Stets einsatzfähig Diese Tipps schaffen ausfallsichere Industrieroboter

Anbieter zum Thema

Stöcklin Logistik AG

Malorg Consulting GmbH

HOPPE Unternehmensberatung

AITAD GmbH

Mit künstlicher Intelligenz (KI) können Roboter zuverlässiger gemacht werden, so der Embedded-KI-Anbieter Aitad. Der Gründer des Unternehmens redet hier aus dem „Nähkästchen“.

Bei einem angenommenen Maschinenstundensatz von 2.500 Euro wird der Ausfall eines Roboterarms oder Industrieroboters schnell teuer, wie Viacheslav Gromov, Gründer des Embedded-KI-Anbieters Aitad, weiß. Deshalb gilt es, technisch bedingte Betriebsunterbrechungen möglichst zu vermeiden. Und zwar ganz egal, ob nur ein Roboterarm oder viele hundert Industrieroboter in einem Betrieb zum Einsatz kommen. Denn ein Ausfall führe nicht nur zum Produktionsstillstand, sondern habe auch massive Auswirkungen auf die Lagerhaltungskosten. Viele kritische Ersatzteilkomponenten müssten sonst ständig vorgehalten werden.

Gromov: „Offizielle Zahlen zu den Ausfallzeiten von Produktionsrobotern sind nur schwer zu erhalten. Gleichzeitig variieren diese Zahlen sehr stark, sodass es schwerfällt, sich ein realistisches Bild der entstehenden Ausfallkosten zu machen.“ Man kenne aber zuverlässig die Ausfallkosten in der Automobilindustrie, die sich jährlich auf hohe Millionenbeträge pro Betrieb summierten. Typische Ausfallkomponenten sind Gelenke, Antriebe und Hydraulik, so die Erfahrung des Experten. Schon aufgrund des natürlichen Abnutzungsprozesses verlieren Roboterarme mit der Zeit an Präzision, heißt es weiter. Doch man könne dagegensteuern.

Weg von starren Wartungsmodellen für Roboter

Diesem Problem begegnen die Roboterhersteller mit mehr oder minder starren Wartungsmodellen, sagt Gromov. Aktuell üblich sind korrektive respektive präventive Modelle. Punktuelle, korrektive Wartungen führten aber zu einer schnelleren Abnutzung der Roboterkomponenten. In der Praxis zeigt sich laut Aussage von Gromov, dass Roboterarme oft nur dann gewartet werden, wenn sie reparaturbedürftig sind oder die Betriebsstundenzahl das verlangt. Oder die Wartung erfolgt präventiv ohne Berücksichtigung des Maschinenzustands. „Roboterhersteller implementieren deshalb Condition-Monitoring-Systeme. Dabei wird auf Basis des Ist-Zustands eines Roboters eine Vorhersage für den künftigen Wartungsbedarf getroffen“, merkt Gromov an. Allerdings blieben die Prognosen vergleichsweise vage. Unter dem Strich sei Condition Monitoring nur eine verfeinerte Ausfallerkennung. Besser wäre der Weg zur vorausschauenden Wartung (Predictive Maintenance), die deutlich mehr Vorteile bringe.

Viele Daten sind gut, aber wie überträgt man diese?

In der Praxis zeigt sich auch, dass es gar nicht so einfach ist, die richtigen Daten über Systeme beziehungsweise Roboter zu sammeln und diese dann für einen effektiven Nutzen auszuwerten, registriert Gromov. Und viele Roboter würden noch immer mit wenigen, teilweise nicht sehr leistungsstarken Sensoren überwacht, die nur ein Teilspektrum der Daten erfassen. Doch die Denkweise „viel hilft viel“, die sonst eher kontraproduktiv ist, trifft hier zu, betont der KI-Experte. Je mehr Daten also durch die Überwachung gesammelt und ausgewertet werden könnten, desto zuverlässiger ließen sich Aussagen über den künftigen Maschinenzustand treffen. Doch ein weiteres Hindernis ist die Netzwerkkapazität. Eine tiefe Beobachtung, etwa mit Blick auf Vibrationsdaten, erzeugt nämlich oft sehr große Datenmengen, die kaum noch über die Netzwerkinfrastruktur übertragbar sind, merkt Gromov an. „Dieser Schwierigkeit wird heute meist mithilfe sogenannter Edge-Lösungen begegnet. Dabei versucht ein Algorithmus, den relevanten Datenanteil herauszufiltern und nur diesen an die Steuerung zu übertragen, wo dann die eigentliche Auswertung erfolgt“, erklärt der Aitad-Gründer. Das aber, muss der Experte zugeben, erfordert immer noch ein hohes Maß an teurer Rechenleistung und geht auf die Auslastung des Systems.

Die günstigere Roboteroptimierung heißt Embedded-KI

Will man die Ausfallwahrscheinlichkeit von Robotern faktisch völlig eliminieren und gleichzeitig die Kosten dafür senken, bietet sich laut Gromov die Auswertung der Sensordaten am Ort des Entstehens an. Das ist keine Zukunftsmusik, sondern seit wenigen Jahren durch die steigende Leistungsfähigkeit von Halbleitern schon möglich, auf denen mittels spezieller Verfahren eine KI „embedded“ läuft. Solche Embedded-KI-Sensoren übertragen nämlich nur noch das Auswertungsergebnis und reduzieren so das Übertragungsvolumen auf ein Minimum. Gleichzeitig steige die Fähigkeit zur Verarbeitung auch sehr großer Datenmengen, was eine deutlich tiefere und präzisere Auswertung ermögliche. Gromov: „Setzt man in Robotern also Embedded-KI ein, ist nicht nur der aktuelle Abnutzungsgrad erkennbar. Denn es werden auch präzise Vorhersagen zur Lebensdauer eines Bauteils oder auch der gesamten Maschine möglich (Predictive Maintenance).“ Embedded-KI biete im Vergleich zu der bei Edge-Systemen eingesetzten Algorithmik den Vorteil, dass auch komplexe und sonst unvorhersehbare Ereignisse als Anomalie erkannt und entsprechende Aktionen ausgelöst würden. So könnten beispielsweise untypische Vibrationsmuster einen Getriebeschaden ankündigen.

Und Embedded-KI hat nicht nur den Vorteil der tieferen Datenauswertung. Denn aufgrund des geringen Ressourcenbedarfs ist sie nicht so teuer. Es gibt also deutlich mehr Leistung für weniger Geld. „Wartungsintervalle werden durch eine effiziente Servicestrategie ersetzt, was jedem nützt, der mit Robotern zu tun hat“, so Gromov.

Auf der nächsten Seite erfährt man, warum man kein Baukastensystem braucht und wie man die Funktionsweise von Robotern verbessern kann ...

(ID:49657643)