Sauggreifer für Bin Picking in der Kommissionierung

Der Allrounder

Der neue MX-Sauggreifer von Piab greift eine Vielzahl an Gegenständen, egal aus welchem Material, mit welcher Geometrie oder Oberflächenstruktur. Damit eignet sich der Greifer insbesondere für das Bin Picking in Kommissionierlösungen, die Robominds für eCommerce-Kunden und Hersteller komplexer Produkte realisiert.
Der neue MX-Saugnapf von Piab kann jedwede Oberflächen, Geometrien und Materialien handhaben und eignet sich damit insbesondere für Bin-Picking-Anwendungen in der Kommissionierung.
Der neue MX-Saugnapf von Piab kann jedwede Oberflächen, Geometrien und Materialien handhaben und eignet sich damit insbesondere für Bin-Picking-Anwendungen in der Kommissionierung.Bild: robominds GmbH

Robominds‘ Smart-Picking-Konzept auf Basis des Vision-Systems Robobrain.vision und KI-gesteuerter Software entscheidet eigenständig, welches Objekt aus einer Kiste mit wahllos zusammengestelltem Inhalt wie entnommen wird. Die Software erkennt die Lage und die Greifpunkte des Objekt. Dazu braucht es weder ein Anlernen, das sogenannte Einteachen des Systems, noch CAD-Daten oder eine aufwendige Programmierung. Das macht es besonders einfach bei der Inbetriebnahme und im Einsatz gerade bei Anwendern, die nicht über spezifisches Robotik- oder IT-Knowhow verfügen. Doch was bisher fehlte war ein Greifer, der ebenso universell alle ihm vorgelegten Objekte aufnehmen kann.

Konfrontiert mit einer neuen Anfrage zur Abwicklung und Sortierung von Rücksendungen einer Einzelhandelskette, die aufgrund der Coronapandemie ihr Online-Geschäft erweitert hatte, musste dieser Engpass überwunden werden. „Deshalb rief ich direkt den Spezialisten bei Piab an und schilderte das Problem,“ erklärt Christian Fenk, CSO von Robominds.

Bernd Gries, Manager Global Strategic Accounts bei Piab, führt aus: „Tatsächlich war diese Anfrage von Robominds eine glückliche Fügung. Wir hatten gerade die ersten Prototypen unseres neuen MX-Saugnapfs, einem Multi-Purpose-Werkzeug, entwickelt und suchten nach Testkunden. Hierfür eignete sich am besten eine Bin-Picking-Aufgabe, bei der die Produkte nicht spezifisch angeordnet sind. Ziel war es zu prüfen, ob der Saugnapf hält, was er verspricht, und wirklich Produkte aus einer Vielzahl von Materialien mit unterschiedlichen Oberflächen und Geometrien aufnehmen kann.“

Smart-Picking-Konzept

Der Saugnapf stellte sich schnell als das fehlende Glied in der Kette des Smart-Picking-Konzepts heraus. „Egal ob Deoroller, Shampoo-Flasche, lose Topfschwämme, Kekspackungen, Pflasterschachteln, Senftuben, in Folien verpackte Einwegrasierer, Gummibärchen, Munde/Nase-Masken oder Eiskratzer: Selbst Schraubverschlüsse für Marmeladengläser in einer bereits porösen, also luftdurchlässigen, Plastiktüte stellten kein Problem dar,“ beschreibt Fenk die Testergebnisse.

Die Robominds-Systeme werden sowohl im eCommerce bzw. Online-Handel bei der Zusammenstellung der Pakete als auch bei der Sortierung von Retouren eingesetzt. Außerdem unterstützen sie Automobil- und Maschinenbauer bei der Kommissionierung von Bauteilen für die Fertigung eines Produkts, wenn die Anzahl an Komponenten zu groß ist, um sie neben der Montagelinie zu lagern. Dann wird die Smart-Picking-Lösung auf ein mobiles Gerät platziert, um so automatisierte Regallager abzufahren und die entsprechenden Einzelteile zu entnehmen und für die Produktion zusammenzustellen.

Vorteilhafte Materialeigenschaften

Der MX-Saugnapf wurde von den Piab-Ingenieuren als Universalsaugnapf entwickelt und hat sehr gute Greifeigenschaften auf vielen verschieden Oberflächen, Materialien und Geometrien. Er ist mit allen Befestigungen und Funktionen der PiGrip-Familie kompatibel und besteht aus langlebigem Duraflex-Material. Dieses Material vereint die Elastizität von Gummi und die Verschleißfestigkeit von Polyurethan. Es hat ein sehr gutes Formgedächtnis und abdruckfreie Eigenschaften.

Aufgrund seiner vorteilhaften Abdichtungseigenschaften kann der MX-Saugnapf auch mit geringer Vakuumleistung sicher Produkte handhaben – selbst schwierige Objekte. Denn durch die Abdichtung sinkt die Leckagerate und damit auch der Bedarf an großen Vakuumflüssen. Daher eignet er sich für kleine Vakuumsysteme wie bei Cobots üblich, z.B. in Verbindung mit Piabs PiCobot- oder Mini-Cobot-Greifer. Ein niedriges Vakuumniveau hat zudem den Vorteil, dass Faltenbildungen oder Ausbeulungen an den gehandhabten Oberflächen wie z.B. Folienverpackungen vermieden werden.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.