Automatisierung.
Vereinfacht.

Innovative Softwarelösung für die Behandlung von kleinen elektronischen Bauteilen mit hoher Geschwindigkeit.

Was bieten wir an

Unchained Robotics revolutioniert dank intuitiver und intelligenter Steuerung bestehende Automatisierungslösungen. Mit einem klaren Fokus auf digitale Modelle und künstliche Intelligenz, werden Lösungen in dynamischen und individuellen Prozessen für Unternehmen in der Leistungselektronik möglich.

thumbnail_Stifteinsetzen mit dem OnRobot RG2-FT Greifer

high speed

Erkennung durch künstliche Intelligenz.
image49

Electrifying

Leistungselektronik im Fokus der Lösung.
image60

Präzise

Hoch Genauigkeit dank hochsensibler Sensorik.
thumbnail_Leimdosierung mit dem OnRobot HEX Kraft-Momentsensor

Plug and Play.

Intelligente Anpassung an Ihre Fertigungsumgebung.

Bestückung von elektronischen Bauteilen

Unser Bildverabeitungslösungen sind flexible, sicher und kosteneffizient.
Auch kleine Bauteile, wie in der Elektrotechnik mit einer Genauigkeit bis 0.01 mm.

Folge uns auf github

 

Elektrofahrzeuge, Smart Home, Industrie 4.0 und Fachkräftemangel sind die vier größten Treiber der Marktentwicklung für ‚Electronic Manufacturing Services‘ (EMS) in Deutschland. In Deutschland wächst der Bedarf nach bestückten Leiterplatten stetig, während die Individualisierung und Varianz verschiedenster Aufträge steigt. Die EMS-Dienstleister kommen derzeit der wachsenden Nachfrage zur Bestückung von Leiterplatten nicht nach, da Ihnen Fachkräfte für die sichere Bestückung fehlen. Große Bestückungsanlagen kosten durchschnittlich 600.000€ weshalb, die EMS-Dienstleister auf manuelle Bestückung für kleine Losgrößen zurückgreifen. Die Flexibilität ist hierbei der treibende Faktor, den Unchained Robotics durch die Entwicklung einer Software zur Steuerung von kollaborativen Robotern (Cobots) ermöglicht. In einem Gesamtsystem bestehend aus Cobot, Industriekamera, Greifer und eigener Software, wird eine flexible Systemlösung geschaffen, die eine Bestückung von Leiterplatten trotz hoher Variantenvielfalt und häufig wechselnden Aufträgen effizient automatisiert. Im Rahmen einer 18-monatigen Entwicklung, wird eine Software entwickelt, die auf der Grundlage autonom fahrender Autos beruht. Hierbei entsteht der Bezug auf die Berechnung und Verarbeitung von Punktwolken, die bei autonom fahrenden Autos aus der Lidar-Sensorik gewonnen wird. Mit Hilfe von Streifenprojektion werden Punktwolken in dem hier vorliegenden System-Konzept ermittelt, welche für die eindeutige Objekt- und Lageermittlung verwendet wird. Hinzu kommt die Verwendung künstlicher Intelligenz, um Objekte zu detektieren, welches in der Kombination mit Punktwolken zu schnellen Zykluszeiten sorgt. Die Erkennung basiert auf gleichen Netzstrukturen der künstlichen Intelligenz, die sich insbesondere für die Bilderkennung eignet. Ziel ist in einer flexiblen Arbeitsumgebung die Durchführung von ‚Pick & Place‘ Prozessen für elektrische Bauelemente zu ermöglichen. Der Cobot kann, dank der Software von Unchained Robotics, Bauteile in der Reichweite analysieren und den eingespielten Aufträgen zuordnen. Die Software analysiert die Kamerabilder, ermittelt Lage und Position von Bauteilen und berechnet die Verfahrwege des Cobots, um die Objekte zu greifen und in die Leiterplatte zu stecken. Generische Methoden ermöglichen es somit die enthaltene künstliche Intelligenz auf beliebige Bauteile zu trainieren, sodass Aufträge bis hin zu Losgröße 1 effizient erledigt werden können. Unchained Robotics fokussiert sich ausschließlich auf die Entwicklung der Software, welche genau auf die Bedarfe der zugekauften Systemkomponenten ausgerichtet ist. Für die angestrebte Gesamtlösung wurden im Rahmen vertiefender Eigenarbeit bereits erste Beweise und Lösungen entwickelt. Hierfür werden im Rahmen des Förderzeitraums bestehende Teillösungen auf das zu lösende Problem angepasst. Bestehende Komponenten beziehen sich in erster Linie auf die Objekterkennung und Segmentierung von Bildern, um Lage und Position von Objekten zu detektieren. Hierzu wurde auch ein Demonstrator von Unchained Robotics entwickelt, welcher mit Objekten in variablen Positionen interagiert. Mit dem bestehenden Proof of Concept benötigt es in der weiteren Entwicklung eine Verfeinerung der angewendeten Methoden, Hardware und ein ausgereiftes Zusammenspiel zwischen Software und Hardware. In diesem Punkt liegt auch der größte Teil der Weiterentwicklung. 
Innerhalb des Förderzeitraums wird das Gesamtsystem zu einem Prototypenstatus ausgereift, welcher sich für den Einsatz in der Fertigung eignet. Hierbei sind variable Auftragseingänge realisierbar, die den Pilot-Partnern dabei helfen ihre Fertigungskapazitäten auszuweiten. Innerhalb der ersten 6-9 Monate nach Abschluss des Förderzeitraums werden die Prototypen weiterentwickelt, um den vollständigen Markteintritt zu realisieren. Ziel ist es 2021 mit der ‚productronica‘ den Marktstart bekanntzugeben und auf der Messe erste Verkäufe zu generieren. 

