Die Herausforderung
Während der durch COVID-19 verursachten Pandemie im Jahr 2020 stehen die Universitäten vor dem Problem, wie sie Labore unterrichten können, ohne die Universitätseinrichtungen zu nutzen. Am ITAM gibt es ein spezielles Labor, in dem Studenten lernen, wie man eine Produktionslinie mit Werkzeugmaschinen, Robotern und Förderbändern plant und programmiert, die mit Sensoren und Aktoren ausgestattet sind, die von einer SPS gesteuert werden. Während der Pandemie haben wir mit Hilfe von SIMIO und anderen Simulationswerkzeugen einen digitalen Zwilling derselben Roboterzelle aufgebaut, um die Erfahrung zu vermitteln, wie man die Produktionslinie virtuell plant und verbessert.
Einführung
Während des Grundstudiums der Ingenieurwissenschaften sind Labore ein wichtiger Teil des Ausbildungsprozesses. In der Lehrveranstaltung Roboterzellen am ITAM lernen die Studenten der Studiengänge Mechatronik und Wirtschaftsingenieurwesen, wie man eine komplette Produktionslinie plant und realisiert, einschließlich der Programmierung der SPS und der Optimierung des Produktionsprozesses.
Die Roboterzelle umfasst neben der Förderanlage einen 6 DoF-Industrieroboter und zwei CNC-Werkzeugmaschinen (Fräs- und Drehmaschinen). Der Prozessablauf ist in SIMIO implementiert, und der G-Code zum Betrieb der CNC-Maschine wird mit PLM NX12 generiert.
Während der weltweiten Pandemie 2020 musste die Universität geschlossen werden und die Vorlesungen wurden virtuell abgehalten. In dieser Situation stellte sich die Frage, wie ein angemessener Laborbetrieb gewährleistet werden kann. Da ein Teil des Labors bereits in SIMIO geplant war, lag es nahe, die Roboterbewegungen, die Bahnplanung und die Fertigung mit CNC-Maschinen in das Simulationsmodell zu integrieren.
In dieser Fallstudie wird der digitale Zwilling dieser speziellen Ausbildungsroboterzelle beschrieben und die Ergebnisse und Erfahrungen erläutert.
Die Lösung
Erstellung des digitalen Zwillings einer Roboterzelle
Die Roboterzelle (RC) im ITAM-Labor besteht aus vier rechteckig angeordneten Förderbändern. An jeder Ecke befindet sich ein Aufzug, der die Paletten von einem Förderband zum nächsten transportiert. Der Elevator ist mit einem Positionssensor ausgestattet, der das Vorhandensein einer Palette erkennt.
Am Ende jedes Förderers sind ein Endanschlag und ein Sensor installiert, um einen kontrollierten Übergang zum nächsten Förderer zu ermöglichen. In der Mitte der Förderbänder ist der 6-DoF-Roboter montiert. Zwei CNC-Werkzeugmaschinen und ein Materiallager sind außen um die Förderbänder herum installiert, die jeweils vom Roboter erreicht werden können.
Dieses Szenario wird in SIMIO implementiert, um den Produktionsprozess von Schachfiguren zu analysieren und zu optimieren. Unter normalen Umständen stellen die Studenten Teile mit Hilfe von CNC-Maschinen her und programmieren den Roboter so, dass er die erforderlichen Bahnen ausführt und die Prozesszeiten aufzeichnet. Diese Zeiten dienen als Input für das SIMIO-Modell.
Während der Pandemie stützte sich die Arbeit stark auf Simulationswerkzeuge. Der G-Code für die CNC-Maschinen wurde mit PLM NX12 erstellt, das die Bearbeitungszeiten durch Simulation schätzt. Obwohl eine Fertigung nicht möglich war, wurden die geschätzten Bearbeitungszeiten für das SIMIO-Modell verwendet.
Die Roboterbewegungen wurden mit der Robotik-Toolbox von Corke (2017) implementiert. Die Trajektorienzeiten wurden berechnet und für die spätere Roboterprogrammierung gespeichert. Diese Zeiten wurden als Rüst- und Abrüstzeiten bei der Montage von Werkstücken in CNC-Maschinen interpretiert.
Die Rüst-, Bearbeitungs- und Abrüstzeiten wurden über Python in eine Excel-Datei verarbeitet, die in SIMIO importiert wurde. Die Schachfiguren "TOWER" und "PAWN" wurden mit den folgenden Kombinationen ausgewertet:
Tabelle 1: Beschreibung der Modellalternativen
| Variante | (1) ohne Bauer | (2) | (3) | (4) |
|---|---|---|---|---|
| Drehen | Alle Außendurchmesser-Konturen | Alle Außendurchmesser-Konturen | Drehen Außendurchmesser, Bohren | Außendurchmesser, Bohren, Innendurchmesser |
| Fräsen | Fräsen von Innenbohrungen und Hohlräumen | Innenlochfräsen, Hohlraumfräsen, Bohren | Fräsen von Bohrungen mit Innendurchmesser und Hohlräumen | Hohlraumfräsen |
Die Auswirkungen auf das Geschäft
Die erste Variante führte zu Wartezeiten, da der Fräsprozess etwa dreimal so lange dauert wie der entsprechende Drehprozess. Durch die Verlagerung einiger Fertigungsvorgänge vom Fräsen zum Drehen konnte die Gesamtprozesszeit reduziert und die Maschinenauslastung ausgeglichen werden.
Die Varianten (2) bis (4) beinhalten die Herstellung einer zweiten Schachfigur (PAWN), die nur Drehoperationen erfordert und bearbeitet werden kann, während die Fräsmaschine eine TOWER-Operation ausführt.
Mithilfe mehrerer Simulationswerkzeuge lernten die Schüler, wie man eine Produktionslinie anhand der Rüst-, Bearbeitungs- und Abrüstzeiten während der Pandemie ausrichtet. Dieser Ansatz kann auch die Anlaufzeit reduzieren, sobald der Zugang zum Labor wiederhergestellt ist.
Zukünftige Arbeiten umfassen die Verbesserung der Zeitintegration unter Verwendung der von SIMIO und PLM NX bereitgestellten .NET-API, anstatt sich auf externe Python-Skripte zu verlassen.
Proceedings of the 2020 Winter Simulation Conference K.-H. Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder, und R. Thiesing, eds.
Thomas Martin Rudolf
Luis Antonio Moncayo Martinez
Departamento Académico de Ingeniería Industrial y Operaciones
Instituto Tecnológico Autónomo de México - ITAM
Río Hondo Nr.1
Col. Progreso Tizapán, CDMX, 01080 MEXICO
Referenzen
Corke, P. 2017. Robotics, Vision and Control: Fundamental Algorithms in Matlab; 2. Aufl., Springer International Publishing AG.