Robotik für die Fertigung

ME-Forscher erforschen, wie Robotik und KI dazu beitragen können, die Sicherheit von Fertigungsarbeitern zu verbessern, Prozesse zu standardisieren und vieles mehr.

Von: Lyra FontaineFoto: Dennis Wise / University of WashingtonBild oben: ME-Forscher verwenden einen Roboter mit einer 2D-Stereokamera und einem Parallelgreifer (siehe oben), der über Drucksensoren verfügt. Sie entwickelten einen Algorithmus, der erkennen kann, wenn Gegenstände aus dem Greifer rutschen.

In Zusammenarbeit mit Industriepartnern erforschen ME-Forscher Möglichkeiten, die Sicherheit der Fertigungsarbeiter zu verbessern, Inspektionen zu automatisieren und die Fähigkeiten von Robotern zur Interaktion mit Objekten in ihrer Umgebung zu verbessern.

Im UW Mechatronics, Automation and Control Systems Laboratory (MACS Lab) untersuchen Forscher, wie Maschinen und Automatisierungsprozesse das Leben der Menschen positiv beeinflussen können. Das Labor wird von Xu Chen, Bryan T. McMinn Stiftungsprofessor für Maschinenbau, geleitet.

„Künstliche Intelligenz eröffnet bedeutende neue Möglichkeiten“, sagt Chen. „Die Fähigkeit von Robotern, Objekte intelligent zu manipulieren, könnte Arbeiter bei der Erledigung von Fertigungsaufgaben unterstützen. Ich freue mich wirklich darauf, Herausforderungen in diesem Bereich zu lösen.“

Im Boeing Advanced Research Center entwickelt ME-Assistenzprofessorin Krithika Manohar Algorithmen zur Vorhersage und Steuerung komplexer dynamischer Systeme, bei denen es sich um unvorhersehbare Situationen handelt, in denen sich die Bedingungen im Laufe der Zeit ändern. Zu ihren Aufgaben gehört die Optimierung von Sensoren für die Entscheidungsfindung im Flugzeugbau.

„KI und maschinelles Lernen sind in diesem Bereich sehr wirkungsvoll, da technische Prozesse streng reguliert sind“, sagt sie. „Ihre Flugtests müssen äußerst genau sein. Um ordnungsgemäß zu funktionieren, muss ein Flugzeugflügel innerhalb eines strengen Maßbereichs liegen. Wenn KI-Modelle auf diese sehr gut kontrollierten Prozesse angewendet werden, können sie die Muster viel einfacher erlernen. Sie können die Variablen finden, die die Defekte dieser Teile beeinflussen.“

Manohar genießt es, wie ihre Arbeit auf reale Herstellungsprozesse angewendet wird, beispielsweise auf die Vorhersage von Distanzstücken in Flugzeugen.

„Ich kann sehen, wie es angewendet wird und wie es sich auf diese echten technischen Entscheidungen auswirkt“, sagt sie. „Sie können es in einem echten Flügel sehen.“

Wie bringt man Robotern bei, Objekte zu greifen und zu erkennen, wenn die Objekte verrutschen? Ein neues Projekt im MACS Lab kombiniert visuelles und taktiles Feedback in Industrierobotern, die gemeinsam mit menschlichen Arbeitern Aufgaben ausführen. Frühere Studien haben nur visuelle oder nur taktile Feedback-Algorithmen zum Ergreifen von Objekten vorgeschlagen. Dieses vom UW + Amazon Science Hub finanzierte Projekt ahmt nach, wie Menschen sowohl das Sehen als auch die Berührung nutzen, um Objekte zu greifen.

Die Forscher – darunter ME Ph.D. Student Xiaohai Hu und Masterstudenten Apra Venkatesh und Guiliang Zheng – nutzen in ihren Experimenten einen Roboter mit einer 2D-Stereokamera und einem Parallelgreifer, der über Drucksensoren verfügt. Sie haben einen Algorithmus entwickelt, der in mehr als 99 % der Fälle erkennt, wenn ein Objekt vom Robotergreifer rutscht.

Das Team testete seinen Ansatz mit zehn gängigen Objekten, darunter einem Schwamm, einer Schachtel, einem Tennisball und einem Schraubenzieher. Sie demonstrierten auch, wie man ein Buch aus einem Regal mit Gegenständen herausholt.

„Dieser Prozess scheint intuitiv zu sein, ist aber tatsächlich ziemlich dynamisch und für Greifroboter schwierig“, sagt Chen. „Robotisches Greifen ist eine komplexe Aufgabe, die das Herausfordern von Wahrnehmungsproblemen, das Planen und Ausführen präziser Interaktionen sowie den Einsatz fortgeschrittener Schlussfolgerungen erfordert. Bei unseren Demos verändert sich auch die Reibung im Laufe des Prozesses.“

Das Erkennen und Verhindern des Herausrutschens von Objekten aus dem Robotergreifer könnte eine nützliche Fähigkeit für Roboter sein, die in Umgebungen wie Lagerhäusern oder Produktionsanlagen mit Arbeitern zusammenarbeiten. Ein Greifer mit Schlupferkennungsfunktion könnte beispielsweise schwere Gegenstände wie Maschinenteile oder Automobilkomponenten halten und bewegen, zerbrechliche Gegenstände aufnehmen, ohne sie zu beschädigen, Gegenstände wie Pakete sortieren und nasse oder rutschige Gegenstände wie Obst und Gemüse handhaben.

