KUKA ile Industrie 4.0’ın geleceğine doğru

Industrie 4.0 gelecekte neler getirecek? Bir şeyin olduğu kesin: O da çoktan başladı. Yapay zekâ üretime geçiyor. Makineler bağımsız olarak öğrenmeye ve üretimi kendi başlarına daha verimli hale getirmeye başlıyor. Ayrıca fiziksel ve dijital dünyalar giderek daha fazla birleşiyor.

Industrie 4.0: Geleceğe bir bakış

Industrie 4.0 kavramı birkaç yıldır ağızlarda dolanıyor. Ek olarak bunula ilgili teknolojiler, örneğin: Nesnelerin İnterneti, bulut tabanlı bilgi işleme veya yapay zekâ (Artificial Intelligence, AI) - dün icat edilmiş kavramlar değildir. Bununla birlikte, neredeyse her gün önemli teknik ilerlemeler kaydedilmektedir. Özellikle üç trend öne çıkmaktadır.

Yapay zekâ (AI), halihazırda dijital dönüşümün itici güçlerinden biridir ve bu gelecekte daha da artacaktır. Yapay zekâ sayesinde örneğin, makineler tahmin odaklı bakım gerçekleştirebilecek. Akıllı fabrikada kullanılan robotlar ise bağımsız öğrenebilen, mantıklı hareket edebilen ve birbirleriyle iletişim kurabilen otonom asistanlara dönüştürülmektedir.

Makine Öğrenimi (Machine Learning) de KUKA için yapay zekânın en önemli alanlarından biri olarak fabrikada yerini alıyor ve yakında akıllı fabrikanın ayrılmaz bir parçası haline gelecek. Öğrenen makineler, kendi oluşturdukları kalıpları ve neden-sonuç ilişkilerini “anlayabilir”. Algoritmalarını bağımsız olarak iyileştirerek gerçek zamanlı olarak “öğrenirler” ve buna tepki verirler.

Karma Gerçeklik ilkesi de devrim niteliğindedir. Sanal Gerçeklik (VR) ve Artırılmış Gerçeklik (AR) tekniklerini birleştirilmektedir. Sanal gerçeklik, kullanıcının gerçek dünyadan tamamen kopuk ve gözlükle görülebilen sanal bir ortamda olması anlamına gelmektedir. Öte yandan, artırılmış gerçeklik ile gerçek ortam görünürde kalırken dijital içerikle (sanal nesneler, bilgiler) donatılır. Karma gerçeklik teknolojisi ile sanal içerik artık gerçek dünya ile birleştirilebilir. Artırılmış gerçekliğin aksine, karma gerçeklikte içerik sadece yansıtılmaz, mobil cihazlar veya Microsoft Hololens gibi kafaya takılan ekranlar aracılığıyla fiziksel dünyaya gerçekçi bir şekilde entegre edilen bir hologram olarak görünür. Bu, sanki gerçek bir nesneymiş gibi hareket ettirilebilir ve değiştirilebilir.

Yani gelecek çoktan başladı. Ancak bu teknolojilerin endüstrideki pratik kullanımları nasıldır? KUKA’nın inovasyon projelerinden bazılarına göz atın.

Karma gerçeklik arabirimi: Verilere buradan erişilebilir

Karma Gerçeklik Arayüzü pilot projemizde insan-robot etkileşiminde çığır açıyoruz: Kullanıcılar, kafaya takılan bir ekran (örn. Microsoft Hololens) veya tablet ya da akıllı telefondaki bir uygulamayı kullanarak, robotun koruyucu ve çalışma alanıyla ilgili verilerin yanı sıra robotun yörüngesini doğrudan hücrede görebilir ve böylece uygun özellikleri programlamak için kelimenin tam anlamıyla “müdahale edebilir”. Bu, işletime alma görevlerinin tamamlanmasını çok daha sezgisel ve kullanıcı dostu hale getirmektedir.

Bir kullanıcının bakış açısından Karma Gerçeklik Arabirimi: Robotun koruma ve çalışma alanı açıkça tanınabilir.

