Industrieroboter sind allgegenwärtig; sie produzieren unsere Konsumgüter und unsere Fahrzeuge. Viele halten diese Technologien für simpel. Denn obwohl sie Produkte schnell und in hoher Qualität herstellen können, arbeiten sie nur mit einem begrenzten Bewegungsspielraum. Wie aufwendig ist die Programmierung eines Industrieroboters wirklich?

Tatsächlich variiert die Komplexität von Industrierobotern zwar, doch selbst die einfachste Anwendung eines Industrieroboters ist weit von Plug-and-Play-Funktionalität entfernt. Anders ausgedrückt: Ein Roboterarm, der für die tägliche Ausführung seiner Aufgaben nur begrenzte Bewegungen entlang der X-, Y- und Z-Achse benötigt, benötigt mehr als nur ein paar Zeilen Code. Mit der Weiterentwicklung der Industrierobotik und der Modernisierung traditioneller Fabriken zu intelligenten Fabriken steigt der Arbeits- und Know-how-Aufwand für die Schulung dieser künstlichen Roboter entsprechend. Werfen wir einen Blick auf einige Programmiermethoden moderner Roboter.

Teach Pendant

Der Begriff „Roboter“ ruft viele verschiedene Bilder hervor. Während die breite Öffentlichkeit einen Roboter mit etwas vergleicht, das sie aus Filmen oder dem Fernsehen kennt, besteht ein Roboter in den meisten Branchen aus einem Roboterarm, der darauf programmiert ist, Aufgaben unterschiedlicher Komplexität in akzeptabler Qualität zu erledigen.

Manchmal lassen sich während der Produktion Effizienzsteigerungen feststellen, und die Bewegungen des Roboters müssen geringfügig verändert werden. Ein Produktionsstopp zur Neuprogrammierung der Anlage wäre kostspielig und unpraktisch. Man geht davon aus, dass jede Variation dieser Bewegungen Zeile für Zeile akribisch in einen Computer einprogrammiert werden muss. Doch das ist völlig falsch.

Eine Teach-Box, allgemeiner als Teach-Pendant oder Teach-Gun bezeichnet, ist ein robustes, industriell genutztes Handgerät, mit dem der Bediener den Roboter in Echtzeit steuern, logische Befehle eingeben und die Informationen im Computer des Roboters aufzeichnen kann.

Industrieroboter arbeiten oft mit Geschwindigkeiten, die das menschliche Auge überfordern. Ein Bediener kann die Geschwindigkeit mithilfe eines Programmierhandgeräts jedoch verringern, um die Bewegungen des Roboters an die Verfahrensänderungen anzupassen. Für jeden, der schon einmal einen Videospiel-Controller bedient hat, mag dieser Vorgang einfach klingen, doch es gehört weit mehr dazu, als nur zu wissen, wie man Eingaben macht. Der Bediener muss sich beispielsweise den effizientesten Weg des Roboters vorstellen können, damit die Bewegungen strikt auf das Notwendige beschränkt bleiben. Unnötige Bewegungen oder Zeitüberschreitungen, egal wie gering sie erscheinen, können sich negativ auf die Leistungsfähigkeit einer Produktionslinie auswirken. Über einen längeren Zeitraum hochgerechnet, kann ein in einen Roboter eingezeichneter ineffizienter Weg zu erheblichen finanziellen Verlusten für den Hersteller führen.

Natürlich muss auch die Geschwindigkeit jeder Bewegung berücksichtigt werden, damit der Roboter möglichst oft Gelenkbewegungen ausführen kann. Diese Bewegungen sind aus Bewegungssicht effizienter, vorausgesetzt, ein Programmierer verfügt über die nötige Erfahrung. Diese Art der Programmierung mag zwar für einen Beobachter einfach erscheinen, tatsächlich kann es jedoch Jahre dauern, bis man sie beherrscht. Teach Pendants gibt es schon seit Jahren und sie sind nach wie vor ein fester Bestandteil der Roboterprogrammierung.

Offline-Simulationen

Eines der größten Risiken bei der Programmierung eines Industrieroboters in der Fabrikhalle sind die daraus resultierenden Ausfallzeiten. Ein Programmierer muss mit der Maschine kommunizieren, Codeänderungen vornehmen und die Bewegung der Anlage im Produktionskontext testen, bevor der Betrieb wieder aufgenommen werden kann. Glücklicherweise können mit Offline-Simulationssoftware alle vom Bediener geplanten Codeänderungen simuliert und Fehler behoben werden, bevor das Programmupdate live geht – und das alles ohne Betriebsunterbrechung. Offline-Simulationen sind finanziell unbedenklich und stellen keine Gefahr für den Bediener dar, da sie auf einem PC außerhalb der Fabrikhalle ausgeführt werden können.

