be followed at a specified process speed. The redundancy of the system is used to avoid singularities. Futhermore, the distance between the robot-guided tool and the workpiece is sensed so that the movements along the tool path can be readjusted online and process-related deviations can be compensated.
Über die Autoren
M. Sc. Stefan Schütz ist wissenschaftlicher Mitarbeiter in der Abteilung Scientific Automation des Fraunhofer-Instituts für Entwurfstechnik Mechatronik IEM in Paderborn.
M. Sc. Arne Rüting ist wissenschaftlicher Mitarbeiter in der Abteilung Scientific Automation des Fraunhofer-Instituts für Entwurfstechnik Mechatronik IEM in Paderborn.
Dr.-Ing. Christian Henke leitet die Abteilung Scientific Automation des Fraunhofer-Instituts für Entwurfstechnik Mechatronik IEM in Paderborn.
Prof. Dr.-Ing. Ansgar Trächtler ist der Institutsleiter des Fraunhofer-Instituts für Entwurfstechnik Mechatronik IEM und Leiter des Lehrstuhls Regelungstechnik und Mechatronik am Heinz Nixdorf Institut der Universität Paderborn.
Literatur
1. Bundesministerium für Wirtschaft und Energie. Industrie 4.0 und Digitale Wirtschaft: Impulse für Wachstum, Beschäftigung und Innovation. 2015. URL: https://www.bmwi.de/Redaktion/DE/Downloads/I/industrie-4-0-und-digitalewirtschaft.html.Search in Google Scholar
2. Automationspraxis. Exklusive Branchenumfrage: Integration von SPS- und Robotik-Programmierung Welten verschmelzen: Maschinen steuern Roboter – Automationspraxis. 2017. URL: https://automationspraxis.industrie.de/allgemein/welten-verschmelzen-maschinen-steuern-roboter/.Search in Google Scholar
3. Jörg Dani, Alexander Winkler and Jozef Suchý. “Robot Programming for Surface Finishing based on CAD Model Including External Axes”. In: ROBOTIK 2012; 7th German Conference on Robotics. 2012, S. 1–6.Search in Google Scholar
4. E. Sahin Conkur and Rob Buckingham. “Clarifying the definition of redundancy as used in robotics”. In: Robotica 15.5 (1997), S. 583–586. DOI: 10.1017/S0263574797000672.Search in Google Scholar
5. Günter Schreiber. Steuerung für redundante Robotersysteme: Benutzer- und aufgabenorientierte Verwendung der Redundanz. 2004. DOI: 10.18419/OPUS-6562.Search in Google Scholar
6. Thomas Chr. B. Buschmann. “Dynamics and Control of Redundant Robots”. Habilitation. München: Technische Universität München, 2015.Search in Google Scholar
7. Bruno Siciliano. “Kinematic control of redundant robot manipulators: A tutorial”. In: Journal of Intelligent and Robotic Systems 3.3 (1990), S. 201–212. DOI: 10.1007/BF00126069.Search in Google Scholar
8. Sarosh Patel and Tarek Sobh. “Manipulator Performance Measures – A Comprehensive Literature Survey”. In: Journal of Intelligent & Robotic Systems 77.3-4 (2015), S. 547–570. DOI: 10.1007/s10846-014-0024-y.Search in Google Scholar
9. Fabrizio Flacco and Alessandro de Luca. “Discrete-time redundancy resolution at the velocity level with acceleration/torque optimization properties”. In: Robotics and Autonomous Systems 70 (2015), S. 191–201. ISSN: 09218890. DOI: 10.1016/j.robot.2015.02.008.Search in Google Scholar
10. Khaled Al Khudir and Alessandro de Luca. “Faster Motion on Cartesian Paths Exploiting Robot Redundancy at the Acceleration Level”. In: In: IEEE Robotics and Automation Letters 3.4 (2018), S. 3553–3560. DOI: 10.1109/LRA.2018.2853806.Search in Google Scholar
11. Khaled Al Khudir u. a. “Stable Torque Optimization for Redundant Robots Using a Short Preview”. In: IEEE Robotics and Automation Letters 4.2 (2019), S. 2046–2053. DOI: 10.1109/LRA.2019.2899667.Search in Google Scholar
12. Arne Rüting, Lars Martin Blumenthal and Ansgar Trächtler. “Model predictive feedforward compensation for control of multi axes hybrid kinematics on PLC”. In: IECON 2016 – 42nd Annual Conference of the IEEE Industrial Electronics Society. IEEE, 23.10.2016–26.10.2016. S. 583–588. DOI: 10.1109/IECON.2016.7793095.Search in Google Scholar
13. Arne Rüting, Ansgar Trächtler und Christian Henke. “Umsetzung einer echtzeitfähigen modellprädiktiven Trajektorienplanung für eine mehrachsige Hybridkinematik auf einer Industriesteuerung”. In: at – Automatisierungstechnik 67.4 (2019), S. 326–336. DOI: 10.1515/auto-2018-0100.Search in Google Scholar
14. Stefan Schütz u. a. “Regelung kollaborativer Robotersysteme zur benutzerfreundlichen, flexiblen Fertigung kleiner Losgrößen am Beispiel eines halbautomatischen Schweißvorgangs”. Fachtagung Mechatronik 2019. Hrsg. von Torsten Bertram u. a. Paderborn: Universität Paderborn, 2019. ISBN: 978-3-945437-05-6.Search in Google Scholar
15. Luigi Biagiotti and Claudio Melchiorri. Trajectory Planning for Automatic Machines and Robots. Berlin, Heidelberg: Springer Berlin Heidelberg, 2008. DOI: 10.1007/978-3-540-85629-0.Search in Google Scholar
16. Michael Wenz. Automatische Konfiguration der Bewegungssteuerung von Industrierobotern. Berlin. 2008.Search in Google Scholar
17. Kevin M. Lynch and Frank C. Park. Modern Robotics: Mechanics, Planning, and Control. Cambridge University Press, 2017. ISBN: 9781316609842.Search in Google Scholar
18. Birgit Vogel-Heuser, Thomas Bauernhansl und Michael ten Hompel, Hrsg. Handbuch Industrie 4.0: Bd. 2: Automatisierung, 2., erweiterte und bearbeitete Auflage. Springer Reference Technik. Berlin: Springer Vieweg, 2017. DOI: 10.1007/978-3-662-53248-5.Search in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston
