Optimized model-based path generation for robotic manufacturing processes

Abstract

Optimized, efficient, and intuitive robotic programming is still a challenge in manufacturing and one ofthe main reasons why robots are not widely implemented in small and medium-sized enterprises and not broadly used for tasks such as milling, deburring, or welding. Reasons for this challenge are the time-consuming, complex, primarily manually optimized, and expert-dependent path generation for robotic manufacturing processes. In order to effectively and efficiently respond to the current product variability demands, small and medium-sized enterprises require easy and optimized programmable robotic manufacturing systems for achieving profitable and rapid changeover. To make up for this deficiency, this dissertation raises the following research question: How to automatically generate offline optimized paths in reaction to infeasibilities for robotic manufacturing processes under constraints and process optimization criteria? This research question is answered with the following proposed and evaluated thesis: Robotic manufacturing process paths can be automatically optimized under defined process criteria by methodologically configuring and deploying sample-based generation algorithms, based on the procedural interpretation of the product, process, and resource model-based components of the robotic manufacturing process. The basis for defining this thesis is the synergy found between four different research areas on robotics, which constitutes the state of the art of this document. These areas are: (1) the offline programming for robotic manufacturing processes, (2) the sample-based path generation, (3) the knowledge representation in robotic manufacturing and (4) the research and advances on specific robotic manufacturing processes such as welding, milling, and deburring. In this research, current advancements on these different areas are taken into account in order to develop, implement, and test the proposed architecture and methodology. The state-of-the-art analysis underscores and emphasizes that the lack of knowledge formalization, structured approach, and model-based architectures used in synergy with state-of-the-art algorithms is the reason for not having automatic optimized programming under constraints and optimization criteria for robotic manufacturing processes; resulting in the main contribution of this work. A novel approach is introduced for interpreting methodologically the components of a robotic manufacturing process using the product, process, and resource classification as input. Mathematical equations for the product features, selected by the end-user over the computer-aided design files of the workpiece in a simulation environment, are automatically generated based on models of each individual product feature. Likewise, the manufacturing process parameters are semantically described and used in order to relate the process and the resources, which are articulated industrial robots for the use-cases studied in this dissertation. The approach interprets the product, process, and resource components for simplifying the path planning problem. This is achieved by parameterizing the translational product constraints and the optimal or reference rotations of the product features in one dimension and configuring the process degrees of freedoms into a novel robotic manufacturing processes configuration space. This configuration space is introduced with the goal to relate product constraints with the degrees of freedom and constraints of the manufacturing process and to simplify the complexity of the problem by allowing its solution in reasonable computation times for industrial and practical applications as demonstrated in the implemented and evaluated use-cases. Three different use-cases are presented for simulating and evaluating the optimal path planning architecture and approach. The purpose of the evaluation in three different use-cases is to demonstrate the configurability of the approach and the re-usability of the defined models and implemented functions among different robotic manufacturing processes and criteria. Optimized robotic paths are generated for the manufacturing processes in reaction to infeasible robot configurations such as collision, unreachabilities, or maximum joint limits. The first use-case explores automatic and optimized collision avoidance in robotic welding. The second use-case explores the optimization of robot stiffness during robotic milling by using the intrinsic degree of freedom of the milling process. The third use-case demonstrates the use of a two dimensional laser scanner for sensor-guided robotic deburring which is optimized in order to get favorable measurements while assuring the deburring constraints. The simulation and validation of these three different robotic manufacturing use-cases validate the configurability of the architecture and approach. Furthermore, it is demonstrated that optimized paths for manufacturing processes can be automatically computed by using the novel approach and architecture. The approach introduced in this thesis show how the state-of-the-art development in robotic offline programming software, sample-based motion planning, robotic knowledge description, and modeling of specific robotic manufacturing processes can be used as input for improving robotic motions after further modeling the robotic manufacturing process and for generating automatic robot programs by using the proposed concept named Automatic Optimized Offline Programming (AOLP). This contribution demonstrates that the required robot programming time and the final robot process quality is improved by using the proposed approach and architecture in the implemented use-cases. Comparison between the widely used teach-in approach and a commercial offline programming software demonstrates this improvement. This approach verifies that the programming of robots does not require experts if robotic manufacturing models are used; that the robotic manufacturing processes can be automatically optimized, using sample-based algorithms after the methodological interpretation of the robotic manufacturing process; and that the general architecture can be used for several use-cases which reflect the solution to the above-defined research problem. This work concludes with an outlook on further potentials of the optimized path planning for robotic manufacturing.

