Vorteile von Cobots in Prozessen

Cobots revolutionieren Prüfprozesse durch eine ganze Reihe von Vorteilen. Die Zusammenarbeit von Mensch und Maschine ist so gestaltet, dass beide Akteure ihre Stärken voll ausspielen können:

Was ist das CogeP-Projekt?

Trotz der Vielzahl an Vorteilen und der hohen Flexibilität ist die Verbreitung von Cobots in industriellen Prüfprozessen noch sehr begrenzt. Das liegt insbesondere an der geringen Adaptierbarkeit bereits vorhandener Lösungen für veränderte Prüfumgebungen.

Das Projekt CogeP hat sich deshalb zum Ziel gesetzt, ein umfangreiches Lösungsmuster zu entwickeln, mit dem kollaborative Prüfsysteme flexibel und wandelbar eingesetzt werden können. Die Abkürzung CogeP steht für Cobot-gestützte Prüfplätze für intelligente technische Systeme.

Aufgrund der komplexen technischen Problemstellungen haben die Partner Diebold Nixdorf, Fraunhofer IEM und die verlinked GmbH ihre Expertise gebündelt. Unter dem Dach des Technologienetzwerks it’s owl haben sie in engem Austausch zwei funktionsfähige Demonstratoren für Cobot-gestützte Prüfplätze entwickelt.

Case Study: Mensch-Roboter-Kollaboration (MRK) in der Qualitätskontrolle

Das CogeP-Projekt bewegt sich an der Schnittstelle zwischen Test- und Prüfprozessen, Digitalisierung und IoT sowie industrielle Automatisierung und kollaborativer Robotik. Durch die Überschneidung der Themenfelder entsteht eine Vielzahl von Herausforderungen, die beispielsweise die Gewährleistung der Arbeitsplatzsicherheit betreffen. Trotz dieser Schwierigkeiten realisierte das CogeP-Projekt gleich zwei Prüfszenarien und bewies damit die Adaptierbarkeit des kollaborativen Prüfprozesses.

Szenario 1: Echtgeldtest mit Cobots

Bei der Umsetzung eines Cobot-gestützten Echtgeldtests übernimmt ein einzelner kollaborativer Roboter die Rolle von drei Prüfern, die herkömmlich jeweils ein Ausgabemodul testen. Der Cobot entnimmt zur Qualitätssicherung Bündel von Banknoten und führt diese einem Ein/Ausgabemodul zu.

Im Gegensatz zum herkömmlichen Testvorgang stehen dadurch Informationen sowohl zur Einzahlung als auch zur Auszahlung zur Verfügung, die automatisiert miteinander verglichen werden können. Außerdem erfasst der Cobot, mit welcher Qualität das Bündel aus Scheinen präsentiert wird und stellt damit zusätzliche Analysedaten zur Verfügung.

Die Auswertung der Informationen erfolgt mithilfe eines digitalen Zwillings in einer IoT-Plattform bereits parallel zum Test. Der Vorgang kann dadurch bei Problemen sofort unterbrochen und der Prüfling auf Fehler getestet werden.

Durch den Einsatz von kollaborativer Robotik konnte das Unternehmen Diebold Nixdorf die Datenanalyse nicht nur automatisiert gestalten und insgesamt die Effizienz steigern. Es konnte auch eine monotone Aufgabe durch einen modernen Arbeitsplatz ersetzt werden.

Szenario 2: Automatisierte Bedienfeldprüfung

Im Rahmen der automatisierten Bedienfeldprüfung fährt ein Cobot verschiedene Positionen an, um die unterschiedlichen Prüfmerkmale eines Bedienfelds aufzunehmen. Eine Deep-Learning-Kamera erfasst dabei die Stellungen von Schrauben und Steckern und überträgt die Daten automatisiert in ein IT-System.

Dort analysiert ein trainierter Algorithmus die Prüfmerkmale und wertet aus, ob alle Verbindungen korrekt montiert sind. Er erkennt dabei auch, ob Schrauben nur teilweise eingedreht oder Stecker nur annähernd eingesteckt sind. Die Ergebnisse protokolliert der Algorithmus anschließend in einer IoT-Plattform.

Die automatisierte Bedienfeldprüfung berücksichtigt die Besonderheiten der jeweiligen Produktreihe und ist damit weniger fehleranfällig als ein klassischer Prüfvorgang durch einen Mitarbeiter. Zusätzlich ist die Lösung in hohem Maße skalierbar, da sie Prüfvorgänge weitgehend eigenständig durchführen kann.