KI-basierte dynamische Montageplanung und Demontageplanung von ähnlichen Produkten

Automatisierung und Robotik sind aus vielen heutigen Lebensbereichen nicht mehr wegzudenken. Besonders im Industrieumfeld gehören sie zu integralen Bestandteilen vieler Prozesse und Abläufe. Gleichwohl gibt es diverse Bereiche und Situationen in denen die Automatisierung aufgrund fehlender Flexibilität in ihre Grenzen kommt. In der Montage sorgen veränderte Verfügbarkeiten von Material und Maschinen für Probleme bei der Ausführung von statisch geplanten Montageabläufen. Im Recycling und der Demontage hingegen steigt durch Produktveränderungen sowie der allgemeine Variantenvielfalt der Bedarf entsprechende Anpassungsfähigkeiten zu entwickeln. ... mehrIn dieser Arbeit wird ein Konzept für die KI-basierte dynamische Planung von Montage- und Demontageabläufen für ähnliche Produkte vorgelegt. Es zielt darauf eine größere Flexibilität in diesen Bereichen bereitzustellen. Dazu werden KI-basierte Ansätze für die Lösung der Montagesequenzplanung entwickelt und adaptiert.
Durch aktuelle Methoden wie Large Language Modelle in Verbindung mit detaillierten Baugruppeninformationen aus CAD-Daten können automatisiert Montagevorgänge geplant werden. Mit der Einführung des Konzeptes der Montageaffordanz können die einzelnen Verwendungsmöglichkeiten eines Bauteils systematisch erfasst und im weiteren Planungsverlauf adressiert werden. In einem nach der Sequenzgenerierung angesiedelten Planverfeinerungsprozess, werden die entsprechenden Montageaffordanzen von einem hierarchischen semantischen Planer verwendet, um die gefundenen Bauteilsequenzen in konkrete Montagepläne auf einem hohen Abstraktionsniveau zu überführen. Der so erzeugte Plan kann anschließend als dynamische Eingabe für eine intelligente Roboterzelle genutzt werden, die den eigentlichen Montageprozess durchführt.
Die entwickelten Konzepte und Implementierungen werden abschließend mit Experimenten auf realen und künstlichen Daten evaluiert und verglichen.
Wie die vorliegende Arbeit zeigt, können durch den intelligenten Einsatz von heute existierenden KI-Verfahren bisher statische Prozessabläufe in der Montage flexibilisiert werden. Zudem hinaus ermöglichen Konzepte wie die Montageaffordanzen eine nachvollziehbare Anpassung von Sequenzen, um die resultierenden Pläne als Grundlage für eine spätere automatisierte Ausführung zu verwenden.

Automation and robotics have become indispensable in many areas of modern life. Particularly in industrial environments, they are integral components of numerous processes and workflows. However, there are various domains and situations where automation reaches its limits due to a lack of flexibility. In assembly, fluctuating availability of materials and machinery causes issues in the execution of statically planned assembly sequences. In recycling and disassembly, on the other hand, product degradation and general variant diversity increase the need for developing corresponding adaptive capabilities.
... mehr
This thesis presents a concept for AI-based dynamic planning of assembly and disassembly processes for similar products. It aims to provide greater flexibility within these domains. To this end, AI-based approaches for solving assembly sequence planning are developed and adapted. By leveraging state-of-the-art methods such as Large Language Models in conjunction with detailed assembly information derived from CAD data, assembly processes can be planned automatically. With the introduction of the concept of assembly affordances, the individual action possibilities of a component can be systematically captured and addressed during the subsequent planning process. In a plan refinement process following sequence generation, these assembly affordances are utilized by a hierarchical semantic planner to translate the identified component sequences into concrete, high-level assembly plans. The resulting plan can subsequently serve as dynamic input for an intelligent robot cell that executes the actual assembly process.
Finally, the developed concepts and implementations are evaluated and compared through experiments using both real-world and synthetic data.
As this thesis demonstrates, the intelligent application of current AI methods allows for the flexibilization of previously static assembly workflows. Furthermore, concepts such as assembly affordances enable a transparent adaptation of sequences, allowing the resulting plans to serve as a solid foundation for subsequent automated execution.