Realisera Industrie 4.0 tillsammans med KUKA – framtiden är redan här

Begreppet Industrie 4.0 har funnits i flera år. Detsamma gäller dess tekniker, t.ex. sakernas internet, molntjänster och artificiell intelligens (AI), som redan funnits ett tag. Trots detta faktum så görs det nu betydande tekniska framsteg nästan dagligen. Tre trender utmärker sig särskilt.

Artificiell intelligens (AI) är redan idag en av drivkrafterna bakom den digitala omvandlingen – och kommer att bli ännu viktigare i framtiden. Tack vare artificiell intelligens kommer maskiner till exempel att kunna utföra förebyggande underhåll. Robotar som används i smarta fabriker håller på att förvandlas till autonoma assistenter som på egen hand lär sig sin roll i produktionen, agerar logiskt och kan kommunicera med varandra.

Maskininlärning, som är ett av de viktigaste AI-områdena för KUKA, används allt oftare och kommer snart att bli en hörnsten i våra smarta fabriker. Maskiner som på egen hand lär sig att ”förstå” de mönster och orsakssamband som de själva skapar. De ”lär sig” och reagerar på denna information i realtid genom att – helt på egen hand – förfina sina algoritmer.

Principen för blandad verklighet är lika revolutionerande. I denna kombineras teknikerna för virtuell verklighet (VR) och förstärkt verklighet (AR). Virtuell verklighet innebär att användaren är helt avskärmad från den verkliga världen och befinner sig i en virtuell miljö som kan betraktas genom ett par glasögon. I förstärkt verklighet däremot är den verkliga miljön fortfarande synlig men kompletteras med digitalt innehåll (virtuella objekt, information). I tekniken blandad verklighet kombineras virtuellt innehåll med den verkliga världen. I motsats till förstärkt verklighet projiceras inte bara innehållet i blandad verklighet utan visas som ett hologram som integreras på ett realistiskt sätt i den fysiska världen. Resultatet kan visas på mobila enheter eller i huvudmonterade skärmar, t.ex. Microsoft Hololens. Innehållet kan flyttas och ändras som vore det ett verkligt objekt.

Framtiden är alltså redan här. Men vilken praktisk nytta har dessa tekniker i industrin? Låt oss ta en titt på några av KUKA:s innovationsprojekt.

Med v?r simuleringsprogramvara KUKA.Sim kan robotar programmeras utanf?r produktionsmilj?n. Programvaran g?r det m?jligt f?r anv?ndare att interagera med en digital tvilling, d.v.s. en exakt virtuell avbild av den fysiska produktionsprocessen. Vare sig det g?ller processens utformning, visualisering av materialfl?den, flaskhalsar eller PLC-koden: 3D-simuleringen som Kuka.Sim skapar omfattar alla planeringsprocesser. Den virtuella och fysiska styrningen anv?nder samma data: Det som planeras virtuellt utf?rs p? exakt samma s?tt i verkligheten. Detta ger h?g planeringss?kerhet vid planering av produktionsprocesser tack vare att mindre arbetsinsats kr?vs och kostnaderna kan s?nkas.

H?r kan du l?sa mer om KUKA.Sim.

Om det skulle g? att f?ruts?ga livsl?ngden p? enskilda robotkomponenter, d? skulle det g? att undvika kostsamma fel och produktionsavbrott. Det ?r precis vad forskningsprojektet ”Artificiell intelligens vid f?ruts?gelser om drifts?kerhet och livsl?ngd hos industrirobotar” (KIVI) handlar om. Projektet finansieras av det bayerska delstatsministeriet f?r ekonomi, energi och teknik (StMWi). M?let ?r att kontinuerligt ?vervaka industrirobotens status f?r att m?jligg?ra f?rebyggande underh?ll (Condition Monitoring och Predictive Maintenance). F?r detta ?ndam?l ?verf?r ett antal sensorer vibrationsdata f?r enskilda robotkomponenter under p?g?ende drift. Den erh?llna datainformationen utv?rderas sedan med hj?lp av artificiell intelligens: AI-komponenten identifierar m?nster f?r hur slitage upptr?der och l?r sig beteendemodeller. Resultatet – en prototyp av en AI-verktygsl?da – befinner sig redan i utv?rderingsfasen. N?r den ?r redo f?r kommersiell anv?ndning kommer tillverkande f?retag att kunna ?ka anl?ggningstillg?ngligheten och effektivisera sina produktionsprocesser – med b?ttre resursutnyttjande som f?ljd.

Alla processer som syftar till att optimera robotdriften behöver data. Att skapa och samla in data kostar dock mycket tid och pengar. För att spara pengar kan man idag samla in data genom att simulera robotinteraktioner. Problemet: Inte ens de mest avancerade simuleringarna kan återge verkligheten perfekt. De handlingsmönster som lärs in under simuleringen kan inte överföras direkt till riktiga robotar. Denna svårighet kallas ofta för ”reality gap” eller verklighetsglapp.

Det är här som vårt projekt ”TransLearn” kommer in i bilden: Vi vill överbrygga detta verklighetsglapp genom att identifiera felen i simuleringen. Målet är en sömlös överföring av simuleringsresultaten till riktiga robotar.

Detta ger många fördelar: Det går snabbare och är enklare att programmera en robot i en simuleringsmiljö, vilket minskar programmeringskostnaderna. Dessutom kan robotar lära sig bättre och mer självständigt om det sker både i simuleringen och i den fysiska anläggningen. Tack vare inlärningsprocesser som optimeras på detta sätt kommer industrirobotar inte längre behöva programmeras på ett tidskrävande sätt, utan endast instrueras. Robotarna kommer själva att lära sig hur de kan förkorta sina cykeltider och förbruka mindre ström.

Företag med moderna produktionsprocesser måste kunna reagera snabbt på varierande efterfrågan och nya villkor. Särskilt produktionsprocessen behöver därför ofta anpassas och då själva processen eller produktionsresurserna, men även den produkt som ska tillverkas. En dylik ”kontinuerlig engineering” måste därför vara möjlig vid varje tidpunkt. Med BaSys 4 har det redan utvecklats ett grundsystem för produktionsanläggningar som möjligör effektiv förändring av produktionsprocesser. I projektet BaSys 4.2, som finansieras av bundesministeriet för utbildning och forskning (BMBF), har vi som mål att realisera ytterligare infrastrukturelement för Industrie 4.0, baserat på Industrie 4.0-plattformens koncept och standarder. Vi fokuserar på tre teman: ”middleware”, ”funktioner” och ”virtualisering”. Vi arbetar på att vidareutveckla standardiserade förmågemodeller och realisera deras användning i automatiserade förmågekontroller.

Målet är omvandlingsbara produktionsanläggningar som kan reagera intelligent och konsekvent när förutsättningarna och kraven ändras.