抓取系统的八大智能生产趋势

从产品开发、设计到交付和质量管理，数字价值流将贯穿整个过程。雄克研发主管(CINO)Markus Glück教授在近期的采访中介绍了与抓取系统相关的八大智能生产趋势。

德国雄克研发主管（CINO）Markus Glück教授、博士

未来，数字化将以前所未有的速度和规模改变生产过程、公司结构、产品、商业模式、客户-供应商关系和质量管理。灵活适用、自主运作和高度互联的生产系统正在日益深入生产车间。此外，人类和机器之间的协作正在发生革命性的变化。为确保成功实现这些目标，需要专门为满足智能工厂的要求而定制的组件。

模块化和柔性化

通过采用模块化生产系统，智能生产可以实现新柔性：生产模块可以随时以任何方式更换、组合和补充。先决条件是标准化接口和通用的控制基础架构。此外，系统模块和使用的工具必须能够清楚地识别并相互连接。这是智能生产系统自动适应各自生产流程的唯一途径。

强大的互联和对数据的全新理解

数字化一个基本的核心特征是生产环境中的自动化部件、质量和生产管理系统实现经济、快速和高效的互联。与神经系统类似，它们在智能工厂中的作用就是一个高效、自组式的生产网络。智能搬运模块能满足在生产环境中完全集成生产系统及其与云端生态系统连接的先决条件。智能工厂的核心是对数据的全新理解：智能雄克机械手的内嵌测量系统可以收集数据并立即对其进行评估。它们有助于实现闭环质量控制以及在生产周期中对生产过程的直接监控。

传感器的集成与融合

传感器是设备或智能机械手的感官。它们记录设备中发生的情况，并记录测量数据，这些数据反过来又被用于系统、过程管理和抓取系统诊断。通过传感器的融合，可以将多个传感器并行使用，并对其测量值进行关联和分析，从而监控抓取过程，评估机械手的当前系统状态和接入情况。这样便可以在检测产品序列中检测抓取对象或故障。

基于云端的抓取解决方案可监测搬运过程的数据

边缘计算

随着互联和数字化程度的提高，产生的数据量正在大幅增长，这也意味着数据中心的传统数据连接正在无限接近其极限。为了防止故障和高延迟周期，边缘计算正逐渐成为一种规避策略。其目的是对抓取系统中主要的时间关键数据进行初步处理，即直接在现场处理，而不需要实时处理的高CPU密集型任务则在云端执行。随着更多的智能技术被应用至机械手层面，可以在机械手上实现更多的功能集成。此外，它还满足了对边缘计算的要求，为机器控制系统提供了新的实时应用场景。

数字孪生

为了确保满足复杂的系统要求，加快开发周期，并促进基于需求的最合适的组件选择，我们建议使用数字孪生。作为生产设施设计的一部分，它们构成了灵活集成和系统测试的基础要素。在实际使用之前，可以在CAx系统中快速评估和优化过程序列。虚拟抓取系统总成和组件在控制环境中的界面、物理行为和参数化方面精确地对应于它们的真实模型。它们可以通过电子平台获取，并可以实现数字化和单独配置。

数字孪生应用于仿真并优化整个搬运过程

人与机器之间的交互作用

到目前为止，在全自动化大规模生产中，一般通过严格分离人员和机器来保障工人的安全。目前，自动化生产在生产过程中已逐渐演变为现代化辅助和服务机器人。人机协作将从根本上改变我们的工作环境。它结合了人类和机器人的优势，促进更为灵活的生产。与没有直接交互协作的生产过程相比，在公共工作区域内与工人协同工作的机器人和组件必须在安全性和安全技术方面达到前所未有的高度。DGUV认证的机械手有助于实现无需安全隔离便可保障人类和所有常见辅助机器人的协同操作。此外，它们还减少了对协作系统进行认证相关的工作量。

内部部署和公有云端的扩展

作为智能工厂的一部分，智能抓取和夹持需要安全且可扩展的云端解决方案。为了提供可靠的服务，雄克使用来自领先的云端提供商(如SAP、西门子、微软或Adamos)的技术。其目的是存储和分析现有数据，以提高流程的效率。未来，机器学习或人工智能方法等技术也将来自云端。值得注意的是，内部部署和公有云端可随时扩展。这是确保在现场快速实时计算结果、控制机器、处理虚拟化和机密信息、以及本地保存业务关键数据的唯一方法。

人工智能

人工智能是数字化的一个主要议题。在机器人技术方面，可以预见的是，人工智能将用于自动完成由机器人和机械手组成的全运动链的任务，无需对每个步骤进行编程。在这一背景下，现代抓取系统已经准备好应用人工智能和其它各种技术，这一点至关重要。

转发是最好的支持

欢迎大家积极留言。

助推整车精益改善。

提升全员改善水平。

纪律 | 决心 | 改善 | 创造力 | 执行力

觉得不错，请点赞↓↓↓