FlexCab – flexible, intelligente Kabelmontage

Ausgangssituation

Mit dem Wandel hin zur Elektromobilität kommt der wirtschaftlichen Montage von Hoch- und Niedervolt-Steckverbindungen im Automobilbau erhebliche Bedeutung zu. Die mühselige Montage der Stecker ist dabei fast ausschließlich Handarbeit und damit kognitiv belastend für die Werker. Alternativ sind am Markt hochspezialisierte Automaten verfügbar, die jedoch nur für entsprechend hohe Stückzahlen geeignet sind. Zudem sind gegenwärtige automatisierte Montagelösungen aufgrund von Toleranzen und Ungenauigkeiten störanfällig.

Firmen der Kabelbranche benötigen daher innovative Automatisierungslösungen, um auch in Zukunft wirtschaftlich in Baden-Württemberg fertigen zu können. Die Firma Schleuniger möchte Kabelkonfektionären dafür neue vielversprechende Automatisierungslösungen anbieten. Im Rahmen des Quick Checks sollten initial flexible, intelligente Robotersysteme strukturiert analysiert werden, um zielgerichtet deren Potenziale zu nutzen.

Lösungsidee

Im Rahmen vorangegangener Forschungsarbeiten am Fraunhofer IPA identifizierten die Forscher die kraftgeregelte, roboterbasierte Ausführung von Montageprozessen für die Kabel- und Steckermontage als vielversprechende Lösung in der Kabelkonfektion. Zukünftig kann die Kombination roboterbasierter Automatisierung mit Künstlicher Intelligenz (KI) ebenfalls eine vielversprechende Erweiterung für die langfristig wirtschaftliche Montage von Steckverbindungen darstellen. Hier kann KI insbesondere bei der Programmierung des Roboters unterstützen, um flexibel auf Abweichungen wie z.B. Bauteilpositionen im Prozess zu reagieren.

Nutzen

Flexible, roboterbasierte Automatisierungslösungen für die Montage von Steckverbindungen adressieren direkt den aktuellen Schmerz der Kabelkonfektionäre sowie der kabelverarbeitenden Industrie allgemein, um langfristig Produktionskapazitäten in Baden-Württemberg halten zu können. Kraftgeregelte Roboterskills und deren Parametrierung mittels KI reduzieren den Programmieraufwand des Roboters erheblich. Skill-basierte, lauffähige Roboterprogramme können durch Anpassen der Parameter zudem aufwandsarm für neue Produkte und Prozesse wiederverwendet werden. »Parametrieren statt Programmieren« bietet dabei eine geeignete Ausgangsbasis, um zukünftig Modelle mittels Deep Reinforcement Learning oder Supervised Learning zu trainieren, um bauteil- und prozessabhängig die passenden Skill-Parameter zu identifizieren und auf Toleranzen im Prozess zu reagieren.

Umsetzung der KI-Applikation

Ziel des Quick Checks war, zu untersuchen, ob die automatisierte Steckermontage grundsätzlich mithilfe intelligenter Robotersysteme realisierbar ist. Zu diesem Zweck führten die Forscher am Fraunhofer IPA erste prototypische Untersuchungen einzelner Teilprozessschritte auf einer ihrer Roboterzellen durch. Dabei nutzten sie den modularen Programmierbaukasten »pitasc« als Basis für KI-basierte Erweiterungen, wie z.B. die Prozessüberwachung mittels Supervised Learning oder das Training von Skill-Parametern in der Simulation.