Industriële robotisering – meer dan alleen een robot

13-3-2019
Langzaam maken productiebedrijven de stap van Industrie 3.0 naar Industrie 4.0. Een grote stap voor de insiders, maar wellicht moeilijker te volgen voor hen die er niet direct mee in aanraking komen. Zowel Industrie 3.0 als 4.0 worden gekenmerkt door automatisch produceren, communicatienetwerken, robots en data (Kagermann, 2014). Het grootste verschil tussen de twee zit dan ook in de flexibiliteit en connectiviteit van de productie, ook wel Smart Manufacturing genoemd.
 
In Industrie 4.0 is het streven om flexibel en met zero-defect te produceren (Chen-Fu, Tzu-Yen & Hong-Zhi, 2017). Dit omhelst bijvoorbeeld het produceren van kleine series waarna de productielijn snel kan worden omgebouwd, of nog beter, zichzelf ombouwt, voor de volgende serie. Ook het flexibel aanvoeren van productiemateriaal hoort hierbij. Producten hoeven niet altijd meer te worden uitgelijnd of getransporteerd op dragers. Zo is bijvoorbeeld bin picking mogelijk door het gebruik van slimme vision systemen en robots. Het kunnen voorspellen van productkwaliteit en hierop inspelen past ook binnen het plaatje van Smart Manufacturing (Phan, Quinsat, Lavernhe & Lartigue, 2018). Sensoren worden ingezet om de productie en kwaliteit te monitoren. De verzamelde data wordt opgeslagen en geanalyseerd, waarna deze bruikbaar is voor het voorspellen van de kwaliteit van de volgende producten. Met deze kennis kan de productie, indien nodig, worden bijgestuurd om afkeur te voorkomen. Ook benodigd onderhoud aan machines kan op deze manier worden voorzien en gepland om stilstand tot een minimum te beperken.

Robotisering in Industrie 4.0

In productieautomatisering worden vaak industriële robots ingezet ter vervanging van mensenhanden. In Industrie 4.0 zien we de Smart Robot, een robot die flexibel en efficiënt in te zetten is, en met zijn adaptiviteit in staat is om met ongestructureerde situaties om te gaan. De Smart Robot vervangt, in tegenstelling tot robots in Industrie 3.0, niet alleen mensenhanden, maar ook de ogen en het brein. Het speelt autonoom in op eventuele veranderingen in product of proces (Graetz & Michaels, 2018).
 
Er is een groot aantal verschillende soorten industriële robots op de markt, elk met hun eigen functionaliteiten en toepassingen. Denk bijvoorbeeld aan een robuuste 6-assige robotarm met zijn grote wendbaarheid en hoge pay load voor het scannen en beladen van pallets, een cobot die samen met een mens producten assembleert, of een hexapod robot voor razendsnelle pick & place taken. Een korte oriëntatie op de verschillende soorten robots en bijbehorende eigenschappen maakt vaak snel duidelijk welke robot geschikt is voor de uit te voeren taak. Echter, het venijn zit hem in de bijkomende benodigdheden. Om optimaal gebruik te maken van de functionaliteiten van een Smart Robot moet er veel meer aangeschaft en ontwikkeld worden dan alleen de robot zelf.

De mensenhand wordt robothand

Een industriële robot vervangt mensenhanden zeiden we eerder. De robot zelf is echter vaak alleen maar de arm die beschikt over wendbaarheid en kracht. De hand is het verlengstuk hiervan, de tool die de taak daadwerkelijk uitvoert.
 
Een mensenhand kan in ontelbaar mogelijke houdingen een product vasthouden of bewerken. Voor het goed uitvoeren van een taak is het voor een robot van belang om te beschikken over de juiste ‘hand’. De uitvoering van de hand, of gripper, is vaak product- of bewerkingsafhankelijk. Grippers zijn er in vele soorten en maten; met een klemmechanisme, vacuümwerking of magnetisch. Ze worden pneumatisch of elektrisch aangestuurd. Voor stevige en niet (of nauwelijks) in grootte variërende producten is bijvoorbeeld een pneumatisch klemmechanisme geschikt. Maar voor het oppakken van groente of fruit kan beter gekozen worden voor een servogripper die op kracht wordt gesloten en een grotere slag heeft.
 