Karma gerçeklik arabirimi: Verilere buradan erişilebilir

KUKA.Sim: KUKA robotları için akıllı simülasyon yazılımı

Simülasyon yazılımımız KUKA.Sim ile robotlar üretim ortamının dışında programlanabilir. Yazılım, kullanıcıların dijital bir ikizle, yani daha sonraki üretim sürecinin tam anlamında bir sanal görüntüsüyle etkileşim kurmasını sağlar. İster süreci tasarlayın, ister malzeme akışlarını ve tıkanıklıkları veya PLC kodunu görselleştirin: Kuka.Sim tarafından oluşturulan 3B simülasyon, tüm planlama süreçlerini kapsar. Sanal ve gerçek kontrol aynı verilerle çalışır: Sanal olarak planlananlar daha sonra gerçek durumda da aynı şekilde gerçekleşecektir. Bu, düşük maliyet ve harcama sonucunda üretim süreçleri için maksimum planlama güvenliği sağlayacaktır.

KUKA.Sim hakkında daha fazla bilgi edinin.

KIVI: Yapay zekâ bakım masraflarını azaltır

Münferit olarak robot bileşenlerinin kullanım ömrünü tahmin edebiliyorsanız, maliyeti yüksek arızalar ve üretim kesintileri önlenebilir. Bavyera Eyaleti Ekonomi, Enerji ve Teknoloji Bakanlığı (StMWi) tarafından finanse edilen “Endüstriyel Robotların Operasyonel Güvenliğini ve Kullanım Ömrünü Tahmin Etme amaçlı Yapay zekâ” (KIVI) araştırma projesi tam olarak bununla ilgilidir. Amaç, endüstriyel robotların durumunu sürekli olarak izlemek ve tahmin odaklı bakımı (durum izleme ve tahmin odaklı bakım) mümkün kılmaktır. Bu amaçla, çeşitli sensörler öncelikle münferit robot bileşenlerinin çalışma titreşim davranışını iletir. Daha sonra ilgili verileri değerlendirmek için yapay zekâ kullanılır: Aşınma durumlarının oluşumundaki örnekleri tanır ve bunlardan davranış modelleri öğrenir. Sonuç, halihazırda değerlendirme aşamasında olan bir prototip yapay zekâ araç kutusudur. Ticari olarak kullanılabilir hale gelir geldiğinde, üretim şirketleri tesis kullanılabilirliğini artırabilecek ve üretim sürecini daha verimli hale getirebilecek ve bu da sonuç olarak kaynakların korunmasına yardımcı olacaktır.

Yapay Zekâ ile izleme ve önleyici bakımın faydaları

Tesis kullanılabilirliğini artırır.
Üretim sürecini daha verimli yapar.
Kaynakları korur.

Translearn: Robotlar öğrenmeyi öğreniyor

Veri, endüstriyel robotların tüm optimizasyon işlemlerinin çıkış noktasıdır. Ancak, bunları oluşturmak ve toplamak çok fazla zaman ve para gerektirir. Günümüzde, paradan tasarruf etmek için, sadece robot etkileşimlerini simüle ederek veriler de toplanabilir. Sorun şudur ki: Çok gelişmiş simülasyonlar bile henüz gerçeği tam olarak tasvir edemiyor. Onlarda öğrenilen satırlar, gerçek robotlara kolayca aktarılamaz. Bu zorluk genellikle “Gerçeklik Açığı” olarak adlandırılır.

“TransLearn“ projemiz tam olarak burada devreye giriyor: Simülasyondaki hataları belirleyerek gerçeklik açığını kapatmak istiyoruz. Amaç, simülasyon sonuçlarını sorunsuz bir şekilde gerçek robotlara aktarmaktır.

Bunun birçok avantajı bulunmaktadır: Simülasyonda robotlar daha hızlı ve daha iyi programlanabilir, bu da programlama maliyetlerini azaltır. Ayrıca, hem simülasyonda hem de gerçek tesiste gerçekleşirse robotlar daha iyi ve daha bağımsız öğrenebilir. Bu şekilde optimize edilmiş bir öğrenme süreci sayesinde, endüstriyel robotların gelecekte zahmetli bir şekilde programlanması gerekmeyecek, sadece talimat verilmesi yeterli olacak. Bu şekilde çevrim sürelerini kısaltmayı veya daha az elektrik kullanmayı bağımsız olarak da öğrenecekler.

