ROBOTIK & ASSISTENZSYSTEME für KMU

Traditionelle Automatisierung eignet sich besonders gut für repetitive Tätigkeiten. Sie stößt aber bald an ihre Grenzen sobald Roboter mit dem Menschen zusammenarbeiten sollen. Gerade das Feld der Mensch/Roboter-Kooperation gewinnt jedoch immer größere Bedeutung in Zeiten von Individualisierung und geringer Losgröße.

Um unter diesen Bedingungen kurze Setup-Zeiten zu ermöglichen muss der Roboter Tätigkeiten durch Zusehen erlernen können. Aufbauend auf den Ergebnissen des Vorgängerprojektes sollen daher Methoden erforscht werden um visuelle Information von Objekten mit Roboterbewegungen in Einklang zu bringen.

Dazu werden leistungsvolle auf „deep learning“-basierende 2D-Bildverarbeitungsalgorithmen mit aktuellen Entwicklungen im Bereich des „reinforcement learning “ synergetisch kombiniert.

Die wesentlichen Forschungsziele im Projekt sind:

• Visuelles Verstehen eines demonstrierten Prozesses durch „deep neural networks“ mit Unterstützung durch instrumentierte Werkzeuge.
• Generalisieren des Prozesswissens durch “deep reinforcement learning“.
• Synthese von Bewegungen für neue Teile mittels Movement Primitives.

Projektname:
LERN4MRKII: Erweitertes Modellieren, Erlernen und Abstrahieren von Prozessen für die Mensch-Roboter Kooperation.

Förderung:
AIT Strategisches Forschungsprogramm

Laufzeit:
01.01.2019 – 31.12.2019

Ziel des Projektes ist die intuitive Programmierung von Robotern für komplexe Montageprozesse mit natürlichen Kommunikationsmethoden durch Nicht-Experten. Damit Robotersysteme von einem nicht fachkundigen Benutzer lernen können, sollte das Robotersystem zunächst die Absicht des Benutzers verstehen. In diesem Projekt werden menschliche Absichten sowohl durch die verbale Kommunikation als auch durch die Beobachtung menschlicher Aktionen verstanden. Um die menschlichen Absichten durch Sprachkommunikation zu erkennen, wird PROFACTOR zusammen mit LIFEtool an der Entwicklung einer neuen Kommunikationsschnittstelle für Roboter arbeiten. LIFEtool mit seinem umfangreichen Wissen über Online- und Offline-Spracherkennungstechnologien wird PROFACTOR bei der Entwicklung einer Schnittstelle unterstützen, um die Sprachkommunikation zwischen Menschen und Roboter zu ermöglichen. Des weiteren wird PROFACTOR ein „portables“ Aktivitätserkennungssystem entwickeln, das in der Lage ist, menschliche Aktionen mit Hilfe von kostengünstigen Sensoren zu erkennen. Dabei wird auch eine Machbarkeitsstudie durchgeführt, um die Anwendbarkeit eines solchen Systems zur Erkennung von Aktivitäten/Gesten auf andere Fachbereiche (Gesundheitswesen) teilweise zu validieren. Der Vorteil eines solchen Moduls wäre seine Anwendbarkeit auf verschiedene Szenarien, die das Verständnis menschlicher Absichten erfordern.

PROFACTOR kombiniert zwei Strategien um das Ziel, dass Nicht-Experten Robotersysteme einfach neue Prozesse anlernen können, zu erreichen. Zunächst wird ein ‚Lernen durch Interaktion‘ Framework entwickelt, in dem der Roboter dem Benutzer während des Lernprozesses eine Reihe von intelligenten Vorschlägen unterbreitet. Der Roboter nutzt seine Fähigkeiten zur Wissensmodellierung und Argumentation und berücksichtigt die „aktuelle Situation“ (mit dem Aktivitätserkennungssystem erkannt) der Montageumgebung, um diese Vorschläge zu unterbreiten. Anschließend wird ein ‚Lernen durch Instruktion‘ Framework entwickelt, das die Verwendung von „Natural Language“ als Kommunikationsmodus zwischen dem Benutzer und dem Roboter ermöglicht. Beide Frameworks werden dann zu einem bidirektionalen Kommunikationskanal zwischen dem Anwender und dem Roboter kombiniert, um Feedback zu geben oder den Montageprozess (ganz oder teilweise) neu zu erlernen.

