close

Das „Problem der Roboterarme” lösen

Das Problem der Roboterarme - Header
Geschätzte Lesezeit: 5 Minuten

Ein Bei­trag von Wal­ter Graf, Smart Factory/Industry 4.0 Evan­ge­list, Fuji­tsu Dis­tin­guis­hed Engineer.

Robo­ter eröff­nen Fer­ti­gungs­un­ter­neh­men eine schier unglaub­li­che Men­ge ver­schie­de­ner Mög­lich­kei­ten. Doch wel­che davon ist die Bes­te? Und wie lässt sie sich über­haupt ermitteln?

Robo­ter sind aus der Fer­ti­gungs­in­dus­trie nicht weg­zu­den­ken. Ihre Anzahl und Auf­ga­ben stei­gen kon­ti­nu­ier­lich. Rund 221.500 Indus­trie-Robo­ter waren 2020 bei deut­schen Fer­ti­gungs­un­ter­neh­men im Ein­satz, das sind drei Pro­zent mehr als im Vor­jahr. Damit ran­giert Deutsch­land, bezo­gen auf die Robo­ter­dich­te, laut Auto­ma­ti­ca-Trend­in­dex 2020 im welt­wei­ten Ver­gleich auf Platz 3 – direkt hin­ter den Vor­rei­tern Sin­ga­pur und Süd­ko­rea. Ein­satz fin­den die Robo­ter dabei vor allem im Rah­men kom­ple­xer Fer­ti­gungs­pro­zes­se, etwa in der Auto­mo­bil­pro­duk­ti­on. Die Vor­tei­le lie­gen auf der Hand: Robo­ter­sys­te­me sind nicht nur sehr zuver­läs­sig und ent­las­ten die Produktionsmitarbeiter*innen, wenn es um repe­ti­ti­ve oder kör­per­lich schwe­re Arbei­ten geht, son­dern sen­ken auch die all­ge­mei­nen Produktionskosten.

Die stei­gen­de Zahl von Robo­tern mit immer mehr Fähig­kei­ten bedeu­tet für Fer­ti­gungs­un­ter­neh­men aller­dings auch eine kaum mehr zu über­schau­en­de Kom­ple­xi­tät. Die­se ist mit her­kömm­li­chen Metho­den wie ver­ein­fach­ten Model­len nicht mehr zu bewäl­ti­gen. Denn je viel­fäl­ti­ger etwa die Bewe­gun­gen eines Robo­ter­arms, des­to schwie­ri­ger – ja fast unmög­lich – ist es, einen mög­lichst effi­zi­en­ten und damit guten Bewe­gungs­ab­lauf für bestimm­te Auf­ga­ben festzulegen.

Im Kern geht es dabei um Fol­gen­des: Um einen Bewe­gungs­ab­lauf zu opti­mie­ren, muss fest­ge­legt wer­den, wel­cher Robo­ter­arm wel­che Tätig­keit zu wel­chem Zeit­punkt aus­füh­ren soll. Dabei dür­fen sich die Robo­ter­ar­me nicht in die Que­re kom­men und behin­dern. Die­ses Pro­blem bezeich­nen wir – in Ana­lo­gie zum „Pro­blem des Hand­lungs­rei­sen­den” (Tra­ve­ling Sales­man Pro­blem), wel­ches stell­ver­tre­tend für die Pro­blem­klas­se der soge­nann­ten kom­bi­na­to­ri­schen Opti­mie­rungs­pro­ble­me steht – als „Pro­blem der Robo­ter­ar­me”.

QIOS Content 1

Kombinatorische Optimierung – eine besonders gute Nadel im unendlichen großen Heuhaufen finden

Beim „Pro­blem des Hand­lungs­rei­sen­den” gilt es, die Rei­hen­fol­ge für den Besuch meh­re­rer Orte so zu wäh­len, dass kein Ort mehr als ein­mal besucht wird und die gesam­te Stre­cke mög­lichst kurz ist. Ana­log muss beim „Pro­blem der Robo­ter­ar­me” aus einer fast unend­lich gro­ßen Men­ge poten­zi­el­ler Ein­zel­lö­sun­gen ein mög­lichst effi­zi­en­ter und zeit­spa­ren­der Bewe­gungs­ab­lauf ermit­telt wer­den. Weil es in bei­den Fäl­len aber zu vie­le Mög­lich­kei­ten gibt, um alle zu tes­ten, ist für die Lösung eine Heu­ris­tik in Form eines mathe­ma­ti­schen Nähe­rungs­ver­fah­rens erfor­der­lich, zum Bei­spiel des sog. Simu­la­ted Anne­alings.