Da sie nun ein besseres Verständnis für das Greifen haben und erkennen können, wenn Objekte verrutschen, hofft das Team, die Kraft des Greifers zu erhöhen und die Position, an der er das Objekt greift, zu ändern, um zu verhindern, dass das Objekt herunterfällt.

MACS LAB

Das UW MACS-Labor baut Roboter, die Spiele spielen, Aufgaben ausführen und die Forschung vorantreiben.

MASCHINELLES LERNEN

Maschinelles Lernen bietet enorme Möglichkeiten, die Art und Weise, wie wir Flugzeuge bauen, zu verbessern. ME-Assistenzprofessorin Krithika Manohar fängt gerade erst an.

Nach Angaben des US Bureau of Labor Statistics verzeichneten im Jahr 2021 334.500 US-Arbeiter einen nicht tödlichen Arbeitsunfall in der verarbeitenden Industrie. Bei der wiederholten Durchführung manueller Tätigkeiten im Luft- und Raumfahrtbau kann es bei Arbeitern zu Verletzungen kommen, beispielsweise beim manuellen Laminieren von Verbundwerkstoffen, bei dem Schichten aus Verbundwerkstoffen von Hand aufgetragen und geglättet werden, um sie den Teilen anzupassen, und dann ausgehärtet werden.

Manohar und Ashis Banerjee, außerordentliche Professoren für ME sowie für Industrie- und Systemtechnik, arbeiten daran, das ergonomische Risiko von Boeing-Technikern zu quantifizieren, die Verbundwerkstoffe von Hand auflegen. Dazu sammeln sie Daten von teilnehmenden Mitarbeitern, die bei ihrer Arbeit eine am Kopf montierte Bewegungsverfolgungskamera und druckempfindliche Handschuhe tragen.

Die Forscher nutzen die Daten der Kamera und der Handschuhe, um die Körperhaltung und Bewegungen eines Arbeiters im Zusammenhang mit Verletzungen automatisch zu beurteilen. Anschließend quantifizieren sie das Ausmaß des ergonomischen Risikos anhand etablierter Industriestandardmetriken. Das Projekt wird gemeinsam von The Boeing Company und dem Joint Center for Aerospace Technology Innovation (JCATI) finanziert.

„Obwohl Roboter die automatisierte Faserplatzierung durchführen können, ist es schwierig, die Leistung eines menschlichen Arbeiters zu kopieren“, sagt Manohar. „Derzeit gibt es keine Möglichkeit, quantifizierbar zu beurteilen, was mit dem Arbeitnehmer passiert, während er diese Prozesse durchführt. Wir quantifizieren das Risiko für Arbeitnehmer auf datengesteuerte Weise, anstatt eine subjektive Bewertung vorzunehmen.“

Diese Beurteilung könnte auch für Arbeiter relevant sein, die Nieten installieren oder andere Arbeiten durchführen, die eine zusätzliche Belastung für die Hände darstellen.

Hersteller schleifen Flugzeugteile, um sie vor dem Lackieren zu glätten und Mängel zu erkennen. Das MACS Lab ist Teil eines Teams mit GKN Aerospace, GrayMatter Robotics und EWI, das eine Methode zum Roboterschleifen von Flugzeugteilen entwickelt.

Das MACS-Labor konzentriert sich auf einen wichtigen Teil des Projekts: die Automatisierung der visuellen Inspektion von beschliffenen Flugzeugdächern und Windschutzscheiben. Um dies zu erleichtern, haben die Forscher einen Roboter entwickelt, der die Materialien nach dem Schleifvorgang prüft. Eine hochauflösende Kamera erfasst detaillierte Bilder der Oberfläche und erkennt Defekte wie Kratzer und Absplitterungen.

Diese Technologie könnte Arbeiter unterstützen, die die gesamte Oberfläche von Flugzeugteilen inspizieren, um Schleiffehler zu identifizieren, ein Prozess, der nur schwer zu standardisieren ist.

„Wir haben den Prozess automatisiert, um die Konsistenz zu verbessern“, sagt ME-Doktorand und MACS-Lab-Forscher Colin Acton.

Das MACS Lab beschäftigt sich seit mehr als drei Jahren mit der Roboterinspektion von Teilen. Zuvor arbeiteten sie mit GKN Aerospace an einem Projekt zur Automatisierung der Fehlerprüfung komplexer Metallteile. Die von ihnen entwickelte Technologie fand mehr als 95 % der Fehler. Derzeit arbeiten Chen und Manohar mit GE an einem Projekt zur robotergestützten Inspektion von Flugzeugtriebwerksteilen aus Verbundwerkstoffen.

Weitere an den Projekten beteiligte sind die ME-Absolventen SangYoon Back, BT Lohitnavy und Thomas Chu sowie der ME-Absolvent Hui Xiao, '21.

Die Forschung wurde vom ARM-Institut (Advanced Robotics for Manufacturing) durch einen Zuschuss des Büros des Verteidigungsministers gefördert und unter der Vertragsnummer W911NF-17-3-0004 durchgeführt. Die in diesem Dokument enthaltenen Ansichten und Schlussfolgerungen sind die der Autoren und sollten nicht so interpretiert werden, dass sie die offizielle Politik, weder ausdrücklich noch stillschweigend, des Büros des Verteidigungsministers oder der US-Regierung widerspiegeln. Die US-Regierung ist berechtigt, Nachdrucke für Regierungszwecke zu vervielfältigen und zu verbreiten, ungeachtet etwaiger Urheberrechtsvermerke hierin.