Teilvorhaben KUKA: Intelligente Dokumentationsunterstützung bei der Entwicklung sensitiver Roboterapplikationen

KUKA Roboter GmbH untersucht im Rahmen des Projekts, wie eine prozessorientierte Dokumentation dem Entwickler von Roboterapplikationen die relevante Dokumentation bedarfsgerecht zur Verfügung stellen kann.

Sowohl beim Behandeln von Fehlern während der Applikationsentwicklung als auch zur Unterstützung bei der korrekten Parametrierung sensitiver Applikationen soll die relevante Dokumentation ermittelt und bereitgestellt werden. Durch die Analyse der Sensordaten sowie generierter Meldungen und Fehler sollen Problemsituationen anhand einer Menge von Verhaltenskategorien klassifiziert und semantisch annotiert werden.

Laufzeit-Daten erfassen, klassifizieren und Problemsituationen erkennen

Angenommen, der sensitive Roboter gibt in einer bestimmten räumlichen Dimension zu sehr nach, das heißt, reagiert zu „weich“ auf bestimmte extern einwirkende Kräfte. Es könnte sein, dass eine schlechte Parametrierung der Impedanzregelung zu diesem unerwünschten Verhalten geführt hat.

Eine solche auftretende Problemsituation wird durch die Analyse der Sensordaten sowie  generierter Meldungen und Fehler während der Laufzeit anhand einer Menge von Verhaltenskategorien klassifiziert und, basierend darauf, semantisch annotiert. Durch diese semantischen Annotationen werden (möglicherweise implizite) Verbindungen zu relevanter, bereits annotierter Dokumentation durch logisches Schlussfolgern berechnet.

Bei der Erfassung der (Problem-)Situation wird, neben den Laufzeit-Applikationsdaten, auch Kontextwissen berücksichtigt, welches beispielsweise die verwendete Hardware, Softwareversion, etc. umfasst. Dieses Kontextwissen wird ebenfalls durch ein semantisches Metadatenmodell beschrieben.

Maschinelles Lernen und Semantik für eine prozessorientierte Daten-Auswertung

KUKAs Leichtbauroboter iiwa beim Lernen - © KUKA Roboter

KUKAs Leichtbauroboter iiwa beim Lernen
© KUKA Roboter

Der sensitive Roboter LBR iiwa ist durch seine Achsencoder und Kraftmomenten-Sensorik in der Lage, kontinuierliche Datenströme zu seiner Position und extern wirkenden Kräften zu generieren. Eine Auswertung dieser Daten bietet großes Potential zur Erkennung von Problemsituationen (Fehler im Programmablauf, aber auch Fehlverhalten durch ungenaue Parametrierung.) Die Auswertung dieser Datenströme sowie die Aufbereitung der Daten auf ein höheres formal-semantisches Abstraktionslevel erfolgt durch Verfahren des maschinellen Lernens und semantischer Repräsentationsformalismen.

Die KUKA Roboter GmbH adressiert im Rahmen des ProDok 4.0-Projekts die Fragestellung, welche Daten zur hinreichenden Klassifikation von Problemsituationen erforderlich und welche maschinellen Lernverfahren hierfür geeignet sind.

Verbesserung der Dokumentationsbereitstellung als Dienstleistung im Customer Support

Eine wesentliche Herausforderung zukünftiger Montage- und Fertigungsprozesse ist die zunehmende Individualisierung von Produkten und die damit zusammenhängende Anpassungsfähigkeit von Automatisierungslösungen an geringe Losgrößen. Für die roboterbasierte Automation bedeutet dies eine einfache Rekonfigurierbarkeit der Robotersysteme und eine häufige Anpassung und Neuentwicklung von Roboterapplikationen.

Obwohl diese Applikationsentwicklung durch geschulte Anwender durchgeführt wird, ist ein hinreichendes Fachwissen bezüglich Spezifikationen, Parametrierungen, Fehlerbehebung etc. erforderlich. Eine effiziente Anwendungsentwicklung setzt deshalb den gezielten Zugang zu relevanter Dokumentation im richtigen Kontext voraus.

KUKA versteht  den Bereich der Technischen Dokumentation als Dienstleistung im Customer Support. Eine Automatisierung und damit Digitalisierung der Dokumentationsbereitstellung wird den durch zunehmende Flexibilität charakterisierten Prozess der Applikationsentwicklung beim Kunden maßgeblich verbessern.