Das Entwicklungsteam setzt sich aus den drei verschiedenen Spezialisierungen der Produktentwicklung zusammen. Anton Veynshter arbeitete am Lehrstuhl für Regelungstechnik und Mechatronik, sowie dem Fraunhofer Institut für Entwurfstechnik Mechatronik an Projekten zur Bildverarbeitung in der Robotik. Neben seinem Studium im Wirtschaftsingenieurwesen mit der Vertiefung Regelungstechnik und Mechatronik, belegte er Informatikkurse und Vorlesungen anderer Studiengänge zusätzlich um Kenntnisse zu vertiefen. Seine wissenschaftliche Abschlussarbeit im Bachelorstudium war bereits eine Software zur Erkennung von Fluidpartikeln für den Lehrstuhl der Partikelverfahrenstechnik. Kevin Freise arbeitete ebenfalls am Fraunhofer Institut für Entwurfstechnik Mechatronik und spezialisierte sich hauptsächlich auf die Maschinen- und Roboterprogrammierung für Industrie 4.0 Anwendungen. Neben dem Maschinenbaustudium an der Universität Paderborn wurden hier die ersten Entwicklungen in ‚Condition Monitoring‘ und Hexapod-Roboter-Programmierung vorgenommen. Die forschungsnahe Entwicklung von Roboterprogrammierung brachte viele neue Erkenntnisse in industriellen Anwendung autonomer Roboter. Die Spezialisierung und die erlangten Kenntnisse sind von hoher Bedeutung für die Entwicklung eines autonomen Cobots in der Leistungselektronik. Mladen Milicevic vereint die prozessualen Anforderungen des technischen Prozesses mit den technischen Möglichkeiten der Entwicklung zusammen. Neben dem Studium als Wirtschaftsingenieur mit dem Fokus Produktentwicklung, wurden Erfahrungen in der Industrie als Prozessplaner gesammelt. Als Spezialist für industrielle Prozessplanung mit hocheffizienten Montageprozessen bringt Herr Mladen Milicevic die Kenntnisse aus Vorserien- und Massenproduktion mit. Prozessplanungen in Deutschland und in China waren stets mit den Anforderungen höchster Automatisierung und digitaler Anbindung für die Smart Factory ausgelegt. Diese Kenntnisse und Erfahrungen sind zuletzt in der Automotive Branche gesammelt worden, die sich am aktuellen Stand der Technik orientiert.  
Als Team mit der Spezialisierung in Bildverarbeitung, Robotik und Prozessplanung werden die wichtigsten Komponenten einer erfolgreichen Systementwicklung zusammengebracht. Die Entwicklung richtet sich an dem neusten Stand der Technik, um Neuheitsgrad und Marktbedürfnisse voll zu erfüllen. Hierdurch wird ein hoher Innovationsgrad erreicht, der in der Branche der Leiterplattenbestückung einen enormen Mehrwert leisten kann. 