Optimierte, effiziente und intuitive Roboterprogrammierung ist nach wie vor eine Herausforderung in der Roboterfertigung und einer der Hauptgründe dafür, dass Roboter in kleinen und mittleren Unternehmen (KMU) nicht weit verbreitet sind. Aufgaben wie Fräsen, Entgraten oder Schweißen können nicht allzu häufig mit Industrieroboter in KMUs eingesetzt werden, vor allem wegen der zeitaufwändigen, komplexen, vorwiegend manuell optimierten und von Experten abhängigen Bahnplanung für Roboterfertigungsprozesse (RMPs von seiner Abkürzung im Englischen „robotic manufacturing processes“). Um effektiv und effizient auf die aktuellen Produktvariabilitätsanforderungen reagieren zu können, benötigen KMUs einfache und optimierte programmierbare Roboterfertigungssysteme, damit eine schnelle Umstellung lukrativ ist. Um diesen Mangel auszugleichen, wirft diese Dissertation folgende Forschungsfrage auf: Wie generiert man automatisch offline optimierte Bahnen für robotergestützte Fertigungsprozesse unter Einschränkungen und Prozessoptimierungskriterien? Diese Forschungsfrage wird mit der folgenden Behauptung beantwortet: Die Roboterbahnen für Fertigungsprozesse können unter definierten Prozesskriterien automatisch optimiert werden, in dem probabilistische Algorithmen methodisch konfiguriert und eingesetzt werden. Diese Konfiguration basiert sich auf der „Produkt, Prozess und Ressource“ (PPR) modell-basierten Beschreibung und der verfahrenstechnischen Interpretation des RMPs. Nach der Einführung des Themas in Kapitel 1 werden die Grundlagen und der Stand der Technik in Kapitel 2 vorgestellt. Grundlage für die Definition dieser Arbeit ist die Synergie, die zwischen vier verschiedenen aktuellen Forschungsbereichen, die in dem Stand der Technik ausführlich beschrieben werden, besteht. Diese Bereiche sind: (1) die Offline-Programmierung (OLP) für Robotersysteme, (2) die probabilistische Bahnplanung, (3) die Wissensrepräsentation in der Roboterfertigung und (4) die Forschung und Fortschritte bei bestimmten Roboterherstellungsprozessen, wie z.B. Schweißen, Fräsen und Entgraten. In dieser Forschungsarbeit werden aktuelle Fortschritte auf diesen verschiedenen Gebieten dargestellt, um die vorgeschlagene Architektur und Methodik zu entwickeln, zu implementieren und zu testen. Der Befund von dem Stand der Technik betont, dass mangelnde Wissensformalisierung, strukturierte Herangehensweise und modellbasierte Architekturen, die in Synergie mit modernen Algorithmen verwendet werden, der Grund dafür sind, dass es keine automatisch optimierte Programmierung unter Einschränkungen und Optimierungskriterien für RMPs gibt, was zu dem Hauptbeitrag dieser Arbeit führt. Kapitel 3 stellt den verallgemeinerten Ansatz und die implementierte Architektur vor. Dieser Ansatz wird als „Automatic Optimized Offline Programming“ (AOLP) für Roboterfertigungsprozesse bezeichnet, aufgrund der Automatisierung im Vergleich zu dem regulären OLP. Der neuartige Ansatz wird zur methodischen Interpretation der Komponenten eines Roboterherstellungsprozesses unter Verwendung der PPR-Klassifizierung als Eingabe eingeführt. Mathematische Gleichungen für die Produktmerkmale, die vom Endbenutzer über die Computer-Aided Design (CAD) -Dateien des Werkstücks in einer Simulationsumgebung ausgewählt werden, werden automatisch basierend auf Modellen jedes einzelnen Produktmerkmals beschreiben. Ebenso werden die Parameter des Fertigungsprozesses semantisch beschrieben und verwendet, um auch den Prozess zu verknüpfen. Die in dieser Dissertation untersuchten Ressourcen sind 6-Achs-Gelenkarmroboter. Der Ansatz interpretiert die PPR-Komponenten, um das Bahnplanungsproblem