Projektname:
BRIDGE – HUMAN ROBOT INTERACTION (TEACHBOTS)

Industrieprojekt

Laufzeit:
04.2019 – 12.2020

Partner:

Profactor GmbH

LIFEtool GmbH

Der Paradigmenwechsel von der Massenproduktion zur Massenanpassung führt dazu, dass Produktionssysteme mehr Produktvariationen, kleinere Lebenszyklen und kleinere Losgrößen bewältigen können. Die Robotik wird einer der Hauptverantwortlichen für diesen Übergang zur transformierbaren Fabrik von morgen sein. Mit dem demografischen Wandel im verarbeitenden Gewerbe haben die Fortschritte in der Mensch-Roboter-Interaktion in der Industrie viele Formen angenommen. Allerdings ist das Thema der Reduzierung des Programmieraufwands, den ein Experte durch den Einsatz natürlicher Kommunikationswege benötigt, noch offen.  Ziel des Projekts ist es, die Aspekte des Lernens durch Demonstration, des Lernens durch Programmierung und des Lernens durch Interaktions-Methodologien in einem zielgerichteten Montageprozess zu kombinieren, um das Problem der einfachen Programmierung von Roboteraufgaben zu lösen. Das Ziel wird in zwei Phasen erreicht. In Phase 1 erfasst das Robotersystem eine schnelle, aber allgemeine Darstellung des Montageprozesses (AP), indem es die menschliche Demonstration der Aufgabe beobachtet. In Phase 2 erlernt das Robotersystem mit Unterstützung einer intelligenten Benutzerinteraktion die spezifischen Parameter und führt die Aufgaben zur Fertigstellung des AP durch.  Diese Kombination führt zu einer schnelleren Programmierphase, die präziser als nur Demonstrationen und intuitiver als nur über eine GUI ist.

Projektname:
ASKROB

Förderung:
AIT Strategic Research Program

Laufzeit:
01.2019 – 12.2019

Keywords: Mensch-Roboter-Kollaboration; Programmierung durch Demonstration; Künstliche Intelligenz

Projektname:
PlugBot – Plug and Produce Robotic Building Blocks

Förderung:
FFG –  Produktion der Zukunft (28. Ausschreibung)

Laufzeit:  
1.04.2019 – 31.12.2021

Kurzvorstellung: https://www.youtube.com/watch?v=AKxSrTHv72M

Usecases: https://www.youtube.com/watch?v=-p-Q1Au-iHE

Heterogene Robotersysteme, wie zum Beispiel mobile Manipulatoren oder Spritzgussmaschinen mit integriertem Robotersystem, sind komplex in Aufbau, Programmierung und Betrieb, da unterschiedliche Komponenten beim Anlagenbetreiber integriert und sicher funktionieren müssen. Hauptziel dieses Projektes ist die Umsetzung eines modularen Roboterbaukastensystems, das während der Programmierung von Experten und bei der Bedienung durch nicht speziell geschultes Personal verwendet wird um heterogene Robotersysteme umzusetzen und integriert zu betreiben. Der gewählte Ansatz umfasst die Entwicklung von standardisierten Schnittstellen, die Entwicklung eines Konfigurations- und Programmierframeworks, innovativen Bedienmerkmalen für ungeschulte Bediener, sowie die Entwicklung von Sicherheitskonzepten und Sicherheitssensoren die den sicheren und produktiven Betrieb derartiger Roboteranlagen ermöglichen. Dabei wird auf die Kooperation zwischen Mensch und Roboteranlage besonderes Augenmerk gelegt. Die Projektergebnisse werden, um die universelle Anwendbarkeit zu demonstrieren, in mehreren sehr unterschiedlichen anwendungsnahen Szenarien demonstriert.

Ziele

Im Projekt PlugBot werden Systeme entwickelt, die modular sind, über standardisierte Schnittstellen kommunizieren, und flexibler und einfacher zu programmieren sind.

Projektziele Z1-Z5 im Detail:

• Z1. Interoperabilität heterogener Systeme verbessern
  • Schnittstellen und Informationsmodelle für heterogene Robotersysteme basierend auf offenen industriellen Kommunikationsstandards und herstellerunabhängig kombinierbare Robotersysteme umsetzen.
• Z2. Programmierung heterogener Robotersystemen erleichtern
  • Konfigurations- und Programmierumgebung für Robotersysteme mit heterogener Hardwarearchitektur entwickeln.
• Z3. Intuitive Inbetriebnahme ermöglichen
  • Innovative Bedienkonzepte für heterogene Robotersysteme erforschen
• Z4. Sicherheit heterogener Robotersysteme gewährleisten
  • Innovative Sicherheitskonzepte und ihre Umsetzung für heterogene Robotersysteme erarbeiten
• Z5. Gewährleistung der Brauchbarkeit
  • Umsetzung dreier industrienaher Usecases

Ergebnisse

Demonstratoren bei SonyDADC und Lenze Operations Austria GmbH

Demonstratoren bei WB Wittmann Group Holding GmbH

Publikationen

Beiträge in relevanten fachspezifischen Publikationen

Industriemagazin

KunststoffWeb

Polimerica

plasticker

Kunststoffe.de

Wissenschaftliche Publikationen

SPITZER, Fabian, et al. A generic Approach for the Industrial Application of Skill-based Engineering using OPC UA. In: 2020 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA). IEEE, 2020. S. 1671-1678.