OPERA: Robotları daha hassas şekilde kontrol edin.

OPERA ile kullanıcılar, cobotlarının olası hareket dizilerini görebilirler. CoBots olarak adlandırılan işbirlikçi robotlar, kullanıcının istenen hareket dizilerini el aracılığıyla gerçekleştirmesiyle öğrenir. Bu nedenle, elle yönlendirilen programlamadan da söz edilebilir. Bu, özellikle orta ölçekli şirketler için birçok şeyi kolaylaştırır. Sezgisel işlemeye rağmen prosedür, doğruluk ve hata toleransları açısından hâlâ bazı iyileştirmelere tabi olduğundan, programlamaya bir uzman dahil edilmelidir.

OPERA Projesi tam olarak burada devreye girmektedir: Cobotlarla tüm hata kaynakları belirleyici olarak tespit edilemediğinden, olasılık modelleri geliştirdik. Kullanıcılar artık cobotlarının hareket sekanslarında meydana gelen yanlışlıkları bir 3B modelde kolayca görebilir ve buna göre tepki verebilir. Bu şekilde, daha fazla esneklik ve doğruluk ile daha yüksek kayıp emniyetinden faydalanırlar.

OPERA Projesi hakkında daha fazla bilgi edinin.

VWS4LS: Dijital ikiz sürücü otomasyonu

Kablo demeti (ayrıca “kablo tesisatı” veya “pano ağı”), bir otomobilin en ayrıntılı ve karmaşık bireysel bileşenlerinden biridir. Çünkü yeni bir seri için ne kadar ekipman çeşidi varsa o kadar çok bireysel kablo demeti vardır: Hatta sayısı yüz binleri bulabilir. Bu tek seferlik üretim nedeniyle, kablo demetlerinin üretimi buna bağlı olarak pahalıdır. Bu nedenle diğer ortaklarla birlikte “kablo demeti için yönetim kabuğu” (VWS4LS) uygulaması üzerinde çalışıyoruz. “Yönetim kabuğu” teknolojisine dayanan bu proje, her bir kablo demetindeki dijital bilgileri, otomobildeki kablo demetinin geliştirilmesi, üretimi ve montajı için birlikte çalışabilir bir dijital ikiz oluşturulabilecek şekilde tamamlar.

KUKA, ürün ve süreç tanımları oluşturmaya ve ilgili üretim için gereken robot hareketlerini yönetim kabuklarındaki ilgili bilgilerden türetmeye odaklanır.

BaSys 4.2: Üretim süreçleri daha esnek hale geliyor

Modern üretim süreçlerine sahip şirketler, değişen taleplere veya değişen koşullara hızlı bir şekilde tepki verebilmelidir. Bu nedenle özellikle üretim prosesi, sürecin kendisinde, üretim kaynaklarında ve ayrıca üretilecek üründe sıklıkla ayarlamalar gerektirir. Bu nedenle, bu tür bir “sürekli mühendislik” her zaman mümkün olmalıdır. BaSys 4 ile, üretim süreçlerini verimli bir şekilde dönüştürülebilir hale getiren bir üretim tesisleri için temel sistem halihazırda geliştirilmiştir. Federal Eğitim ve Araştırma Bakanlığı (BMBF) tarafından finanse edilen BaSys 4.2 projesiyle, şu anda Industrie 4.0 platformunun kavram ve standartlarına dayalı başka Industrie 4.0 altyapı öğelerini uygulamak için çalışıyoruz. “Orta yazılım”, “yetenekler” ve “sanallaştırma” olmak üzere üç konu alanına odaklanıyoruz. Bu şekilde, standartlaştırılmış yetenek modellerini daha da geliştirmek ve bunların otomatik yetenek değerlendirmelerinde kullanımını gerçekleştirmek istiyoruz.

Bu noktada amaç, değişen gereksinimlere akıllı ve anlaşılır bir şekilde tepki verebilen çok yönlü üretim leridir.