Nutzung von Deep Learning und Cloud-Technologie für verbesserte Kontrolle

Es kommt vor, dass ein völlig autonomer Industrieroboter seinen Platz in der Fabrik nicht findet. Es ist schwer, die Wege, die er nehmen würde, im Voraus zu definieren, da sich die Organisation der Werkshalle ändert oder es keine festen Gänge gibt. Manchmal werden Roboter mit zuvor nicht definierten Aufgaben betraut (z. B. mit der Lieferung eines fehlenden Bauteils an einen bestimmten Ort). Dann muss der Roboter einem Bediener folgen, der die Aufgabe gut kennt und in der Lage ist, einen Weg vorzugeben.

Hallo, folgen Sie mir

Wir treffen oft auf Situationen, in denen die Produktionshalle umgestaltet wird und der Roboter nicht permanent denselben Wegen folgen kann, weil es diese nicht gibt. Deshalb haben wir es auf uns genommen, das richtige System zu entwickeln - einen Roboter, der dem Bediener folgt. Zu diesem Zweck haben wir eine Stereokamera mit zwei Objektiven verwendet. Anhand des von ihnen aufgenommenen Bildes können wir die Entfernung zwischen dem Bediener und der Kamera schätzen, was die Verfolgung des Bedieners erleichtert.

Wir haben auch deep machine learning im System verwendet, Netzwerke wie Faster R-CNN für die Menschenerkennung und Tracking-Algorithmen - klassische Computer-Vision-Algorithmen und One-Shot-Learning. Das Ganze ist in die AWS-Cloud integriert, die für die Sprachinterpretation, die Steuerung des Roboters mit der Stimme und die Biometrie und Erkennung des Bedieners anhand seines Fotos zuständig ist. Auf diese Weise stellen wir sicher, dass keine unbefugte Person die Kontrolle über den Roboter übernimmt.

Damit der Roboter anfängt, dem Bediener zu folgen, muss sich der Bediener nähern und vorstellen. Hierfür verwenden wir DeepLens, ein von Amazon entwickeltes Gerät, das Audio- und Videodaten in die AWS-Cloud streamen kann. Das Audio von diesem Gerät wird in der Cloud analysiert. Wenn der Satz "Hi, follow me" erkannt wird, überprüft der Roboter, ob die Person, die vor der Kamera steht, in der Datenbank der Personen eingetragen ist, die die Erlaubnis haben, ihn zu steuern. Durch den Einsatz von Amazon Rekognition wird sichergestellt, dass nur autorisierte Personen den Roboter steuern können. Nach der ersten Verifizierung mit dem Fast R-CNN-Netzwerk erkennen wir den Bediener, und dank proprietärer Algorithmen beginnt der Roboter, ihm zu folgen und z. B. als Gepäckträger zu fungieren. Die Einheit dreht sich und beschleunigt wie der Bediener, so dass sie nicht gegen ein Hindernis stößt. Dies erleichtert die Bedienung der Produktionslinie und die Versorgung mit den notwendigen Komponenten, die knapp sind.

Kommunikation mit der Hardware

Für selbstfahrende Kinderwagen ist es wichtig, sie mit zusätzlichen Elementen auszustatten, die externe Reize aufnehmen. Wenn ein Wagen die Aufgabe hat, einen Gegenstand von Punkt "A" zu mehreren Punkten zu bringen, muss er Informationen über diese Punkte erhalten. Zu diesem Zweck haben wir eine Technologie von PGS Software eingesetzt, die mit Ultraschallwellen arbeitet. Sie ermöglicht es, Informationen von den Artikeln auf dem Wagen zu lesen und sie an die richtigen Stellen zu bringen. In der Praxis sieht es so aus, dass der Fahrer den Wagen hinter sich herzieht und die Bestellung abschließt, während der Roboter mit den Informationen darüber, was und wo er transportiert, selbstständig weiterarbeitet.

Damit unser System mit Netzwerklösungen kommunizieren kann, verwenden wir das TCP/IP-Kommunikationsprotokoll, das uns die Übertragung von Informationen zum und vom Wagen ermöglicht. Wir sind in der Lage, alle Anwendungsanforderungen mit einem Netzwerk und einer Topologie vollständig zu erfüllen. Auf diese Weise können wir alle Elemente so kombinieren, dass sie den angenommenen Auftrag erfüllen.

Wichtig ist, dass wir den Wagen mit verschiedenen Komponenten und weiteren Sinnen zur Selbsterkenntnis der Anwendung und des Zustands des Wagens ausstatten können. Durch den Einsatz von Sensoren zur Überwachung des Betriebszustands der Maschine können wir die Bediener über etwaige Fehler informieren, die unterwegs aufgetreten sein könnten.