zu vereinfachen. Dies wird erreicht, indem die translatorischen Produktbedingungen und die optimalen oder gewünschten Rotationen des Produkts in einer Dimension parametrisiert werden. Die Prozessfreiheitsgrade werden ebenfalls in einem neuartigen Konfigurationsraum „C-space“ mit dem Namen RMP C-space konfiguriert. Dieser C-Raum wird eingeführt mit dem Ziel, Produktbedingungen mit den Freiheitsgraden und Bedingungen des Herstellungsprozesses in Beziehung zu setzen und die Komplexität des Problems zu vereinfachen. Dadurch wird die Bahnplanung in diesem C-space in vernünftigen Berechnungszeiten für industrielle und praktische Anwendungen ermöglicht, wie in den evaluierten Anwendungsfällen gezeigt wird. In den Kapiteln 4 bis 6 werden die Implementierung der Anwendungsfälle, die experimentelle Untersuchung und die Ergebnisse dargestellt. Es werden drei verschiedene Anwendungsfälle zur Simulation und experimentellen Auswertung der optimalen Bahnplanungsarchitektur und des Ansatzes vorgestellt. Der Zweck der Bewertung in drei verschiedenen Anwendungsfällen besteht darin, die Konfigurierbarkeit des Ansatzes und die Wiederverwendbarkeit der definierten Modelle und implementierten Funktionen zwischen verschiedenen Fertigungsprozessen und -kriterien für Roboter zu demonstrieren. Optimierte Roboterbahnen werden für die Fertigungsprozesse als Reaktion auf nicht realisierbare Roboterkonfigurationen wie Kollisionen, Unerreichbarkeiten oder Überschreitungen der Gelenkgrenzen generiert.Kapitel 4 stellt den ersten Anwendungsfall vor, die automatische und optimierte Kollisionsvermeidung beim Roboterschweißen. Die Vermeidung von Kollisionen ist eine zeitaufwändige Aufgabe, selbst bei den modernsten Methoden wie Teach-In und die OLP-Ansätze. Dies begründet die Implementierung des vorgeschlagenen Ansatzes. Die herstellungsoptimale Funktion wurde als Bewertung des minimal erforderlichen Winkels einer nicht kollisionserzeugenden Roboterkonfiguration zum Erreichen der optimalen Ausrichtung für das Schweißen definiert. Die Simulation wurde für zwei unterschiedliche Werkstücke mit kontinuierlichen Merkmalen vorgestellt, das erste mit linearen und das zweite aus einem halbumlaufenden und einem linearen Merkmal, um die Modularität des Ansatzes zu zeigen. Experimente für den ersten Anwendungsfall wurden durch Vergleich des vorgeschlagenen AOLP und des Teach-In-Ansatzes durchgeführt. Die Programmierzeit mit dem AOLP ist 4.23 mal schneller als der Teach-In-Ansatz für die gegebene Schweißaufgabe. Darüber hinaus verbesserte das AOLP die Homogenität der geschweißten Nahtdicke um 35.62 %. Der Ansatz wurde auch mit einer kommerziellen OLP-Software verglichen, um eine spezifische Kollisionsvermeidung während des Roboterschweißens zu erreichen. Der Vergleich zeigte auch, dass das AOLP schneller ist als die kommerzielle OLP-Software (3.84 mal schneller). Als Erweiterung des Ansatzes wurde die nahezu optimale Werkstückpositionierung für das Roboterschweißen, um Gelenkbewegungen zu minimieren, vorgestellt und validiert. Kapitel 5 beschreibt den zweiten Anwendungsfall. In diesem Anwendungsfall wird die Optimierung der Robotersteifigkeit beim Roboterfräsen anhand des intrinsischen Freiheitsgrades des Fräsprozesses untersucht. Die Optimierung wurde definiert als die Minimierung von Translationsabweichungen als Folge der Roboternachgiebigkeit, die durch die in jedem Gelenk angebrachten Drehmomente verursacht wird, welche auf Prozesskräfte und Gelenkgewichte zurückzuführen sind. Das simulierte und gefräste Produktmodell besteht aus vier linearen Merkmalen, die ein Quadrat bilden. Es wurden zwei unterschiedliche Strategien