Das konkrete, ungelöste Problem in der Bestückung von Leiterplatten ist die mangelnde Flexibilität in der Automatisierung. Kleine und mittlere Unternehmen, die als Bestückungsdienstleister von Leiterplatten in der Leistungselektronik tätig sind, zeichnen sich durch ihre Flexibilität und Auftragsfertigungen für kleine Losgrößen aus. Diese Flexibilität erreichen sie durch manuelle Arbeit bei volatilen Fertigungsmengen. Prototypenbau, oder Kleinserien sind die Treiber ihres Geschäfts. Konkurrenzangebote aus Niedriglohnländern wie China setzen die Profitabilität der Unternehmen zunehmend unter Druck. Bestehende Automatisierungslösungen sind auf große Mengen mit geringen Veränderungen ausgelegt. Sie eignen sich für Massenprodukte und benötigen ein hohes Investitionsvolumen ab 200.000€ und kosten im Durchschnitt ca. 600.000€. Automatisierungsanlagen für solch einen Prozess können bis zu vier verschiedene Produktvarianten bestücken. Das betrachtete Anwendersegment bestückt eine durchschnittliche Varianz von 7-12 verschiedenen Aufträgen im Monat. Umrüstungen oder sogar Anpassungen solcher Anlagen kosten weitere 60.000€ – 80.000€, je nach Komplexität des Umbaus oder der Umrüstung. Die hier betrachteten Electronic Manufacturing Services (EMS) fertigen in der Regel Aufträge für 12-24 Monate, in denen keine Amortisierung der großen Anlagen stattfindet. Es lässt sich daher festhalten, dass für geringe und häufig wechselnde Losgrößen keine Automatisierungslösungen bestehen, die den wirtschaftlichen Bedürfnissen eines KMU entsprechen. Der aktuelle Stand der Technik erweist sich als zu teuer und unflexibel, um den Bedarf der EMS zu erfüllen. Daher ist der aktuell vorherrschende Industriestandard bei der Bestückung von THT-Bauteilen die manuelle Handarbeit. Die Through Hole Technology (THT) ist hierbei eine Kurzbeschreibung des Steckprozesses von Bauteilen. Beispielhafte Bauteile hierfür sind Widerstände oder Kondensatoren, wie man sie aus Elektronikbaukästen ebenfalls kennt. Diese Technologie besteht seit einigen Jahren und konnte aufgrund bestehender physikalischer Restriktionen nicht abgelöst werden. Solche Bauteile werden im THT Prozess auf jeder Leiterplatte genutzt, die höhere Stromspannungen leiten und verarbeiten muss. Beispielhafte Geräte hierfür sind Steuerungsmodule jeder Art, Kühlschrank, Waschmaschine, Herd, Elektrofahrzeug und Regelungstechnik für Bremsen und Antriebe jeglicher Art im Maschinenbau. Insbesondere die Regelungs- und Steuerungstechnik in Elektrofahrzeugen erfährt derzeit ein hohes Wachstum in der Nachfrage. Die EMS stehen daher vor der großen Herausforderung Kapazitätsgrenzen zu erweitern, um Aufträge nicht nach Ost-Europa oder Asien zu verlieren.  

 

Im Rahmen der Projektförderung wird die Entwicklung des Gesamtsystems einen Prototypenstatus erreichen, der mit Pilot-Partnern im Echtzeit-Betrieb getestet werden kann. Ziel ist es innerhalb der 18 Monate ein System #1 entwickelt zu haben, welches für den ersten Verkauf der Prototypenphase bereit steht. Hiermit ist eine Anschlussfähigkeit erreicht, die durch Prototypenprojekte eine Finanzierung der Weiterentwicklung gewährleistet. 

 

AP1: Das erste Arbeitspaket zeigt einen prototypischen Steckprozess. Hierbei werden das Material und die Leiterplatte noch sehr statisch zugeführt, sodass zunächst ein technischer Proof of Concept besteht. Hierbei werden bereits erste Forschungsfragen geklärt, wie beispielsweise die Erkennung kleiner Objekte durch 3D-Punktwolken möglich ist und ob eine ausreichende Genauigkeit bei der Ermittlung der Koordinaten erfolgt. Weiterhin wird die Frage geklärt, ob Bauteile in der richtigen Orientierung gegriffen werden können, um sie in richtiger Lage und Position zu stecken. Hierbei spielt das Ausgleichen mechanischer Ungenauigkeiten durch Software und Kamera eine erhebliche Rolle. Ergebnisse dieses Arbeitspaketes können bereits einen erheblichen Wissensvorsprung generieren.  