Es gibt viele verschiedene Arten von Programmen, die Offline-Simulationsfunktionen bieten, aber das Prinzip ist dasselbe: Erstellen einer virtuellen Umgebung, die den Herstellungsprozess darstellt, und Programmieren der Bewegungen mithilfe eines komplexen 3D-Modells.

Es ist zu beachten, dass kein Programm grundsätzlich besser ist als ein anderes, aber je nach Komplexität der Anwendung kann ein Programm vorzuziehen sein. Das Schöne an dieser Art der Programmierung ist, dass der Programmierer nicht nur Roboterbewegungen programmieren, sondern auch die Kollisions- und Beinaheunfallerkennung implementieren und deren Ergebnisse anzeigen sowie Zykluszeiten aufzeichnen kann.

Da das Programm unabhängig vom Gerät auf einem externen Computer erstellt wird (und nicht manuell, wie dies beim Teach Pendant-Lernen der Fall ist), können Hersteller von der Produktion kleiner Stückzahlen profitieren, indem sie einen Prozess schnell automatisieren können, ohne den normalen Betrieb zu beeinträchtigen.

Während die Programmierung mit einem Teach-Pendant einen sehr differenzierten Ansatz für Roboteranpassungen in der Fabrikhalle bietet, ist es wohl vorteilhafter, Programmieraktualisierungen in einer Testumgebung ausführen zu können, bevor der Code in der physischen Ausrüstung aktualisiert wird.

Programmieren durch Demonstration

Diese Methode ähnelt weitgehend dem Programmierhandgerät. Wie beim Programmierhandgerät kann der Bediener dem Roboter beispielsweise eine Reihe neuer Bewegungen mit hoher Präzision „zeigen“ und die Informationen im Computer des Roboters speichern. Es gibt jedoch einige Vorteile, die beide Verfahren unterscheiden. Beispielsweise ist das Programmierhandgerät ein hochentwickeltes Handgerät mit zahlreichen Bedienelementen und Funktionen. Bei der Programmierung durch Demonstration steuert der Bediener den Roboterarm in der Regel mit einem Joystick (anstelle einer Tastatur). Dies vereinfacht und beschleunigt den Programmiervorgang erheblich – zwei Dinge, die zu weniger Ausfallzeiten führen.

Diese Art der Roboterprogrammierung erfordert außerdem weniger Zeit, bis ein Bediener sie beherrscht, da die Aufgabe selbst weitgehend auf dieselbe Weise programmiert wird, wie ein menschlicher Bediener sie ausführen würde.

Die Zukunft der Roboterprogrammierung

Alle diese Programmiermethoden haben ihre Berechtigung in der Welt der Industrierobotik, doch keine ist perfekt. Entwicklung und Einsatz jeder Methode können die Produktion behindern und die Kosten für den Hersteller erhöhen. Es braucht Zeit, um dem Roboter die Ausführung der Aufgabe beizubringen. In vielen Fällen kann die erforderliche Zeit je nach Anwendung stark variieren, da die Fähigkeiten des Bedieners oder Technikers unterschiedlich sind.

Stellen Sie sich jedoch vor, ein Industrieroboter müsste nur „sehen“, wie eine Aufgabe erledigt wird, um sie immer wieder fehlerfrei ausführen zu können. Die Kosten und der Zeitaufwand für die Programmierung von Industrierobotern würden erheblich sinken.

Wenn Ihnen das zu schön erscheint, um wahr zu sein, sollten Sie einen genaueren Blick auf die Robotikbranche werfen. Diese Art des Robotertrainings ist bereits in den Köpfen der Entwickler von Industrierobotern verankert. Die Theorie hinter der Technologie ist fundiert: Ein Bediener zeigt dem Roboter, wie er eine bestimmte Aufgabe ausführt, und überlässt ihm die Analyse dieser Informationen, um die effizienteste Bewegungsabfolge für die Nachbildung der Aufgabe zu bestimmen. Während der Roboter die Aufgabe lernt, entdeckt er neue Wege, die Ausführung der Aufgabe zu verbessern.

Komplexere Roboter programmieren

Da immer mehr Fabriken zu intelligenten Fabriken werden und mehr autonome Geräte installiert werden, werden die Aufgaben der Roboter komplexer. Die Methoden, mit denen wir diese Roboter heute programmieren, werden sich jedoch weiterentwickeln müssen. Obwohl die heutige Programmierung bereits beachtliche Ergebnisse liefert, besteht kaum Zweifel daran, dass künstliche Intelligenz eine wichtige Rolle bei der Lernfähigkeit von Robotern spielen wird.