Physical AI

De interessantste toepassingen beginnen bij een concrete handeling. Waar besteden medewerkers veel tijd aan herkennen, positioneren, beoordelen of bijsturen? Onderstaande voorbeelden laten zien waar AI en robotica elkaar kunnen aanvullen. De uitvoerbaarheid moet per product en proces worden onderzocht.

Bin picking en productaanvoer met robots

Bij bin picking liggen onderdelen door elkaar in een bak of komen ze in wisselende posities aan. Een bin picking robot met vision kan de onderdelen lokaliseren en gericht oppakken.

Bij 3D bin picking kan een 3D-camera helpen om ook de ruimtelijke positie en oriëntatie van onderdelen te bepalen. Bij een haalbaarheidstest tellen reflecties, overlap tussen onderdelen, bereikbaarheid en de resterende producten onderin de bak mee. AI kan helpen waar de herkenning of besluitvorming daarom vraagt.

Machinebelading automatiseren bij wisselende series

Het beladen en ontladen van een machine is vaak repeterend, terwijl werkstukken en posities verschillen. Vision kan een robot helpen onderdelen te herkennen en correct aan te bieden.

Ook machinebelading door cobots kan interessant zijn bij kleinere productieseries. Daarbij is vooral relevant hoeveel voorbereiding en omsteltijd nodig blijft bij een productwissel. Of een cobot, industriële robot of andere oplossing geschikt is, hangt af van het proces, de gewenste snelheid en de veiligheidsvereisten.

Sorteren en verpakken met vision en robotica

Een combinatie van herkenning en robotica kan producten selecteren, sorteren of op de juiste plek neerleggen. Dit is bijvoorbeeld interessant bij variatie in vorm, maat of oriëntatie.

Vision systemen kunnen helpen om producten en hun positie te herkennen, waarna een robot de juiste handeling uitvoert. Kwetsbaarheid, verpakkingswijze en de vereiste productiesnelheid bepalen welke oplossing mogelijk is.

AI vision en automatische kwaliteitscontrole

AI vision kan helpen afwijkingen te signaleren die lastig met vaste regels zijn te beschrijven. Een machine kan daarna een product apart leggen of een operator inschakelen. Zo wordt visuele kwaliteitscontrole gekoppeld aan een fysieke actie.

Goede voorbeelden van acceptabele producten en relevante afwijkingen zijn daarbij essentieel. Afhankelijk van de toepassing kan klassieke beeldverwerking voldoende zijn, of kan AI-kwaliteitscontrole aanvullende mogelijkheden bieden.

Assemblage met variatie

Bij montage moeten onderdelen worden herkend, uitgelijnd en passend samengebracht. Vision en krachtmetingen kunnen helpen om afwijkingen op te merken.

Waar AI waarde toevoegt, hangt af van de complexiteit. Nauwkeurigheid, toleranties en het voorkomen van beschadiging maken dit een toepassing die zorgvuldig moet worden getest.

Adaptieve nabewerking

Schuren, polijsten of ontbramen vraagt soms om bijsturen op de werkelijke vorm van een onderdeel.

Waarneming kan helpen een bewerkingsbaan aan te passen. De benodigde krachtregeling en het gewenste oppervlak blijven bepalend voor het resultaat. AI is vooral relevant wanneer de waargenomen variatie daarom vraagt.

Deze toepassingen kunnen passen bij onder meer de maakindustrie, metaalbewerking, assemblage en verpakkingsprocessen. Ook in food en agri zijn variabele producten relevant, met aanvullende eisen aan bijvoorbeeld hygiëne en productbehandeling.

AI in de maakindustrie kan vooral interessant zijn wanneer productvariatie, afwijkende posities of regelmatig wisselende werkzaamheden traditionele automatisering ingewikkeld maken.

De hoeveelheid herhalingen, omsteltijd en het werk dat overblijft voor een operator bepalen samen de businesscase.

Wil je weten wat Physical AI voor jouw productie kan betekenen? We beginnen met één proces en een duidelijke vraag. Daarna bepalen we welk onderzoek zinvol is.

Voor de benodigde expertise in AI, vision en robotica wordt per project bekeken wat nodig is om een haalbare vervolgstap te zetten.

Het proces en de gewenste prestaties bepalen

Samen brengen we de handeling in kaart. Welke producten moeten worden verwerkt, welke varianten komen voor en hoeveel stuks zijn nodig?

We bespreken ook verstoringen, de huidige inzet van medewerkers en de aansluiting op bestaande machines. Dit levert een concrete onderzoeksvraag op, met uitgangspunten voor kwaliteit, snelheid en bediening.

Een concept en haalbaarheidsonderzoek voorbereiden

We beoordelen welke combinatie van mechanica, grijper, robot, camera en besturing bij het proces kan passen.

Ook bekijken we of AI nodig is en welk beeldmateriaal of welke productdata voor een test nodig zijn. In het voorstel worden de onderzoeksvragen, benodigde expertise en verwachte kosten van die eerste fase vastgelegd.

De belangrijkste aanname met echte producten testen

Een proof of concept is een beperkte proefopstelling voor één handeling. Daarmee kan worden onderzocht of het principe ook werkt bij de afgesproken productvarianten.

Denk aan het percentage succesvolle handelingen, de cyclustijd, beschadigingen en het aantal ingrepen door een operator. De testresultaten bepalen of verder ontwikkelen zinvol is.

Vervolgontwikkeling en integratie afbakenen

Bij een positieve uitkomst volgt een afzonderlijke vervolgfase. Daarin worden integratie met de machine, bediening, veilige werking, onderhoud en acceptatietests uitgewerkt.

Een demonstratie is een beginpunt; inzet in productie vraagt aanvullende validatie met representatieve varianten en storingen. De scope en verantwoordelijkheden worden vooraf afgesproken.

Een robot voor meerdere taken

Flexibiliteit kan ook betekenen dat dezelfde robot afwisselend een machine belaadt, producten sorteert of onderdelen aanvoert.

Dat vraagt om passende grijpers, wisselbare tooling en koppelingen met elke werkplek. Per taak moeten de instellingen en prestaties worden vastgesteld. Zo kan worden onderzocht of hergebruik tussen processen voordeliger is dan een aparte oplossing per handeling.

Devoteq is een werktuigbouwkundig ingenieursbureau met een eigen werkplaats. We ondersteunen bedrijven bij het ontwikkelen van machines, producten en technische systemen.

Onze bestaande dienstverlening op het gebied van speciaal machinebouw en automatisering en productontwikkeling vormt een belangrijke basis voor het onderzoeken van nieuwe automatiseringstechnieken.

Die ervaring gebruiken we om automatiseringsvragen concreet te maken en ontwerpen op maakbaarheid te beoordelen.

Bij Physical AI verbinden we die basis met een nieuwe ontwikkelrichting. We willen leren aan gerichte toepassingen en onderzoeken samen met productiebedrijven waar de technologie waarde kan toevoegen. Zo ontstaat een onderbouwde keuze over de volgende stap.

‍