Intelligente Sortierung unterschiedlicher kleiner Teile auf piezoelektrischen Schwingförderern

Der Trend hin zu individualisierten Produkten erfordert die automatisierte Fertigung immer kleinerer Losgrößen. Dies hat die Entwicklung neuer Methoden und Ansätze der intelligenten Datenverarbeitung, wie dem Machine Learning, hin zu wandlungsfähigen und selbstoptimierenden Produktionssystemen angeheizt. Jedoch besteht noch immer eine Barriere für die wirtschaftliche Herstellung innovativer mikrotechnischer Produkte kleiner und mittlerer Stückzahlen mangels ausreichend flexibler Produktionseinrichtungen. Eine große Herausforderung stellt z.B. die Handhabung vieler neuer und empfindlicher Materialien dar. Entscheidend ist hierbei die geeignete, flexible Zuführung der Bauteile.

Daher wurde am wbk Institut für Produktionstechnik ein modulares Zuführsystem aus individuell ansteuerbaren Schwingförderern und einer bildverarbeitenden Objekterkennung entwickelt, welches unterschiedlichste kleine Bauteile mit dem Prinzip der Gleitförderung im zweidimensionalen Raum vereinzeln, sortieren und positionieren kann. Da mit diesem System die geordnete Zuführung ohne bauteilangepasste mechanische Ordnungsschikanen und Greifer ermöglicht wird, kann eine hohe Flexibilität bzgl. dem Wechsel von Teiletypen erreicht werden. Zur Realisierung einer hohen Produktivität ist jedoch eine intelligente Prozesssteuerung mit bauteilangepassten Förderparametern notwendig.

Zur Steuerung des Zuführsystems wird ein lernfähiger Agent eingesetzt. Dieser basiert auf dem Deep Reinforcement Learning. Somit können mittels Wissen aus der Förderhistorie vorrauschauend die besten Aktionen ausgewählt werden, um situationsabhängig Vereinzelungsstrategien abzuleiten und somit die Produktivität zu steigern.

Einer der Hauptfragen die mit dem Versuchsstand geklärt werden sollen, ist wie die Zeit zum lernen reduziert werden kann.