ams OSRAM Fabrikautomatisierungslösungen

Maschinelles Sehen

Die optischen Lösungen von ams OSRAM für das maschinelle Sehen ermöglichen Maschinen, die Welt genau zu sehen. Das maschinelle Sehen umfasst eine große Auswahl an Applikationen. Beispiele für die automatische optische Inspektion zur Qualitätskontrolle, die für die Erzielung der gewünschten Bildqualität unerlässlich ist, umfassen eine passende Kombination aus Bildauflösung, Bildabtastrate pro Sekunde, Zeilen- und 2D-Szenenabtastung, Global-/Rolling-Shutter-Technologie und passender Szenenbeleuchtung. Wenn die Szenenbeleuchtung das normale Tageslicht ergänzt, kann eine spektrale adaptive Beleuchtung erforderlich sein, die von einem Sensor gesteuert wird. Ams OSRAM bietet eine große Auswahl an hochmodernen Produktlösungen, die die Anforderungen für verschiedene Machine-Vision-Applikationen und Anwendungsfälle erfüllen. Beleuchtungslösungen im Nah-Infrarotbereich, sowohl mit Flut- als auch mit kontrastreichen Spot-Strahlern und in Kombination mit empfindlichen NIR-Bildsensoren, ermöglichen kompakte, kostengünstige und leistungsstarke Systeme, die unempfindlich gegenüber unkontrollierten Lichtverhältnissen sind.

3D-Erkennung

Strukturiertes Licht, passive/aktive Stereovision, integrierte Time-of-Flight (ToF), direkte Time-of-Flight oder Näherungsintensität? Es stehen eine große Auswahl an optischen Sensortechniken zur Verfügung, um Entfernungen sowie 3D-Szenen zu erfassen, und alle verfügen über unterschiedliche Trade-Offs. Ams OSRAM ermöglicht Designern die Auswahl und Implementierung der Lösung, die zur Applikation passt, über ein umfassendes Portfolio an Beleuchtungen, Sensoren und Treibern.

Der 3D-Sensor ermöglicht es dem Gerät, die Objekte genau zu identifizieren, an denen es in seiner spezifischen Umgebung arbeiten muss. Bildverarbeitungsbasierte 3D-Erfassungslösungen werden in der Regel mit zwei Kameras für die Stereovision oder mit einer Kamera in Kombination mit definierten Projektionsmustern für strukturiertes Licht realisiert. Wenn die strukturierte Lichtprojektion für noch höhere 3D-Scanleistungen mit der Stereovision kombiniert wird, spricht man von „aktiver“ Stereovision. Darüber hinaus werden Time-of-Flight (ToF) -basierte 3D-Scanning-Konzepte eingesetzt, bei denen entweder die einzelne gepulste (direkte ToF) oder eine kontinuierlich modulierte (iToF) Laufzeit zwischen emittierten und objektreflektierten Photonen gemessen werden.

Tiefen- und 3D-Sensortechnologien

Barcode-Lesegeräte

Die automatische Identifikation und Datenerfassung (AIDC) bezieht sich auf die präzise Identifizierung von Objekten und das Ermitteln wichtiger Metriken, wie z. B. IDs, Ziel-/Zieladressdaten und vieles mehr. AIDC-Scanner werden im Bereich Einzelhandel, Kassenterminals, Kurierabholung und Lagerhaltung verwendet, um Barcodes oder QR-Codes zu lesen. Sie basieren typischerweise auf linearen Bildsensoren oder 2D-Array-Imagern. ADC-Scanner befinden sich auch um Hochgeschwindigkeits-Förderbänder in einem Verteilerzentrum, wo QR-Codes und Gehäusevolumen überwacht werden. 

Sicherheit

Herkömmliche Produktionsumgebungen bestehen aus zahlreichen mechanischen Schutzvorrichtungen, wie z. B. Sicherheitszäune, die verhindern, dass Menschen oder Ausrüstungen zu nah an gefährliche oder empfindliche Maschinen oder Produktionsschritte gelangen. In offeneren und flexibleren Produktionsumgebungen wird die erforderliche Sicherheitsfunktion durch 2D- oder 3D-LiDAR-Laserscanner oder 1D-/2D-LED-Lichtvorhänge gewährleistet. Diese bestehen aus einer getrennten Sender- und Empfängereinheit mit einem eingebetteten Fotodetektor. In jeder Produktionsumgebung finden sich Hunderte von LiDAR-Scannern, Lichtstrahl-Vorhängen und gesteuerten mechanischen Sicherheitszäunen. Angetrieben von den Prinzipien von Industrie 4.0 werden Produktionsumgebungen offener und flexibler. Mit bewährter Qualität und Zuverlässigkeit finden sich LEDs, Laser und passende Fotodioden von ams OSRAM in vielen installierten Bauteilen.  

Zustandsüberwachung/vorausschauende Instandhaltung

In Kombination mit maschinellem Lernen und künstlicher Intelligenz liefern Zustandsüberwachungs- und vorausschauende Wartungsalgorithmen datengestützte Erkenntnisse für einen optimalen Maschinenbetrieb und eine rechtzeitige Wartung. Die Fabrikautomatisierung unterscheidet fünf Instandhaltungsstufen. Die niedrigste Stufe ist die reaktive/präventive Wartung, bei der in festgelegten Intervallen oder vor einem Ausfall eine Reparatur ausgelöst wird. Die zustandsorientierte Wartung beruht auf einer kontinuierlichen Maschinenüberwachung, um möglichst frühzeitig die Abweichung der Maschine von einem bekannten guten Zustand zu erkennen und zu signalisieren und die erforderlichen Wartungsmaßnahmen auszulösen. Die vorausschauende Instandhaltung fügt zusätzlich zur Zustandsüberwachung einen „Blick im Voraus“ hinzu, um zu beurteilen, wie lange eine Maschine betrieben werden könnte, bevor evtl. eine Wartungsmaßnahme erforderlich wird. Sie stützt sich auf umfangreiche statistische Daten aus der Vergangenheit, um die verbleibende Laufzeit zu prognostizieren. Maschinelles Lernen verbessert die Wartungsprognose und den Maschinenbetrieb weiter, indem Nutzungsmuster in einem breiteren Kontext bewertet werden. In allen verschiedenen Überwachungs- und vorausschauenden Wartungsalgorithmen besteht die Notwendigkeit präziser Maschinendaten, die von intelligenten und genauen Sensoren bereitgestellt werden.