The aim of this doctoral thesis is to automate the logistic flow of material under industrial conditions. For this purpose, the running processes as well as their characteristic features are first analyzed. Based on this, requirements are derived for the robots to be created and technical solutions are sought. This development of the solution is divided into the five sub-areas: Decision, Perception, Action, Interaction and Safety. Depending on the overall task to be examined, three robot concepts are created for this purpose. One for depalletising in incoming goods, one for automating provisioning on the assembly line and one for palletising in empty goods sorting. Since the logistic processes - in contrast to the production processes in already automated production areas - are mainly characterized by a high variance, dynamic changes and challenging influencing variables from the industrial environment, a very powerful perception module is necessary for the successful use of the robots. This is made up of five modules for all three robots. Depending on the function, a decision is made between function and robustness modules. The former include Detection-, Selection- and Localization-Modules. Initially, all objects are detected by Neural Networks. Then the relevant object for the process execution is selected from the set of detected objects and its gripping point is determined. In order to increase the robustness to values suitable for industrial use, these three modules are supplemented by the Aggregation- and Validation modules. In the Validation-Module, the recognized classes are examined on the basis of predefined rules for their plausibility in occurrence itself as well as in appearance among each other. Finally, this process is executed several times. The results are evaluated in the Aggregation-Module. This means that outliers, for example, caused by background processes in the plant, can be excluded. Finally, the designed robots are evaluated. Depending on the respective hardware status, this was done in series production in the factory, in test trials in the factory as well as in test trials on the development areas. The industrial suitability of the developed solution can be demonstrated by this holistic test.
Ziel dieser Dissertation ist es, den logistischen Materialfluss unter industriellen Bedin- gungen zu automatisieren. Zu diesem Zweck werden zunächst die laufenden Prozesse sowie deren charakteristische Merkmale analysiert. Daraus werden Anforderungen an die zu erstellenden Roboter abgeleitet und technische Lösungen erarbeitet. Diese Entwicklung der Lösung gliedert sich in die fünf Teilbereiche: Entscheidungsfindung, Wahrnehmung, Ausführung, Interaktion und Sicherheit. Abhängig von der zu unter- suchenden Gesamtaufgabe werden zu diesem Zweck drei Roboterkonzepte erstellt. Eines für die Depalettierung im Wareneingang, eines für die Automatisierung der Bere- itstellung am Montageband und eines für die Palettierung in der Leergutsortierung. Da sich die logistischen Prozesse - im Gegensatz zu den Produktionsprozessen in bere- its automatisierten Produktionsbereichen - vor allem durch eine hohe Varianz, dy- namische Veränderungen und anspruchsvolle Einflussgrößen aus dem industriellen Umfeld auszeichnen, ist für den erfolgreichen Einsatz der Roboter ein sehr leistungs- fähiger Wahrnehmungsalgorithmus erforderlich. Dieser besteht roboterübergreifend aus fünf Modulen. Je nach Funktion wird zwischen Funktions- und Robustheitsmodulen entschieden. Erstere beinhalten die Module zur Erkennung, Auswahl und Lokalisierung. Zunächst werden alle Objekte von Neuronalen Netzen erkannt. Anschließend wird aus der Menge der erfassten Objekte das für die Prozessausführung relevante Objekt ausgewählt und die Greifpunkte bestimmt. Um die Robustheit mit Blick auf Industri- etauglichkeit zu erhöhen, werden diese drei Module durch die Module Aggregation und Validierung ergänzt. Im Modul Validierung werden die erkannten Klassen nach vordefinierten Regeln auf ihre Plausibilität sowohl im Auftreten selbst als auch im Erscheinungsbild untereinander untersucht. Schließlich wird dieser Prozess iterativ aus- geführt. Diese Ergebnisse werden im Aggregationsmodul ausgewertet. Dadurch können Ausreißer, z.B. durch Hintergrundprozesse im Werk oder verrauschte Sensorinputdaten, ausgeschlossen werden. Abschließend wird der Wahrnehmungsalgorithmus sowie die konzeptionierten Roboter evaluiert. Dies erfolgt in Abhängigkeit des Hardware-Status in der Serienproduktion im Werk, in Testversuchen im Werk sowie in Testversuchen auf den Entwicklungsbereichen. Die industrielle Eignung der entwickelten Lösung konnte durch diesen ganzheitlichen Test nachgewiesen werden.