FUHRMANN, Ferdinand, et al. Multimodal Interaction in the Production Line-An OPC UA-based Framework for Injection Molding Machinery. In: Proceedings of the 2021 International Conference on Multimodal Interaction. 2021. S. 837-838.

Michael Hofmann, Matthias Propst, Andreas Pichler, Fabian Spitzer, Roman Froschauer, Markus Ikeda, An easy to use Skill Framework using OPC UA implemented in C++ and C#: A Case Study, FAIM2022

Georg Weichhart and Matthias Propst and Markus Ikeda and Roman Froschauer, PlugBot Tools for Modular Manufacturing, I-ESA22

Die öffentliche Ausschreibung hat es zum Ziel, intelligente und innovative Lösungen in  Produktionsprozesse einzuführen. Hierfür soll ein überregionales Voucher-Programm getestet werden, das den interregionalen Transfer von intelligenten Lösungen (d. h. Smart Manufacturing) in heimische, produktionsorientierte kleinste-, kleine- und mittlere Unternehmen (KMU) unterstützt.

Ziel der Ausschreibung

Ziel der Ausschreibung ist es, die Einführung von intelligenten und innovativen technischen Lösungen in Produktionsprozesse voranzutreiben, und damit die Effizienz von produzierenden KMU zu verbessern. Im Kontext des Projektvorhabens zur Durchführung einer Studie zur technischen Umsetzbarkeit einer Smart Factory Lösung bedeutet dies, dass KMU sowohl finanzielle Hilfe als auch die Unterstützung von Lösungsanbietern in Anspruch nehmen können um Lösungen zur Optimierung der (1) Kosteneffizienz, (2) Qualitätssicherung und (3) des Risikomanagements voranzutreiben und schlussendlich den Übergang zur Industrie 4.0 zu schaffen.

Die öffentliche Ausschreibung, bei der eine Dienstleistung in Form einer Studie ausgewählt werden soll, findet als eine Teilaktivität des SMART FACTORY HUB Projekts statt und fällt unter das Danube Transnational Programme:

• Arbeitspaket AP6: Pilot-Instrument & -Modell, Aktivität A6.1: Transferlabor-Pilotprojekt – Transregionales Smart Factory Voucher-Programm.

Wer ist förderbar?

1. Der Antrag muss einem Unternehmenszusammenschluss entsprechen, bei dem ein Partner als „Antragsteller“ und ein anderer Partner als „Lösungsanbieter“ fungiert.
2. Der Antragsteller kann nur ein produzierendes kleinst-, kleines- oder mittleres Unternehmen sein, das als juristische oder natürliche Person agiert, das in der Bundesrepublik Österreich eine wirtschaftliche Tätigkeit ausübt und das als Unternehmen oder Einzelunternehmer mit Geschäftssitz in der Bundesrepublik Österreich registriert ist.
3. Der Lösungsanbieter muss eine juristische Person mit Sitz in Deutschland, Bulgarien, Kroatien, Tschechien, Slowenien, Ungarn, Rumänien, der Slowakei, Serbien sein. Der Antragsteller darf weder in einem finanziellen noch in einem anderen Eigentumsverhältnis zum Lösungsanbieter stehen. Zusätzlich darf kein Zusammenhang zwischen dem Management des Lösungsanbieters und dem, des Antragstellers bestehen.
4. Der Antragsteller kann nur mit einer Bewerbung an der öffentlichen Ausschreibung teilnehmen. Treten mehrere Bewerbungen desselben Bewerbers auf, wird nur die zuerst eingegangene Bewerbung berücksichtigt, die anderen werden verworfen.

Einreichfrist:

18.1.2019 bis 15 Uhr

Bewerbung bitte an Verena Musikar schicken.

Ablauf der Förderung

Die Umsetzung der öffentlichen Ausschreibung erfolgt anhand der nachfolgenden Meilensteine:

• Ablauf der Frist für die Einreichung des Antrags: 18.1.2019
• Ablauf der Frist für die Ergebnisbekanntmachung und Unterzeichnung des Vertrages: 1.2.2019
• Beginn des Projektvorhabens: 1.2.2019
• Ende des Projektvorhabens und Ablauf der Frist für die Einreichung des Endberichts: 31.3.2019 (Template wird zu Beginn des Vorhabens zur Verfügung gestellt)
• Überweisung der Zahlung für die erbrachte Dienstleistung: 1.5.2019

Dokumente:

Ausschreibung im Detail

Antragsformular

Have a look at the SMART FACTORY COOPERATION PLATFORM online to find solution providers.