 

Prototypischer Steckprozess 

  • Ermittlung der visuellen 3D-Daten des Objektes 
  • Einlernen des Objektes durch Datenset 
  • Erkennung des Objektes 
  • Erkennung der Lage und Orientierung 
  • Ermittlung von Griffpunkten und trainieren der KI 
  • Ermittlung des Objektes in realer Umgebung (ohne Schüttgut) 
  • Ermittlung der Koordinaten des Picks 
  • Berechnung des Verfahrweges und optimalen Griffs 
  • Objekt greifen – Anfahrpunkt und Griffdruck 
  • Ermittlung des Ablagepunktes und Verfahrweges 
  • Nachjustierung der erreichten Koordinaten 
  • Durchführung des Steckvorgangs mit Widerstandsmessung 

 

AP2: Die Auftragserkennung bedeutet eine automatische Analyse der digitalen Zeichnungen eine Leiterplatte. Hieraus können Place-Daten ermittelt werden, die als Auftragsinformationen für den Steckprozess dienen. Mit diesen Daten werden korrekte Lage und Orientierung von Bauteilen festgelegt. Weiterhin sollen die Daten als Grundlage für die Objektsuche dienen. Enthaltene Bauteilinformationen werden extrahiert und mit einer zu entwickelnden Datenbank verglichen, um dann nach dem korrekten Objekt zu suchen.  

 

Auftragserkennung entwickeln 

  • Markierung und Beschreibung von bestückten Platinen 
  • Erkennung von 3D Objekten auf Modell der Platine 
  • Erkennung von Koordinaten und Steckpositionen auf Platine 
  • Ermittlung der Orientierung der Bauteile auf Platine 
  • Übermittlung von Erkennung der Arbeitsabfolge 
  • Einlernen von Leiterplatten und 0-Koordinaten für Prozess 

 

AP3: Im dritten Arbeitspaket wird die Industriefähigkeit unter Beweis gestellt. Bereits während der Entwicklungszeit, sollen wechselnde Rahmenbedingungen in Fertigungsumgebungen einfließen. So haben Lichtverhältnisse, Arbeitsraum, Luftfeuchtigkeit oder andere weitere Parameter Einfluss auf den Erfolg des Systems. Mit einem bestehenden Pilot-Partner werden hierzu verschiedene Bereiche im Echtbetrieb simuliert und getestet. Die Testergebnisse können direkt in die Weiterentwicklung einfließen.  

 

Industriefähigkeit zeigen 

  • Entwicklung automatischer Übersetzung Zeichnung zu Auftrag 
  • Entwicklung kleiner Interaktionsoberfläche für Eingaben 
  • Nachbau eines Industriearbeitsplatzes 
  • Auftragsdurchführung mit mehreren Leiterplatten 

 

AP4: Die Entwicklung eines Tracking-Algorithmus zum Ausgleich von Ungenauigkeiten bringt eine höhere Treffgenauigkeit des Roboters im Hinblick auf Greifen und Stecken von Bauteilen. Die absolute Genauigkeit von Robotern liegt zwischen 6-15mm bei dem ersten Anfahren eines bestimmten Punktes. Hier wird es die Aufgabe sein durch kamerabasierte Analyse die Ungenauigkeiten des Roboters auszugleichen. Es findet bei jeder Position eine Neu-Kalibrierung statt, um Abweichungen gering zu halten. 

Entwicklung eines Tracking-Algorithmus zum Ausgleich von Ungenauigkeiten 

  • Soll / Ist Abgleich zwischen erreichten Koordinaten und Soll-Position 
  • Abweichungen und Anpassungen für größere Objekte 
  • Abweichung und Anpassung für kleinere Objekte 

 

AP5: In Vorbereitung auf einen prototypischen Echtzeitbetrieb bei Pilot-Partnern, muss die Bauteildatenbank erweitert und gepflegt werden. Die Erweiterung der Datenbank kann mit bestehenden 3D-Modellen von Herstellern erfolgen. Für die weitere Verwendung müssen Griffpunkte deklariert werden, sodass ein Handling durch den Roboter eindeutig beschrieben wird. Die Daten werden weiterhin verwendet, um als Grundlage für die Erkennung in der realen Fertigungsumgebung zu dienen, hierfür muss das neuronale Netz trainiert werden.  