zur Interpretation des Produkts und zur Definition des Bahnplanungsproblems adressiert. Der Fokus auf diese beiden Strategien wurde in diesem Anwendungsfall aufgrund der Diskontinuitäten in der „Costmap“ gegeben. Die Diskontinuitäten sind Resultat der Optimierungsfunktion in Bezug auf die Produktmerkmalsdefinitionen. Beim Roboterfräsen wurden die optimierten Bahnen mit den nicht optimierten Bahnen verglichen. Nach der Messung der Frästiefen mit einer Koordinatenmessmaschine (KMG) werden für beide Strategien Verbesserungen der mittleren absoluten Abweichung der Frästiefen aufgezeichnet (51.17 % und 57.40 % mit der „single“ und „multiple“ Strategien beziehungsweise). Kapitel 6 erörtert den dritten Anwendungsfall und demonstriert die Verwendung eines zweidimensionalen Laserscanners zum sensorgesteuerten Entgraten von Robotern, der optimiert ist, um günstige Messungen zu erhalten und gleichzeitig die Entgratungsbedingungen zu gewährleisten. Die manuelle Programmierung dieses Anwendungsfalls ist zeitaufwändig, da die Entgratungsbedingungen beim Drehen des „Tool Center Point“ (TCP) zur Erzielung optimierter oder gültiger Messungen mit dem Sensor kompliziert sind. Die zu optimierende Funktion wurde anhand zwei Kriterien definiert. Symmetriekosten wurden festgelegt, um den maximalen Informationsgehalt aus den gemessenen Merkmalen zu erhalten, und es wurden Tiefenkosten eingeführt, um den Ort festzulegen, an dem das 2D-Profil gemessen wird. Die Roboterkonfiguration ist als durchführbar definiert, wenn das Sichtfeld des Sensorsdas Werkstück für eine Messung schneidet. Darüber hinaus wurde eine Zustandsmaschine implementiert, um die verschiedenen Schritte des sensorgeführten Prozesses zu berücksichtigen. Die Optimierung wurde für ein Produkt mit fünf linearen kontinuierlichen Merkmalen unter Verwendung eines optimalen probabilistischen Algorithmus simuliert. Die Simulation wurde unter Verwendung des vorgeschlagenen Ansatzes und der Architektur durchgeführt und analysiert. Die Simulation und Validierung dieser drei verschiedenen Anwendungsfälle für die Roboterfertigung bestätigen die Konfigurierbarkeit der Architektur und des Ansatzes. Des Weiteren wird gezeigt, dass optimierte Bahnen für Fertigungsprozesse mithilfe des neuartigen Ansatzes und der neuen Architektur automatisch berechnet werden können. Der vorgestellte Ansatz zeigt auch, wie die Weiterentwicklung in der robotergestützten Offline-Programmierung (OLP), der probabilistischen Bahnplanung, der Wissensbeschreibung in der Robotik und der Modellierung spezifischer Fertigungsprozesse von Robotern in dem AOLP-Ansatz einbezogen werden kann. Diese Arbeit endet und präsentiert weitere Perspektiven der optimierten Bahnplanung für die Roboterfertigung in Kapitel 7. Der wissenschaftliche Beitrag zeigt anhand der Anwendungsbeispiele, dass die erforderliche Roboterprogrammierungszeit und die endgültige Qualität des Roboterprozesses durch die Verwendung des vorgeschlagenen Ansatzes und der vorgeschlagenen Architektur verbessert werden können. Der Vergleich zwischen dem weit verbreiteten Teach-In-Ansatz und kommerzieller OLP-Software beweist diese Verbesserung. Dieser Ansatz stellt sicher, dass für die Programmierung von Robotern keine Experten erforderlich sind, wenn Roboter-Fertigungsmodelle verwendet werden. Außerdem können die Roboterherstellungsprozesse nach der methodologischen Interpretation des RMP automatisch mit probabilistischen Algorithmen optimiert werden. Die Optimierung basiert sich auf eine allgemeine Architektur, die für mehrere Anwendungsfälle verwendet werden kann, die die Lösung des oben definierten Forschungsproblems widerspiegeln.