Een gripper passend bij de gevraagde flexibiliteit in Industrie 4.0 is de bionische gripper. Deze gripper bevat sensoren om producten vast te pakken op een manier die ook in de natuur terug gevonden wordt, bijvoorbeeld een mensenhand met vingers of een tentakel met zuignappen. Deze grippers zijn extra geschikt voor niet vormvaste of kwetsbare producten. Dit soort gripper is dan ook flexibeler in te zetten dan veel andere soorten grippers.
 
Voor nog meer flexibiliteit kunnen grippers worden ontworpen om een snelle wisseling mogelijk te maken bij een veranderende productie. Dit wisselen kan manueel gebeuren, maar gaat vaker al automatisch. Ook het handlen van meerdere producten tegelijk door één gripper is mogelijk. Er worden dan op één gripper meerdere kleine grippers geplaatst wat weer zorgt voor een lagere takttijd. Tot slot zien wij ook steeds vaker dat één gripper meerdere functies heeft. Dit is mogelijk wanneer de robot meerdere assen heeft om de gripper te kunnen laten draaien. Met een multifunctionele gripper bespaar je tijd en ruimte.

Het oog van de robot

Behalve in grippers worden ook op andere plekken sensoren toegepast. De robotintegrator kan worden voorzien van aan veelheid aan sensoren om allerlei aspecten te meten, zoals aanwezigheid, vorm, temperatuur etc. Sensoren met Vision spelen hier vaak een rol. De ontwikkeling van vision systemen gaat snel. Door nieuwe technologieën kunnen camera’s steeds meer waarnemen, en door de komst van Artificial Intelligence kunnen de beelden beter worden geanalyseerd. Waar vroeger alleen aanwezigheid werd gedetecteerd is het nu mogelijk om de kleinste productiefoutjes op te sporen, zoals weef-, druk-, kleur- en vormafwijkingen (Phan et al., 2018). De kwaliteitscontrole kan zo door robots worden uitgevoerd. Wanneer het vision systeem een productiefout detecteert wordt deze informatie met de robot gedeeld waarna deze het betreffende product bijvoorbeeld op de afkeurstapel legt. Aanwezigheidscontrole is uitgebreid naar het vaststellen van de exacte positie van het product waarna de robot instructies krijgt om het product op de juiste wijze op te pakken. Er is geen menselijk oog meer nodig. Sterker nog, bij kwaliteitscontroles is het vision systeem vaak al nauwkeuriger en accurater dan wanneer dit door een mens wordt gedaan.

Connectiviteit en software als brein

De connectiviteit met sensoren en andere productieonderdelen, en bijbehorende data zorgen voor een geavanceerd brein van de robot (Grau, Indri, Bello & Sauter, 2017). Het productieproces kan zichzelf aan- en bijsturen zonder directe tussenkomst van een mens. Deze verbondenheid in een slim netwerk neemt alleen nog maar toe en breidt zich ook uit naar andere onderdelen van de bedrijfsvoering.
 
Het overwegen van verdere productieautomatisering door robotisering gaat soms gepaard met de gedachte dat dit veel specifieke kennis over software vereist. Het aansturen van een robot zou een taak zijn voor daarvoor opgeleide technici. Wanneer de robot van taak wisselt, of er veranderd iets in het proces of de taak, moet de programmering inderdaad worden aangepast. Echter, de bediening van industriële robots wordt steeds gebruikersvriendelijker en intuïtiever. Wanneer de basis van de programmering degelijk is zijn latere wijzigingen eenvoudig door te voeren door de operator of technische dienst. Het tot in details programmeren van de robot wordt zo een eenmalige taak.