 

Einlernen neuer Objekte 

  • Ausarbeitung der Datenbank mit weiteren elektrischen Bauteilen 
  • Einlernen einzelner Bauteile 
  • Automatisierung der Informationseingabe 

 

AP6: Die Entwicklung eines generischen Erkennungsalgorithmus ist ein zukünftiger Mehrwert des Forschungsprojektes. Nach erfolgreichen Beweisen, dass verschiedene Bauweisen und Bauarten von elektrischen Bauelementen durch die kamerabasierte Steuerung gesteckt werden können, wird nun der Fokus auf die Automatisierung der Bauteildatenbank gesetzt. Die große Variantenvielfalt von elektronischen Bauelementen ist enorm. Es gibt Details oder Formen die Herstellerunabhängig sind. So sind eindeutige Identifikation von Bauteil und Bauform sehr komplex. Der Aufbau einer Datenbank aus 3D-Modell ist bereits Industriestandard und wird für Lösungen großer Maschinen bereits mitgeliefert. Die generische Erkennung aus 3D-Modell in 3D-Punktwolken, die aus der realen Arbeitsumgebung ermittelt wurden, stellt jedoch eine große Herausforderung dar. Weiterhin werden zu den jeweiligen Objekten auch Griffpunkte mit den dazugehörigen Roboter-Greifern benötigt. Ziel des Arbeitspaketes ist es ein Modell eines neuronalen Netzes so zu trainieren, dass für Bauteile automatisch die richtigen Griffpunkte ermittelt werden. Für jedes neue 3D Modell werden nach hinzufügen in die Datenbank Griffpunkte nach Lage und Orientierung automatisch ermittelt, sodass eine Erweiterung der großen Variantenvielfalt vereinfacht wird. 

Aufgrund der zeitlichen Begrenzung des Förderprojektes und den notwendigen Vorarbeiten wird dieses Aufgabenpaket gegen Ende fokussiert. Hierbei soll ein Proof of Concept entstehen, der für eine weitere Entwicklung als Grundlage dienen soll.  

 

Entwicklung des generischen Erkennungsalgorithmus 

  • Entwicklung von Datensets zum Anlernen neuer Objekte 
  • Entwicklung eines neuronalen Netzes mit Fokus auf Positionsermittlung auf  
    3D-Objekten 
  • Einlernen der Objekte zur Erkennung 
  • Einlernen von Griffpositionen zu den jeweiligen Objekten 
  • Einlernen neuer Objekte und Griffposition (automatisiert) 
  • Tests automatisiert Griffpositionserkennung 

 

 

AP7: Die System- und Arbeitsplatzgestaltung ist ein kontinuierliches Arbeitspaket, welches sich mit den Rahmenbedingen der Material Zu- und Abführung beschäftigt. Weiterhin werden Rahmenbedingungen zur Beleuchtung, Arbeitsraum des Cobots, Sensorik und Werkzeugwechsel berücksichtigt. Neben der Kernentwicklung von Software, werden Randbedingungen zum optimalen Daten-Input und Output berücksichtigt. So haben Lichteinflüsse oder fehlende Sensorsignale Einfluss auf die Durchführbarkeit des Gesamtprozesses. Im Rahmen des Arbeitspaketes wird ebenfalls die Durchführbarkeit des Steckprozesses mit richtigem Greiferwerkzeug überprüft. Die Ausgestaltung des Gesamtsystems muss regelmäßig auf die neuen Erkenntnisse anderer Arbeitspakete angepasst werden.  

 

System- und Arbeitsplatzgestaltung 

  • Anbieterauswahl für hochauflösende 3D-Kamera 
  • Anbieterauswahl eines sensitiven Greifer für Cobot 
  • Konfiguration und Anpassung von Greifer speziell für THT 
  • Gestaltung und Konfiguration von Systemzusammenbau 
  • Gestaltung der Systemlösung optimiert für den Versand 
  • Ausgestaltung Verpackung/Lieferungsmöglichkeit 
  • Ausgestaltung einer Montageanleitung 

Supported By

Produkte vergleichen
Teilen