Project name:
SMART FACTORY HUB – IMPROVING RD AND BUSINESS POLICY CONDITIONS FOR TRANSNATIONAL COOPERATION IN THE MANUFACTURING INDUSTRY

Funding:

199,825 EUR
Interreg – Danuabe Transnational Programme

Project Co-funded by European Union funds (ERDF, IPA, ENI

Duration:  
01.01.2017 – 30.06.2019

Website:
http://www.interreg-danube.eu/approved-projects/smart-factory-hub

SYNERGY aims at strengthening currently underdeveloped linkages, cooperation and synergies between companies, industry, research, intermediaries and policy makers in central Europe.  The project will analyse funded and finalised innovation projects and cluster institutions involved in projects into three key areas covering the most promising modern industrial technologies.

These areas include

• additive manufacturing and 3D printing,
• micro- and nanotechnology-related processes and materials, as well as
• the industry 4.0 sector.

Institutions and clusters included in each area will form ‘synergic networks’ based on a novel projects assessment methodology and a ‘synergic consortia matchmaking’ IT online tool. Moreover, the project will define new crowd innovation services and test them in different types of pilot actions. As a result, project activities will boost the creation of innovative services and facilitate transnational cooperation in the industrial sector.

Project name:
Synergy – SYnergic Networking for innovativeness Enhancement of central european actoRs focused on hiGh-tech industrY

Funding:

Interreg – Central Europe Programme

Duration:  
01.08.2017 – 31.07.2020

Website:
http://www.interreg-central.eu/Content.Node/SYNERGY.html

Kollaborative Leichtbauroboter sind in der Industrie im Trend. Sie sind vergleichsweise günstig. Die Entwicklungen im Forschungsfeld des maschinellen Lernens machen sie zunehmend flexibel und sorgen für eine leichtere Bedienung. Die Herausforderungen für die Forschung liegen auf der Hand. Die Maschinen müssen mit einer kognitiven Intelligenz ausgestattet sein, um eine veränderte Umwelt adaptieren und neue Aufgaben verstehen zu können. Die in dem Projekt angestrebten Ziele gehen weit über den State-of-the-Art der Forschung hinaus.

Im Mittelpunkt steht das „Transfer Lernen“: von manuellen Tätigkeiten des Menschen auf den Roboter sowie von einer Produkt- oder Prozess-Variante auf eine ähnliche ab.

Die wesentlichen Forschungsziele in dem Projekt:

1.  Das Mapping der Bewegung des Menschen auf den Roboter
2. Das „Verstehen“ temporaler Task-Zusammenhänge und Prozessparameter durch den Roboter
3. Die Adaptierbarkeit auf ähnliche Prozesse mit möglichst wenig neuen Beispielen

Für die Durchführung des Projekts sind keine externen Kooperationen vorgesehen.

Projektname:
LERN4MRK: Modellieren, Erlernen und Abstrahieren von Prozessen für die Mensch-Roboter Kooperation

Förderung:
bmvit

Laufzeit:  
01.07.2017 – 30.06.2021

Die produzierende Industrie ist ein Motor für Forschung und Entwicklung, Innovation, Wachstum und Beschäftigung. Angesichts des zunehmenden Drucks auf die Hersteller (höhere Produktionskapazitäten in Niedriglohnländern und ein höherer Grad an Komplexität der Lieferketten in Hochlohnländern) müssen die Hersteller neue Technologien, Prinzipien und Ansätze anwenden.

Mit anderen Worten, die Hersteller müssen ihre Produktion digitalisieren und dabei auch die Verbesserung der Prozesse und des Personalmanagements berücksichtigen.

Hauptziel des Smart Factory HUB-Projekts ist die Verbesserung der Rahmenbedingungen für Innovationen im Bereich der „Smart Factory“.

Ziel des Projekts ist es daher, FuE- und geschäftspolitische Rahmenbedingungen für die transnationale Zusammenarbeit in der produzierenden Industrie zu entwickeln.

Das Ergebnis ist eine verbesserte Zusammenarbeit zwischen Forschung und Entwicklung und der Wirtschaft, basierend auf dem RIS3-Modell (Research and Innovation Smart Specialization Strategy). Die Partner werden neue Lösungen in den folgenden drei Bereichen finden: Anwendung neuer Technologien, Anwendung effektiver Produktionsprozesse und Anwendung eines effektiven Personalmanagementsystems.

SMART FACTORY COOPERATION PLATTFORM ist online.

Project name:
SMART FACTORY HUB – IMPROVING RD AND BUSINESS POLICY CONDITIONS FOR TRANSNATIONAL COOPERATION IN THE MANUFACTURING INDUSTRY

Funding:

199.825 EUR
Interreg – Danuabe Transnational Programme

Project Co-funded by European Union funds (ERDF, IPA, ENI

Duration:  
01.01.2017 – 30.06.2019

Website:
http://www.interreg-danube.eu/approved-projects/smart-factory-hub