RFID-Anwendungen

Ein Standard-RFID-System besteht aus einem Prozessor, einem Kopf und einem Datenträger. Der RFID-Prozessor ist für die Kommunikation mit dem übergeordneten Steuersystem zuständig und überträgt die Steuerinformationen an den Kopf. Der Kopf (oder die Antenne) wiederum ist für die physikalische Umsetzung der Identifikation beim Lesen oder Schreiben von Daten zuständig. Der Datenträger wird auf dem zu identifizierenden Objekt angebracht. Er enthält eine ID-Nummer und kann auch einen Benutzerbereich enthalten, einen Datenbereich, in den frei geschrieben und aus dem frei gelesen werden kann.

In dem oben genannten Projekt wurde der kompakte und universelle BIS V-Prozessor verwendet. An ihn können bis zu vier Köpfe angeschlossen werden. Dieses spezielle Modell verfügt über eine Ethernet TCP/IP-basierte Protokollkommunikation und einen IO-Link-Port, der ein IO-Link-Master ist. Jedes IO-Link-Gerät kann daran angeschlossen werden.

Wir können jeden Frequenzstandard an jeden der vier Ports anschließen. Je nach den Anforderungen der Anwendung können die Technologien UHF (BIS VU), HF (BIS VM) und LF (BIS C und BIS VL) verwendet werden. Jede dieser drei Technologien zeichnet sich durch bestimmte Merkmale aus, um unterschiedlichen Anwendungsanforderungen gerecht zu werden. Mit der UHF-Technologie können mehrere Medien gleichzeitig und aus großer Entfernung gelesen werden. Je nach Einstellung, Größe und Art der Antenne sprechen wir von Entfernungen von bis zu sechs Metern. Leider reagiert diese Technologie empfindlich auf Umweltbedingungen - das Vorhandensein von Metallstrukturen oder Wasser beeinträchtigt den Betrieb des gesamten Systems.

Bei der HF-Technologie wird jeweils nur ein Medium von einem einzigen Kopf bedient. Auch die Arbeitsabstände sind wesentlich geringer - wir sprechen hier von einigen wenigen bis zu mehreren Dutzend Zentimetern. Dennoch können wir mit dieser Technologie in kurzer Zeit eine große Datenmenge verarbeiten.

Wir haben viele Köpfe und Träger zur Auswahl, auch für spezielle Aufgaben und Bedingungen. Die LF-Technologie ist langsamer als die HF-Technologie und kann weniger Daten verarbeiten, ist aber viel billiger und metallbeständig. Wenn Sie sich dafür entscheiden, nur die ID-Nummer zu lesen, und die Anwendung stationär und nicht unterwegs erfolgt, ist ein solches System vielleicht ausreichend.

Vorteile

In intelligenten Lagern ist es wichtig, dass die Informationen die Systeme, die sie verwalten, nahezu in Echtzeit erreichen. Der Einsatz eines Gabelstaplers, der dem Bediener folgt und bestimmte Pakete aus den Lagerregalen holt, erhöht die Effizienz der Mitarbeiter. Der Wagen ist immer zur Hand, er muss nicht bewegt werden, und dank der RFID-Technologie können wir seinen aktuellen Status in Echtzeit analysieren. So weiß das Lagerverwaltungssystem, was in nächster Zeit zu erwarten ist und welche Pakete in die nächste Phase der Versandabwicklung kommen.

Mit dieser Lösung kann ein Mitarbeiter, der die Liste der Produkte kennt, die Bestellung sehr schnell abschließen, indem er die Artikel einfach auf den Wagen legt. Der Roboter erkennt sie und legt seinen eigenen Weg fest, auf dem er weiterfahren soll.

Wenn die Bestellung nicht vollständig ist oder wenn ein Fehler vorliegt und ein falscher Artikel der Bestellung hinzugefügt wird, wendet die Technologie einen Selbstkontrollmechanismus an und zeigt an, wo der Fehler aufgetreten ist. Dies entlastet die Mitarbeiter von Nachprüfungen bei der Auftragserfüllung.

In einer modularen Produktionslinie kann ein Umrüstarbeiter eine Matrize oder Werkzeuge auf einen Wagen laden. Der Roboter ist in der Lage, sie an ihren Bestimmungsort zu transportieren und die Produktionsplätze zu nutzen, an denen die Umrüstung vorgenommen wird. In diesem Fall ist es wichtig, dass ein bedienergeführter Wagen perfekt für eine Umgebung geeignet ist, in der Hindernisse umgangen und Wege geändert werden müssen.

Dank der Begleitung des Roboters kann der Bediener, der die Linie manuell umrüstet, viel mehr Komponenten aus dem Lager nehmen und spart so Zeit, um die für die Umrüstung des nächsten Slots benötigten Teile zu holen. Auf diese Weise wird die Umrüstung der Linie zu einer weniger zeitaufwändigen Aufgabe und ermöglicht eine schnellere Anpassung der Linie an die aktuellen Produktionspläne.