SeConRob

Projektbeschreibung

Die Automatisierung komplexer Fertigungsprozesse stellt die Industrie vor große Herausforderungen, insbesondere wenn aufeinanderfolgende Prozessschritte voneinander abhängig sind. Ein typisches Beispiel ist die Kombination aus industrieller Qualitätsprüfung und anschließender Nacharbeit: Erkannte Defekte bestimmen, welche Bearbeitungsschritte erforderlich sind und wie diese ausgeführt werden müssen.

Genau hier setzt das europäische Forschungsprojekt SeConRob (Self-configuring Multi-Step Robotic Workflows) an. Ziel ist die Entwicklung intelligenter, selbstkonfigurierender Roboterprozesse, die sich auf Basis von Inspektionsdaten automatisch an unterschiedliche Bauteile und Fehlerbilder anpassen. Dadurch sollen bisher überwiegend manuelle Prozessketten effizient und wirtschaftlich automatisiert werden.

Ein Anwendungsbeispiel ist die automatisierte Nacharbeit metallischer Bauteile. Nach einer zerstörungsfreien Prüfung, beispielsweise mittels Magnetpulverprüfung (MPI), werden Position und Ausprägung möglicher Materialfehler analysiert. Darauf aufbauend plant das Robotersystem die erforderlichen Bearbeitungsschritte: vom gezielten Materialabtrag über das Schweißen bis zum abschließenden Schleifen und Polieren. Die Ergebnisse können anschließend erneut überprüft werden.

SeConRob kombiniert dafür physikalische Prozessmodelle, KI-gestützte Datenanalyse und adaptive Roboterprogrammierung. Die entwickelten Technologien werden anhand zweier industrieller Anwendungsfälle für Guss- und Schmiedeteile bei Safe Metal und Otto Fuchs in realitätsnahen Roboterzellen demonstriert.

Projektziele und technische Innovationen

Ziel von SeConRob ist es, mehrstufige Fertigungs- und Nacharbeitsprozesse durch eine intelligente, datenbasierte Konfiguration der einzelnen Roboteroperationen durchgängig automatisierbar zu machen.

Die zentralen technischen Innovationen sind:

• Selbstkonfigurierende Roboterprozesse: Entwicklung parametrischer, physikalischer Prozessmodelle, mit denen Roboterprogramme und Bearbeitungsparameter automatisch aus den Ergebnissen vorhergehender Prozessschritte abgeleitet werden können.
• KI-gestützte Inspektion und Datenanalyse: Intelligente Auswertung von Mess- und Prüfdaten zur Bestimmung relevanter Defektmerkmale wie Position, Größe und Ausprägung als Grundlage für die automatisierte Nacharbeit.
• Adaptive Prozessoptimierung durch Reinforcement Learning: Entwicklung lernender Rückkopplungsmechanismen, die Prozessparameter anhand von Qualitäts- und Bearbeitungsergebnissen kontinuierlich verbessern und die Anzahl notwendiger Nacharbeitsschritte reduzieren sollen.
• Industrielle Demonstration: Aufbau und Erprobung von zwei Roboterzellen zur automatisierten Inspektion und Nacharbeit von metallischen Guss- und Schmiedebauteilen unter praxisnahen Produktionsbedingungen.

PROFACTOR koordiniert das europäische Forschungsprojekt und verantwortet wesentliche Entwicklungen in den Bereichen robotische Inspektion, automatische Prozessplanung und lernende Prozessoptimierung. Damit verbindet PROFACTOR seine Kompetenzen in industrieller Robotik, intelligenter Qualitätsprüfung und KI-basierter Automatisierung.

Mehrwert für Industrie, Forschung und Technologieentwicklung

• Für produzierende Unternehmen: Automatisierte Inspektions- und Nacharbeitsprozesse reduzieren den Bedarf an manuellen Eingriffen, ermöglichen eine effizientere Bearbeitung individueller Bauteilfehler und schaffen die Voraussetzungen für eine höhere Produktivität und gleichbleibende Fertigungsqualität.
• Für die Luftfahrt- und Metallindustrie: Selbstkonfigurierende Roboterprozesse bieten neue Möglichkeiten, anspruchsvolle Qualitätsanforderungen bei sicherheitskritischen Guss- und Schmiedeteilen wirtschaftlich zu erfüllen. Gleichzeitig können Engpässe durch begrenzte Fachkräftekapazitäten entschärft und steigende Produktionsvolumina besser bewältigt werden.
• Für Forschung und Technologieanbieter: Die Kombination aus zerstörungsfreier Prüfung, intelligenter Datenanalyse und adaptiver Robotik eröffnet neue Einsatzmöglichkeiten für automatisierte Prüfsysteme, Inline-Prozessüberwachung und lernfähige Fertigungstechnologien. Die Projektergebnisse bilden eine Grundlage für zukünftige autonome und ressourceneffiziente Produktionssysteme.