Artificiële intelligentie transformeert wereld van grijpers

Om producten efficiënt te verplaatsen spelen grijpers een cruciale rol. Zij zorgen er immers voor dat er voldoende kracht wordt uitgeoefend om het stuk stabiel te verplaatsen, maar ook niet te veel zodat er geen schade aan ontstaat. De uitdaging in tijden van high mix, low volume productie is grijpers ontwerpen die een resem aan verschillende producten aan kunnen. Het antwoord hierop is artificiële intelligentie, zodat grijpers zich autonoom aanpassen aan de stukken die passeren. Vandaag is dit niet louter theorie, de eerste slimme grijpers zijn al aan de slag in de industrie.

Grijpers hadden het vroeger makkelijker. Ze moesten er over waken dat ze zo snel en zo betrouwbaar mogelijk aan de slag waren. Daarmee was de kous af. Grijpers wisten hoe de stukken geometrisch in elkaar zaten, op welke positie ze moesten opgeraapt en neergelegd worden. In feite een heel rigide manier van werken. Betrouwbare handling hangt dan immers af van de voorwaarde of de stukken op exact dezelfde manier zijn ingevoerd via vooraf bepaalde trajecten en via specifieke coördinatiepunten voor de bestemming. In hedendaagse productieprocessen is de focus echter verschoven naar flexibiliteit. Digitalisering heeft ervoor gezorgd dat automatische, volledig geconnecteerde en autonome productiesystemen stilaan vorm beginnen te krijgen. En dat heeft ook zo zijn impact op grijpers.

Wat deze technologieën bijzonder aantrekkelijk maakt, is de mogelijkheid om opgedane leerervaringen te delen met bijvoorbeeld andere grijpsystemen voor soortgelijke toepassingen in een productienetwerk of tussen verschillende locaties. (Beeld: Ruediger J. Vogel)

Telkens aanpassen aan andere producten

Grijpers zullen moeten leren hoe ze net als menselijke handen zich telkens weer aanpassen aan het product dat eraan komt. Dat neemt schoorvoetend aanvang met de introductie van toepassingen met cognitieve intelligentie. Met behulp van een camera leren robots van operatoren hoe ze onafhankelijk bepaalde grijptaken kunnen uitvoeren. De training bestaat er dan eigenlijk uit om te leren classificeren, zodat ze weten hoe de handling het beste kan gebeuren. In de slimme fabrieken van morgen zal artificiële intelligentie een belangrijke rol spelen in deze evolutie. Fabrikanten van grijpers werken aan algoritmes voor het classificeren van verschillende geometrieën en opstellingen, maar evengoed aan algoritmes die op basis van die classificatie een optimale grijpstrategie kunnen ontwikkelen. Complexe materie maar het echte geheim van de smid zit erin om die complexiteit voor de binnenkant te bewaren en de operator een gebruiksvriendelijke bediening voor te schotelen. Plug-and-play.

Slechts een paar leercycli nodig

Deze ontwikkelingen zijn helemaal geen verre toekomstmuziek meer. Specialisten maken het nu al mogelijk om grijpers slim aan de slag te zetten en met slechts een paar leercycli achter de kiezen goede resultaten neer te zetten. Dankzij de geleerde empirische waarden weet hij in geen tijd hoe het te hanteren werkstuk op de beste manier wordt opgenomen en getransporteerd. En dat leren kan bovendien op verschillende manieren gebeuren. Met behulp van een camerasysteem dat helpt identificeren waar de stukken zich bevinden en waar ze moeten landen. Maar grijpers kunnen evengoed zelf deze taak op zich nemen. Ze tasten in dat geval dan als het ware hun omgeving af.

Communicatie cruciaal

Belangrijk ook in dit verhaal is dat grijpers leren communiceren. Als ze de informatie die ze verzameld hebben over een bepaald object of werkstuk kunnen doorgeven aan het volgende station, dan kan men daar al de nodige aanpassingen doen, bijvoorbeeld het afstemmen van de slag- of de grijpkracht. Grijpers zullen dus niet alleen een grotere verscheidenheid aan werkstukken kunnen opnemen, die regel gaat ook op voor hun takenpakket. Dat kan zelfs zo ver gaan als planning, waarbij ze alle grijptaken afhandelen en communiceren met componenten voor- en na hen in de productielijn of machine.

Het delen van leerervaringen

Wat deze technologieën bijzonder aantrekkelijk maakt, is de mogelijkheid om opgedane leerervaringen te delen met bijvoorbeeld andere grijpsystemen voor soortgelijke toepassingen in een productienetwerk of tussen verschillende locaties, bijvoorbeeld met behulp van cloudoplossingen. Als het object al bekend is, wordt automatisch de optimale grijpbeweging gestart. Als het niet bekend is, wordt het door het camerasysteem geregistreerd en zonder onderbreking wordt bepaald hoe het object het best kan worden gegrepen. Leerervaringen komen op hun beurt direct in het systeem terecht en vullen de bijbehorende bibliotheek van grijpstrategieën verder aan.