Engineering von Machine-Learning-basierten Assistenzsystemen für datenintensive industrielle Szenarien

2 Zielsetzung

Das Ziel des mit drei Millionen Euro an der TU Ilmenau seit dem 01.05.2019 durch die Carl-Zeiss-Stiftung geförderten fünfjährigen Projektes „Engineering for Smart Manufacturing“ (E4SM) ist die Erforschung innovativer Methoden für die Entwicklung und den Betrieb von auf maschinellem Lernen basierenden Assistenzsystemen für die intelligente Fertigung in industriellen Anwendungsszenarien. Im Kontext von Industrie 4.0 sollen dabei insbesondere die Anforderungen und Besonderheiten bei Fertigungs- und Montageprozessen kleiner und mittelgroßer Unternehmen (KMU) berücksichtigt werden. Das Ziel besteht darin, den Einsatz von maschinellem Lernen und Assistenzsystemen für KMUs besser plan- und beherrschbar zu gestalten und somit die Einstiegshürden für den Einsatz dieser Technologien zu senken.

3 Untersuchungsrahmen

Als exemplarische und zudem übertragbare und demonstrierbare Anwendungsszenarien wurden in Abstimmung mit den assoziierten Partnern, dem Thüringer Zentrum für Maschinenbau (ThZM) und dem Mittelstand 4.0-Kompetenzzentrum Ilmenau, das “Vorrichtungsfreie Laserstrahlschweißen” und die “Variantenreichen Montageprozesse” identifiziert, in deren Kontext die in diesem Vorhaben bearbeiteten Methoden und Techniken erforscht, erprobt und demonstriert werden sollen.

Beim Laserstrahlschweißen ergibt sich prozessspezifisch eine relative Verschiebung der Bauteile zueinander, die eine genaue Positionierung und Fixierung erforderlich machen. Die benötigten (Spann-)Vorrichtungen stellen einen hohen Kostenfaktor dar. Könnten jedoch visuell geführte Robotersysteme die Teile aktiv halten und die Bewegung des Festspannens nachbilden, entfiele eine produktspezifische Spannvorrichtung. Es würde erstmalig ermöglicht, auf teure zeitintensive Betriebsmittel zu verzichten und eine flexiblere Aufteilung der Fertigungsabläufe zu erzielen.

In Fertigungsprozessketten für variantenreiche Kleinserien gibt es immer anspruchsvolle, feinmotorische Teilaufgaben, die von Robotern noch nicht sinnvoll und wirtschaftlich übernommen werden können und die daher vom Menschen durchgeführt werden. Reibungslose und effektive Abläufe erfordern daher eine enge und abgestimmte Kollaboration von Mensch und Assistenzroboter. Zur Unterstützung des Montageprozesses sollen mobile robotische Montageassistenten eingesetzt werden, die aufbauend auf initialem Wissen und Erfahrungen im Wechselspiel mit dem Menschen im Interaktionsprozess hinzulernen können, zunehmend proaktiver werden und ihre Handlungen so kontinuierlich verbessern.

Eine Besonderheit des Vorhabens E4SM ist die klare Fokussierung auf integrierte und ganzheitliche Engineering-Methoden für den Einsatz von lernbasierten Assistenzsystemen in der Fertigung. So sollen entwickelte Teillösungen in den wichtigen Kernbereichen kollaborative Assistenzrobotik, Management und Analyse heterogener Datenmengen aus industriellen Fertigungsprozessketten sowie IT-Security und IT-Safety mithilfe eines ganzheitlichen (Software-)Entwicklungsprozesses integriert werden.