Forschung

Im Rahmen des vom BMBF geförderten Verbundprojektes ITS.ML geht es um den Einsatz maschineller Lernverfahren für Intelligente Technische Systeme der nächsten Generation. Es sollen Methoden und Werkzeuge des Maschinellen Lernens (ML) entwickelt, umgesetzt und erprobt werden, die einen Einsatz aktueller ML Technologie insbesondere in regionalen kleinen und mittleren Unternehmen ermöglichen. Ein praktisches Beispiel aus dem Projekt ist eine Methodik zur Nutzung von Vorwissen in Kombination mit Reinforcement Learning für die automatisierte Montage komplexer Bauteile. Durch die Nutzung des modellbasiert vorliegenden Vorwissens werden die Aufwände für den Einsatz der Lernverfahren reduziert und eine effiziente Anpassung an neue Montage- oder Demontageaufgaben unterstützt.

Im Rahmen des Innovationsprojekts FlexIMiR wurde am CoR-Lab eine Methode für eine iterative Layoutplanung für modulare Roboterzellen entwickelt. Kollaborative Roboter werden von uns als ein Schlüsselelement für eine flexible Produktion in einer modernen Produktionsumgebung angesehen. Die effiziente Programmierung dieser Roboter in nicht-trivialen Anwendungsfällen stellt allerdings immer noch eine Herausforderung dar und hängt stark von der Erfahrung der involvierten Mitarbeiter*innen ab. Aus diesem Grund stellen wir in diesem Beispiel einen unterstützten Ansatz zur interaktiven Einrichtung von Roboterzellen vor, um Anwendungen mit kollaborativen Robotern in flexiblen Produktionssystemen effizient zu planen und in Betrieb zu nehmen. Die gezeigten Methoden lassen sich sehr einfach auf andere Anwendungsfälle übertragen, in denen automatisierte Bahnplanung und die Bewertung der Anordnung von Automatisierungskomponenten relevante Aspekte darstellen.