Präsentationen der finalen Projektergebnisse am Vormittag
Prozessgetriebene Dokumentation in der Robotik
Im Vortrag zu den Ergebnissen der KUKA Deutschland GmbH ging es um prozessdatengetriebene Dokumentation in der sensitiven Robotik. Im Fokus der von KUKA untersuchten Anwendungsfälle stand der sensitive Leichtbauroboter LBR iiwa (LBR iiwa) bei einer Schaltschrankmontage. Die drei untersuchten Anwendungsfälle, die im Vortrag in Form von Filmaufnahmen veranschaulicht wurden, lassen sich wie folgt beschreiben:
- Anwendungsfall 1: Handführen eines kraftsensitiven Roboters durch Gravitationskompensation
- Anwendungsfall 2: Suchfahrt zum Finden einer Arbeitsoberfläche durch Kraftüberwachung
- Anwendungsfall 3: Aufstecken von elektronischen Bauteilen auf Hutschienen (DIN Rail)
In allen drei Anwendungsfällen wird im definierten Fehlerfall über die Abbildung des Kontextes in das sogenannte SCS-Triplet (Symptom-Cause-Solution) die relevante Ursachen- und Lösungsdokumentation ermittelt. Über das Triplet werden so die Ursachen für auftretende Symptome erkannt und die passende Lösungsdokumentation automatisch bereitgestellt. Im Vorfeld wurden dazu die verschiedenen Ursachen identifiziert, die zu einer fehlgeschlagenen Durchführung des Prozesses durch den KUKA LBR iiwa führen können. Beim Anwendungsfall 3 z. B. Bauteil nicht vorhanden, Schnappmechanismus des Bauteils defekt, Montageposition belegt, Hutschiene nicht vorhanden oder Montagewinkel unpassend.
Motivation für die Teilnahme am Forschungsprojekt war bei KUKA die Problematik, dass die Dokumentation für abgeschlossene Systeme zwar vorhanden ist und gut verstanden wurde, sich aber im Fehlerfall nur schwer auffinden lässt. Denn oftmals sind die benötigten Informationen auf mehrere Quellen bzw. an unterschiedlichen physischen Orten verteilt.
Dr. Jürgen Bock von KUKA erläuterte die Methoden des maschinellen Lernens und die drei Phasen der semantischen Datenanreicherung, die zur Identifikation applikationsspezifischer Ursachen für fehlgeschlagene Prozesse in der Robotik untersucht wurden (Abb. rechts). Zunächst werden kontinuierlich Daten aus den verschiedenen Komponenten des Roboters gesammelt und anhand einer der drei Methoden Complex Event Processing (CEP), maschinelles Lernen und Datenanalyse (drei der vier Säulen) analysiert. Anschließend erfolgt das semantische Lifting der Roh-daten zu höherwertigen (symbolischen) Repräsentation von (Problem-)Situationen: Die Gesamtheit der so generierten situation primitives (einfachen Situationsbeschreibungen) stehen nun für die wei-tere semantische Anreicherung zur Klassifikation in komplexeren Situationsbeschreibungen zur Verfügung. Dabei ist die Unterscheidung zwischen applikationsspezifischen und applikationsunabhängigen Situationsbeschreibungen sehr wichtig. Im dritten Schritt erfolgt über eine weitere logische Verknüpfung der komplexen Situationsbeschreibungen die Identifikation der Ursachen.
Sind mögliche applikationsspezifische Ursachen einmal identifiziert, kann ProDok 4.0 über seine Ontologie der Triplets „Symptom-Cause-Solution“ die passgenaue Dokumentation abrufen. In der letzten Phase des Projekts werden bei KUKA derzeit die Ergebnisse des Forschungsprojekts in die unternehmenseigene Wissenssammlung KUKA Xpert integriert, damit dem Bediener im Fehlerfall zukünftig die passende modular aufbereitete Dokumentation direkt angezeigt werden kann. Details zur entwickelten ProDok 4.0-Anwendung sind in der folgenden Abbildung zu sehen.