Selbst dafür müs­sen aber gleich­zei­tig aber­tau­sen­de ver­schie­de­ne Mög­lich­kei­ten simu­liert, ana­ly­siert und mit­ein­an­der abge­gli­chen wer­den – und das in Sekun­den­schnel­le. Her­kömm­li­che Com­pu­ter­sys­te­me sind dazu nicht in der Lage. Zwar wird das Anne­aling, in Form des Simu­la­ted Anne­alings, bereits seit vie­len Jah­ren auf tra­di­tio­nel­len Rech­ner­ar­chi­tek­tu­ren ein­ge­setzt. Als wirk­lich effi­zi­ent hat es sich dabei jedoch nicht erwie­sen. So dau­ern Rechen­ope­ra­tio­nen die­ser Art nicht nur ziem­lich lan­ge, son­dern erfor­dern auch einen hohen Rechen­auf­wand. Effi­zi­en­tes Anne­aling könn­te aus heu­ti­ger Per­spek­ti­ve nur das Quan­ten-Com­pu­ting lie­fern. Aber war­um ist das so?

Mehr als 0 und 1

Wäh­rend her­kömm­li­che Rech­ner mit Bits arbei­ten, die nur zwi­schen 0 und 1 unter­schei­den, kön­nen Quan­ten-Bits (Qubits) vie­le Zustän­de anneh­men: 0 und 1 sowie einen belie­bi­gen dazwi­schen. Außer­dem kön­nen sie es auf gewis­se Wei­se – anders als nor­ma­le Com­pu­ter – gleich­zei­tig tun, also mit allen Zustän­den zwi­schen 0 und 1 zur sel­ben Zeit arbei­ten. Das ver­setzt sie in die Lage, weit­aus mehr Mög­lich­kei­ten simul­tan zu berech­nen als ein „nor­ma­ler” Computer.

Aller­dings steckt die Ent­wick­lung von Quan­ten­com­pu­tern und damit auch von Quan­tum Annea­lern für die Lösung hoch­kom­ple­xer kom­bi­na­to­ri­scher Opti­mie­rungs­pro­ble­me noch in den Kin­der­schu­hen. So müs­sen sie bei­spiels­wei­se kon­stant extrem nahe am abso­lu­ten Null­punkt (-273,15 °C) und ohne wei­te­re äuße­re Ein­flüs­se betrie­ben wer­den. Auch lau­fen sie heu­te noch nicht annä­hernd sta­bil genug, um kom­ple­xe Pro­ble­me im brei­ten Indus­trie­ein­satz zu berechnen.

Quanten-inspiriertes Annealing: Eine Brücke in die Zukunft

Einen Vor­ge­schmack auf das, was ein­mal kom­men wird, geben wir von Fuji­tsu bereits heu­te mit der Digi­tal-Anne­aling-Tech­no­lo­gie. Sie kommt ohne die kom­ple­xen Rah­men­be­din­gun­gen eines Quan­tum Annea­lers aus. Der ihr zugrun­de­lie­gen­de Chip, die Digi­tal Anne­aling Unit (DAU), ist mit kon­ven­tio­nel­ler, Sili­zi­um-basier­ter Halb­lei­ter­tech­nik gefer­tigt und lässt sich in her­kömm­li­che IT-Infra­struk­tu­ren inte­grie­ren. Hier haben wir ver­sucht, uns den Mög­lich­kei­ten des Quan­tum Annea­lers so gut wie mög­lich auf klas­si­schem Weg zu nähern. Zum Bei­spiel arbei­tet der Chip mas­siv par­al­lel und kann so bis zu einem gewis­sen Grad die Eigen­schaft der Qubits nach­bil­den. Es han­delt sich also um eine Brü­cken­tech­no­lo­gie, die sich der Leis­tung ech­ter Quan­tum Annea­ler für die­se kon­kre­te Pro­blem­klas­se sehr stark annä­hert bzw. sie im Moment sogar über­trifft. Dabei ist die mathe­ma­ti­sche Model­lie­rung des Digi­tal Annea­lers so gestal­tet, dass sie spä­ter eins zu eins für Opti­mie­run­gen auf Basis eines Quan­tum Annea­lers ein­setz­bar ist. So set­zen wir unter ande­rem auf Schnitt­stel­len (APIs), die bereits heu­te auch bei Quan­tum Annea­lern Anwen­dung finden.

Dank sei­nes quan­ten-inspi­rier­ten, digi­ta­len Schal­tungs­de­signs löst der Digi­tal Annea­ler bereits heu­te kom­ple­xe kom­bi­na­to­ri­sche Opti­mie­rungs­pro­ble­me schnel­ler als jemals zuvor. Berech­nun­gen, die bis­lang Stun­den brauch­ten, las­sen sich so in Sekun­den­schnel­le unter Echt­zeit­be­din­gun­gen durch­füh­ren – auch in der Fer­ti­gungs­in­dus­trie. Ein Bei­spiel ist die Schweiß­naht­ver­sie­ge­lung im Zuge der Lackie­rung, die mit rund 40 Pro­zent der Gesamt­her­stel­lungs­kos­ten einen der kos­ten­in­ten­si­ve­ren Schrit­te der Fahr­zeug­pro­duk­ti­on dar­stellt und ein ent­spre­chend hohes Opti­mie­rungs­po­ten­zi­al aufweist.