De omgeving van de robot

Veiligheid is in een industriële omgeving altijd een belangrijk aandachtspunt, zeker ook bij robots. Een veilige omgeving creëren kan op verschillende wijzen gebeuren. Het meest toegepaste veiligheidsmiddel is de fysieke afscherming van een hekwerk of kast om de robot.
 
Voor opstellingen waar toegankelijkheid van de robot belangrijk is zijn andere oplossingen beschikbaar. Zo zijn de meeste cobots uitgerust met aanrakingssensoren, bijvoorbeeld verwerkt in een softskin, om veilig samen te werken met de mens. Deze sensoren reageren op druk om zo de beweging te stoppen, te vertragen of zich terug te trekken. Ook het monitoren van benodigde kracht en vermogen van de robot tijdens het bewegen wordt gebruikt voor veiligheid. Wanneer er meer vermogen nodig is dan normaal voor een beweging kan dit betekenen dat iets de robot in zijn beweging belemmert. De robot kan hier dan vervolgens adequaat op reageren door zich terug te trekken, te vertragen of tot stilstand te komen.
 
Ook optische sensoren worden ingezet om een veiligheidszone te creëren rond de robot. Bijvoorbeeld het inzetten van een laserlijn of lichtschermen, welke bij een onderbreking hiervan veiligheidsmaatregelen in werking stellen. Vergelijkbaar hiermee zijn floorscanners. Deze kunnen de nabijheid van een persoon of object binnen bepaalde veiligheidszones meten waarna de robot de juiste actie onderneemt.

Is een vernieuwd productieproces nodig?

De aanschaf en implementatie van industriële robots is kostbaar en omvat vaak een complex proces. Niettemin wegen de voordelen vaak op tegen de nadelen. Robotisering levert een verhoogde capaciteit op, hogere en constantere kwaliteit, betere werkomstandigheden en reduceert de productiekosten. Veel bedrijven in de (maak)industrie zien dat zij niet achter kunnen blijven in deze ontwikkeling willen zij hun concurrentiepositie behouden. Ook de schaarste op de arbeidsmarkt is een aanleiding om tot robotisering over te gaan.
 
Het robotiseren van een productieproces kan stapsgewijs gebeuren. Hierbij wordt telkens één element van de productie door robots overgenomen. Maar is dit de meest efficiënte manier? Vaak niet. Industriële robots geven zo veel mogelijkheden dat het de moeite waard is om het gehele productieproces opnieuw onder de loep te houden. Het is niet ondenkbaar dat een herzien productieproces met inzet van robots kan leiden tot verdubbeling van productiecapaciteit zonder extra fabrieksruimte of personeel.
 
Hoe moedig zijn wij als producenten?
 
 
 

Referenties:

 
Chen-Fu, C., Tzu-Yen, H., & Hong-Zhi, G. (2017). An emperical study for smart production for TFT-LCD to empower Industry 3.5. Journal of the Chinese Institute of Engineers, 40(7), 552-561. doi: 10.1080/02533839.2017.1372220
 
Graetz, G., & Michaels, G. (2018) Robots at work. Review of Economics and Statistics, 100 (5), 753-768. doi: https://doi.org/10.1162/rest_a_00754
 
Grau, A., Indri, M, Bello, L.L., & Sauter, T. (2017). Industrial robotics in factory automation: From the early stage to the Internet of Things. IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society, Beijing, 2017, 6159-6164. doi: 10.1109/IECON.2017.8217070
 
Kagermann, H. (2014). Chancen von Industrie 4.0 nutzen. In T. Bauersnhansel, M. ten Hompel, & B. Vogel-Heuser (Red.), Industrie 4.0 in Produktuin, Automatisierung und Logistik (pp. 603-614). doi: 10.1007/978-3-658-04682-8_31
 
Phan, N.D.M., Quinsat, Y, Lavernhe, S., & Lartigue, C. (2018). Scanner path planning with the control of overlap for part inspection with an industrial robot. International Journal of Advanced Manufacturing Technology, 2018. doi: 10.1007/s00170-018-2336-8

Deel dit bericht

Meer nieuws