Optimierte Roboterarmbewegungen bei BMW

QIOS Content 2

Obwohl hoch­au­to­ma­ti­siert, war das Ver­sie­geln von Fugen, die wäh­rend der Pro­duk­ti­on an der Karos­se­rie und im Unter­bo­den­be­reich ent­ste­hen, bei der BMW AG bis­her ein sehr zeit­auf­wen­di­ger Pro­zess in der Lackier­stra­ße. So müs­sen meh­re­re Robo­ter­ar­me abhän­gig vom Fahr­zeug­mo­dell unter­schied­lich um die Karos­se­rie posi­tio­niert wer­den. Hin­zu kom­men ver­schie­den gro­ße Näh­te und Düsen. Zudem gilt es, eine Kol­li­si­on der Robo­ter in den ver­schie­de­nen Set-ups zu verhindern.

Um unter die­sen Rand­be­din­gun­gen den schnellst­mög­li­chen Bewe­gungs­ab­lauf für jedes Fahr­zeug­mo­dell und jeden Robo­ter­arm zu fin­den, muss dem­nach eine enor­me Men­ge von ver­schie­de­nen Para­me­tern in die Ana­ly­se mit ein­be­zo­gen wer­den. Für die Lösung die­ser kom­ple­xen kom­bi­na­to­ri­schen Her­aus­for­de­rung setz­te BMW im Rah­men eines gemein­sa­men Pro­jekts auf unse­re Quan­tum-Inspi­red Opti­miz­a­ti­on Ser­vices, die auf der Digi­tal Anne­aling-Tech­no­lo­gie basie­ren. So konn­ten die Bewe­gun­gen der Robo­ter­ar­me bei der Naht­ver­sie­ge­lung im Lackier­pro­zess um 40 Pro­zent gesenkt und damit auch die Takt­zei­ten erhöht wer­den. Das spart wert­vol­le Zeit im Pro­duk­ti­ons­pro­zess. Eben­so beein­dru­ckend ist die Schnel­lig­keit, mit der die effi­zi­en­ten Bewe­gungs­ab­läu­fe errech­net wur­den. So benö­tig­te der Digi­tal Annea­ler nur 0,5 statt 8.000 Sekun­den, wie sie ein Rech­ner mit her­kömm­li­cher Chip­ar­chi­tek­tur gebraucht hät­te. Das ent­spricht einer Beschleu­ni­gung um den Fak­tor 17.000.

Vielfältige Anwendungsmöglichkeiten

Das ist aber nur einer von vie­len Ein­satz­be­rei­chen der Digi­tal-Anne­aling-Tech­no­lo­gie in der Fer­ti­gungs­in­dus­trie. So lässt sich mit­hil­fe des quan­ten-inspi­rier­ten, digi­ta­len Schal­tungs­de­signs u. a. die Rou­ten­füh­rung im Lager opti­mie­ren. In unse­rer Pro­duk­ti­ons­stät­te Fuji­tsu IT Pro­ducts Limi­ted konn­ten so etwa die Weg­stre­cken beim Kom­mis­sio­nie­ren von Tei­len um bis zu 45 Pro­zent gesenkt wer­den.

Mit dem Digi­tal Annea­ler las­sen sich die oft­mals zeit­auf­wen­di­gen Lösun­gen kom­ple­xer kom­bi­na­to­ri­sche Opti­mie­rungs­pro­ble­me jeg­li­cher Art auto­ma­ti­sie­ren und beschleu­ni­gen. Das Ergeb­nis ist dabei nicht nur wesent­lich schnel­ler ver­füg­bar, son­dern gegen­über manu­el­len Ver­fah­ren auch unab­hän­gig vom Bear­bei­ten­den und des­sen Erfahrung.

Optimierung-as-a-Service

Da Quan­ten-inspi­rier­tes Anne­aling spe­zi­el­les Know-how erfor­dert, bedarf es in der Regel Unter­stüt­zung durch exter­ne Expert*innen. Pro­blem­lö­sun­gen und die damit ver­knüpf­ten Fra­ge­stel­lun­gen müs­sen zunächst in mathe­ma­ti­sche For­meln „über­setzt” wer­den, damit sie der Digi­tal Annea­ler berech­nen kann. Damit Sie sich auf Ihr Kern­ge­schäft und den jewei­li­gen Busi­ness Case kon­zen­trie­ren kön­nen, erfolgt der Ein­stieg in die neue Tech­no­lo­gie „as-a-Ser­vice” über die Cloud. Im Rah­men unse­rer FUJITSU Quan­tum-Inspi­red Opti­miz­a­ti­on Ser­vices – kurz QIOS – ste­hen Ihnen die Vor­tei­le des Digi­tal Annea­lers zur Ver­fü­gung. Um die mathe­ma­ti­sche Model­lie­rung und die Inte­gra­ti­on in Ihr Sys­tem küm­mern sich unse­re Experten*innen.

Erfah­ren Sie mehr über den Ein­satz des Digi­tal Annea­lers in der Fer­ti­gungs­in­dus­trie und die Mög­lich­kei­ten der FUJITSU Quan­tum-Inspi­red Opti­miz­a­ti­on Services.

Schlagwörter: , , , ,

Story Page